23 conceptos que tienes que tener en la cabeza

Modelo de Python en el que el tipo se asocia al valor en tiempo de ejecucion y no necesita declararse antes de asignar una variable.

Ej: precio = 19.99 crea una variable float sin declarar el tipo.

Cadena formateada que permite insertar expresiones de Python dentro de llaves y controlar su presentacion.

Ej: f"Total: ${total:.2f}"

Validacion temprana que resuelve un caso borde y retorna antes de ejecutar la logica principal.

Ej: if not valores: return 0

Forma de organizar datos en tablas relacionadas mediante filas, columnas y claves.

Valor que representa un dato desconocido o ausente. No equivale a cero ni a una cadena vacia y se consulta con IS NULL.

Clausula SQL que agrupa filas para aplicar funciones de agregacion como SUM, COUNT o AVG.

Clausula que filtra grupos despues de una agregacion. WHERE filtra filas antes de agrupar.

Descripcion verificable del problema de negocio, el objetivo, el target, las restricciones y la metrica de exito.

Variable que un modelo intenta predecir o explicar. Debe tener una definicion operativa y un horizonte temporal claros.

Definicion estructural de tablas, columnas, tipos, restricciones y relaciones de una base de datos.

Data Manipulation Language: conjunto de sentencias para consultar y modificar datos, principalmente SELECT, INSERT, UPDATE y DELETE.

Data Control Language: sentencias para administrar permisos y acceso a datos, como GRANT y REVOKE.

Proceso de organizar tablas para reducir redundancia y evitar dependencias incorrectas, usando formas normales.

Motor de base de datos relacional embebido, sin servidor, que almacena una base completa en un archivo local.

Secuencia reproducible de pasos para extraer, transformar, validar y entregar datos a un consumidor o modelo.

Tipo de Machine Learning que aprende una relacion entre variables de entrada y una etiqueta objetivo conocida.

Tipo de Machine Learning que busca estructura o patrones en datos sin una etiqueta objetivo proporcionada.

Secuencia iterativa que va de la pregunta de negocio a la adquisicion, preparacion, modelado, evaluacion y despliegue. Cada etapa condiciona la siguiente y la evaluacion puede obligar a volver a los datos.

Proceso de obtener datos desde una fuente externa (archivo, API, base) y dejarlos disponibles para validar, transformar y analizar dentro del pipeline.

Ej: Leer ventas_mensuales.csv con pandas y configuracion_tienda.json con json.load registrando origen y encoding.

Reemplazo de valores faltantes numéricos por la mediana de la columna. Es robusta a valores extremos, a diferencia de la media.

Ej: gasto_mensual con valores [150, 250, 300, 400, 50000] → mediana 300, media 10220.

Función de scikit-learn que divide un dataset en conjuntos de entrenamiento y prueba. test_size controla la proporción y random_state garantiza reproducibilidad.

Ej: train_test_split(X, y, test_size=0.2, random_state=123) → 80% train, 20% test reproducibles.

Fuga de información del conjunto de test o del futuro hacia el entrenamiento. Produce métricas artificialmente optimistas que colapsan en producción.

Ej: Calcular la mediana o ajustar un scaler sobre todo el dataset antes de separar train/test.

Módulo de Python para manejar rutas de archivos de forma portable entre sistemas operativos. Evita rutas absolutas hardcodeadas y resuelve separadores automáticamente.

Ej: Path("data") / "ventas.csv" en lugar de "C:\\Users\\...\\ventas.csv"