DESCRIPCIÓN DEL CURSO

Este curso está diseñado para que geólogos, ingenieros, técnicos y estudiantes desarrollen habilidades prácticas para visualizar, modelar y comunicar información geológica usando Power BI y Python. El enfoque está orientado a construir tableros claros y analíticos para interpretación de datos geológicos y geometalúrgicos, integrando buenas prácticas de ETL, modelamiento relacional y visualización avanzada.

A lo largo del programa aprenderás a trabajar con Power BI Desktop y Service, realizar procesos de ETL con Power Query, construir modelos con relaciones y DAX, y potenciar el análisis con Pandas, Numpy, Matplotlib y Seaborn. Culminarás con una guía práctica de solución BI y un caso aplicado a geología enfocado en reporte geometalúrgico, comparaciones de ensayes (AQ vs FRX), análisis por litología/tajo y visualizaciones de distribución (histogramas).

Etiquetas

Power BI Python ETL Power Query DAX Modelamiento de datos Geología Geometalurgia Ensayes AQ / FRX Litología Visualización de datos

¿QUÉ APRENDERÁS?

Entender el ecosistema de Power BI (Desktop vs Service) y cómo aplicarlo a datos geológicos.
Realizar ETL con Power Query: extracción, transformación y carga (Import / DirectQuery).
Construir modelos con esquemas relacionales (estrella, copo de nieve) y relaciones correctas.
Desarrollar medidas y columnas con DAX: agregaciones, formato y time intelligence.
Aprender Python 3 para análisis: tipos de datos, funciones, diccionarios y dataframes.
Usar Numpy y Pandas para limpieza, joins, filtrado y preparación de datasets geológicos.
Crear visualizaciones con Matplotlib/Seaborn para análisis exploratorio (distribuciones, comparaciones, tendencias).
Integrar Power BI + Python para potenciar el análisis cuando los visuales estándar no alcanzan.
Diseñar una solución BI completa: canvas, UX/testing, publicación, accesos y actualización.
Aplicar todo en un caso geometalúrgico: litología, tajo, AQ vs FRX y análisis de SiO2 por litología.

COMPETENCIAS A DESARROLLAR

Preparación y limpieza de datos geológicos (ETL) con enfoque en calidad y trazabilidad.
Modelamiento relacional eficiente para reportes geológicos y geometalúrgicos.
Creación de KPIs/medidas en DAX para análisis comparativo y seguimiento de variables.
Análisis con Python: unión de fuentes, control de nulos, filtrado y construcción de dataframes.
Visualización efectiva: selección de gráficos adecuados y narrativa para interpretación geológica.
Publicación, gestión y actualización de reportes en Power BI Service (workspaces, accesos y gateways).

TEMARIO DETALLADO

Módulo 01 – Power BI: fundamentos y ecosistema Ver contenidos ▾

¿Qué es Power BI?: componentes, casos de uso y flujo de trabajo.
Historia de Power BI: evolución y enfoque de autoservicio.
Power BI Desktop: modelado, medidas, visuales y diseño.
Power BI Service: publicación, colaboración y consumo del reporte.
Desktop vs Service: diferencias prácticas y escenarios reales.

Módulo 02 – ETL y visualizaciones con Power BI Desktop Ver contenidos ▾

Extracción (E): definición de fuentes, selección y alcance del proceso.
Transformación (T) con Power Query: combinar consultas, editar/agregar columnas, filtrar, limpiar y eliminar filas.
Carga (L): importación vs DirectQuery (impacto en performance).
Buenas prácticas: consistencia de campos, tipos de datos y preparación para modelamiento.

Módulo 03 – Esquemas, relaciones y DAX Ver contenidos ▾

Esquemas relacionales: estrella, copo de nieve y sin esquema.
Relaciones: cardinalidad (1:* / 1:1 / *:* ) y dirección de filtrado (simple / ambos).
DAX: agregación, texto y formato, time intelligence, columnas calculadas y tablas.
Publicar un reporte: publicación en Service y control de distribución.
Áreas de trabajo y gestión de accesos: roles, permisos, audiencias.
Actualización de datasets y Gateways on-premise: configuración y escenarios típicos.

Módulo 04 – Python 3: base para análisis de datos Ver contenidos ▾

¿Qué es Python?: enfoque para analítica y automatización.
Historia de Python: por qué es estándar en ciencia de datos.
Herramientas: entornos y flujo recomendado.
Anaconda y Jupyter Notebook: instalación, librerías y notebooks.

Módulo 05 – Librerías y conceptos clave Ver contenidos ▾

Conceptos: tipos de datos, listas, funciones, diccionarios, filtrado, lógicas y dataframes.
Numpy: base numérica y operaciones.
Pandas: carga, limpieza, transformación y análisis.
Matplotlib: gráficos base y personalización.
Seaborn: visualización estadística para exploración y comparación.

Módulo 06 – Power BI + Python: integración aplicada Ver contenidos ▾

Pros y contras: beneficios vs limitaciones (rendimiento, refresco, complejidad).
Import & Join: Power Query vs Pandas (criterios por tamaño/limpieza/automatización).
Datos nulos: Power Query vs isnull / tratamiento en Pandas.
Visualizaciones: DAX/Visuales vs Seaborn (cuándo conviene cada uno).
Power BI + Python: cuándo usarlo, cuándo no, y ejemplo de aplicación.

Módulo 07 – Guía práctica de solución BI (end-to-end) Ver contenidos ▾

Objetivo y enfoque: definición del problema, audiencia y decisiones a soportar.
Diseño del Canvas: layout, jerarquía y storytelling.
Fuentes de datos y conexiones: estructura, control y trazabilidad.
Modelamiento de datos: relaciones, performance y escalabilidad.
Visualizaciones y medidas: KPIs, medidas DAX y filtros.
UX y testing: navegación, segmentadores, validación y consistencia visual.
Publicación: workspaces, permisos y distribución.
Actualización y accesos: refresh, gateway, gobernanza básica.

Módulo 08 – Caso de uso en geología Ver contenidos ▾

Caso: Reporte Geometalúrgico
- Análisis por litología (segmentación y comparaciones).
- CuAQ vs Cu FRX: consistencia, dispersión y lectura por grupos.
- Cu_AQ_pct y Residuo_Cu: interpretación y control de calidad.
- Análisis por tajo: tendencias, variabilidad y distribución.
- Cu AQ vs Cu Predicho: evaluación comparativa y performance del modelo.
- Histograma de SiO2 vs Litología: distribución, rangos y diferenciación geológica.

EVALUACIÓN Y CERTIFICACIÓN

Al finalizar el curso obtendrás tu certificado digital con código QR único, verificable y apto para compartir en LinkedIn. La evaluación se basará en ejercicios prácticos por módulo, construcción de un modelo de datos, medidas DAX y el desarrollo de un reporte final aplicado al caso geometalúrgico.

CERTIFICADO REFERENCIAL

Certificado referencial del curso de Visualización de datos con Power BI y Python aplicado a la Geología

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)

Temario del curso

Conoce quién enseña el curso

Reseñas del curso (0)