De tu primera línea de Python a modelos en los que puedes confiar: SQL, gráficos, estadística y luego machine learning con scikit-learn. Código real en tu navegador y un gráfico en cada lección de ML.
2,160,483+ codders inscritos en estos cursos
487 lecciones539 retos2,161 preguntas de quiz
Ayuda de codificación con IA
Lecciones interactivas prácticas
Narración de audio en cada lección
Cuestionarios para poner a prueba tu conocimiento
Un certificado de la ruta al final, más 8 por el caminoCódigo real de scikit-learn con su resultado real. Mueve el control deslizante para cambiar una línea y ver qué aprende el modelo.
Con una k pequeña el modelo memoriza cada punto de entrenamiento y traza una frontera irregular. Con una k mayor, la frontera se suaviza.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
Cada paso es un curso de Coddy que ya existe. Hazlos en orden o salta al que te falte: tu progreso se guarda por curso en cualquier caso.
Escribe código real, consulta bases de datos, crea sitios web y domina los prompts de IA. Nuestras lecciones interactivas cubren todas las habilidades que los desarrolladores modernos necesitan.
¡Mantén la constancia y observa cómo crece tu progreso! Sigue tu hábito diario de programación, protege tu racha con días de congelación y gana recompensas por aparecer cada día.
12 días de racha
¡Vuelve mañana para mantener tu racha!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Doble o Nada
Día 5 de 7
Congelar Racha
2 left
Compite en tablas de clasificación globales, invita amigos para ganar recompensas y celebra los logros de los demás. ¡Programar es mejor con amigos!
1
2
3
Zona de promociónLee, escucha, ponte a prueba, pregunta a la IA o consulta cualquier cosa que ya hayas estudiado. Cada lección se adapta a ti.
Una variable es un contenedor con nombre que guarda un valor al que puedes hacer referencia más tarde.
En Python, creas una escribiendo el nombre, un signo igual y el valor que quieres guardar.
El valor puede cambiar con el tiempo: reasignar el nombre simplemente lo apunta a un nuevo valor.
Gana certificados por cada curso que completes. Agrégalos a tu perfil de LinkedIn y currículum para mostrar tu experiencia en programación a los empleadores.
Certificado de Finalización
Fundamentos de Python
Agregar a LinkedInAprende Python, luego SQL, luego a explorar y graficar datos con pandas y matplotlib, luego la estadística suficiente para distinguir un patrón del ruido y, por último, machine learning con scikit-learn. Esa es esta ruta, en ese orden. Después, crea dos o tres proyectos con datos públicos que respondan una pregunta que a alguien le importe, y escribe lo que encontraste.
Python. Es el lenguaje de casi todas las ofertas de empleo en ciencia de datos, y las librerías que usa el resto de la ruta (pandas, matplotlib, scikit-learn) son de Python. El primer paso cubre solo las partes de Python que necesitan los siguientes: variables, condiciones, bucles, funciones y listas.
No para empezar, ni para muchos empleos. Las empresas buscan gente capaz de obtener datos con SQL, limpiarlos y graficarlos con pandas, razonar sobre ellos con estadística y construir un modelo que sepa defender. Esta ruta enseña la estadística con simulaciones y gráficos, sin cálculo. Una carrera ayuda para puestos de investigación; un portafolio de proyectos honestos ayuda en todas partes.
Entre cinco y siete meses a una hora al día. Lo básico de Python lleva unas seis semanas, SQL de tres a cuatro, y las cuatro secciones de machine learning unas 40 horas en total. El tiempo que viene después, dedicado a tus propios proyectos, es lo que convierte las habilidades en un portafolio.
No, y la página lo dice más abajo. Cubre el machine learning clásico, los modelos con los que se resuelven la mayoría de los problemas de negocio: regresión, árboles, random forests, boosting, clustering y PCA. Las redes neuronales, los frameworks de deep learning y los grandes modelos de lenguaje vienen después, y son más fáciles de aprender cuando ya sabes dividir, entrenar y evaluar bien un modelo.
Sí. Termina todos los pasos y obtendrás un certificado gratis para toda la ruta Científico de datos. Incluye cada curso que terminaste por el camino, y enlaza al certificado propio de cada curso, para que cualquiera pueda verificar cada habilidad que menciona. Puedes añadirlo a tu perfil de LinkedIn. Es un certificado de finalización de Coddy, no una titulación acreditada.
