Ciclo Magistral 2026 · Online · Uruguay y Argentina
Inteligencia de Datos:
Análisis e IA Aplicada
por Mara Destefanis — Magíster en Ciencia de Datos
Ciclo práctico de datos, análisis de datos, modelos ML, producción
y... un poco de arte en el proceso.
En cada clase magistral arrancamos con un problema real, un dataset concreto y las herramientas encima de la mesa.
El código ya está escrito. El repositorio ya está en tu máquina.
Lo que construimos juntos es el criterio para leerlo, ejecutarlo, modificarlo y llevarlo a producción.
La arquitectura de los Transformers, la teoría del gobierno de datos, los fundamentos matemáticos del ML —
todo eso tiene su lugar, y ese lugar es la academia.
Acá el foco es otro: hacer. Analizar datos reales. Deployar un dashboard.
Construir un agente. Salir con algo funcionando.
Temario
11 clases, un arco completo
De la calidad del dato a los agentes de IA. Cada clase es autocontenida y viene con su repositorio. Disponible para participantes de Uruguay, Argentina y toda la región hispanohablante.
Datos que no mienten: calidad, auditoría y confianza
Las 6 dimensiones de calidad · profiling con ydata-profiling · intro Great Expectations · sesgos de representatividad.
Dataset retail: ventas, productos, canales, clientes — duplicados, nulos, outliers de precio.
De los datos al insight: análisis completo con Python
Descriptivo → diagnóstico → predictivo · dashboard interactivo Plotly + Streamlit · repo ejecutable.
Dataset ventas: estacionalidad, top productos, valor de cliente por canal.
Tablero de análisis No-Code: de los datos a la decisión
Flujo completo sin código con 2 herramientas de IA · cargar → explorar → visualizar → interpretar → presentar.
Dataset ventas: estacionalidad, top productos, valor de cliente por canal.
De notebook a tablero: llevá tu análisis a producción
Streamlit Cloud + Hugging Face Spaces · deploy en vivo · de la notebook al link público en una clase.
Continuación clase 02: mismo dataset de ventas, nuevo destino — app deployada.
Machine Learning tradicional en producción
Clasificación + regresión con scikit-learn · pipelines serializables · validación cruzada · modelo listo para usar.
Predicción de churn o forecast de ventas: recencia, frecuencia, importe, canal, categoría.
Uruguay en datos: analítica geoespacial y medio ambiente
GeoPandas · Folium · datos abiertos UY — DINAMA, IDE Uruguay, MGAP. Mapa interactivo con caso real.
Cobertura vegetal o calidad de agua en cuencas uruguayas. Fuente: DINAMA + IDE Uruguay.
IA + mapas: inteligencia artificial aplicada a datos geográficos
LLMs con geodatos · detección de patrones ambientales · análisis predictivo espacial · pipeline geo + IA.
Continuación clase 06 + datos satelitales de uso del suelo. Cambio de cobertura en el tiempo.
Gobierno y reproducibilidad: de experimento a sistema nuevo
FAIR en la práctica · data contracts · versionado con DVC · MLflow básico. El salto de notebook a sistema auditable.
Pipeline sobre datos de ventas + modelo de clase 05. Se versiona, documenta y audita end-to-end.
IA Generativa aplicada: prompting avanzado, RAG y casos reales nuevo
Prompt engineering avanzado · RAG con datos propios · LLMs integrados en flujos de análisis. Foco: usar, no explicar.
Informes ambientales en PDF + datos tabulares. RAG sobre documentos reales de DINAMA o MVOT.
Agentes de IA: automatizá tu flujo de análisis
Qué es un agente y cuándo usarlo · flujos autónomos · agente funcional con caso real de análisis o reporting.
Agente que procesa datos de ventas o ambientales, genera reporte y responde preguntas.
Cierre integrador: del dato al sistema inteligente
Guía hacia el Proyecto end-to-end: calidad → análisis → modelo → deploy → agente. Arco completo del ciclo. Apertura segunda edición.
Cada asistente trabaja con su propio dataset. Consolidación de todo lo aprendido.
Precios
Elegí tu modalidad
Precio anticipado disponible hasta 10 días antes de cada clase. Precios en pesos uruguayos. Participantes desde Argentina y otros países: consultá equivalencia por email.
Clase individual
$2.400
UYU · acceso en vivo
Acceso en vivo · Repo GitHub · Material de clase
Anticipado: $1.900Pack 3 clases
$6.000 $7.200
UYU · elegís cuáles y cuándo
Todo lo anterior + grabación 30 días vía Zoom (con contraseña)
Anticipado: $5.400Las 11 clases
$20.000 $26.400
UYU · 24% de descuento real
Todo lo anterior · Grabación de las 11 clases · Acceso prioritario próximas ediciones
Anticipado: $18.000Pagos vía PayPal · Transferencia bancaria UY · Desde Argentina via Prex Argentina · La vacante queda confirmada con el cierre del pago. Cupos limitados.
Formato
Cómo funcionan las clases
Proyecto listo, ejecución en vivo
Recibís el repo completo antes de la clase. Seguís desde tu propia máquina o Colab sin perder tiempo en setup.
Deploy en vivo cuando aplica
En las clases de producción deployamos juntos. Te vas con algo funcionando y con tu propio link público.
Datasets reales, problemas reales
Ventas, clientes, cobertura vegetal, calidad de agua. Nada inventado para el ejercicio.
Material que queda
Repo GitHub propio, notebooks, datos y recursos. Todo tuyo al finalizar cada clase.
Sobre la docente
Mara Destefanis
Licenciada en Comunicación Social · Magíster en Ciencia de Datos
Profesora universitaria de Fundamentos de Datos, Machine Learning e Inteligencia Artificial
Reservá tu lugar
Completá el formulario y pre-reserva tu lugar. Las consultas también son bienvenidas - escribinos a contacto@maradestefanis.com
¡Gracias por inscribirte!
Tu formulario fue recibido. Te escribimos pronto a tu email para confirmar los detalles y la información de pago.