Totalmente práctico y aplicable
Formación en Introducción a SQL con BigQuery a medida
100% bonificable a través de FUNDAE
Curso TUTORIZADO por expertos
Curso de Introducción a SQL con BigQuery en Aula Virtual Personalizada
Nuestra modalidad AVP es una formación en directo, práctica y 100% adaptada a vuestro equipo. No trabajamos con contenidos genéricos: diseñamos la formación en función de vuestro nivel, objetivos, procesos internos y necesidades reales de aplicación.
Solicitar información
Temario 100% a medida
Creamos el temario desde cero a partir de vuestras necesidades, nivel del equipo y objetivos concretos, priorizando aquellos contenidos que realmente aporten valor en el día a día.
Proyectos personalizados
Durante la formación trabajaremos con archivos, ejemplos, informes o procesos similares a los que utiliza vuestro equipo, para que el aprendizaje sea directamente aplicable al puesto de trabajo.
Sesiones en directo con consultor experto
Un formador especialista imparte las clases en tiempo real, resolviendo dudas, revisando casos concretos y adaptando el ritmo de la formación a la evolución del grupo.
Calendario adaptado a vuestra disponibilidad
Definimos conjuntamente fechas, horarios y duración de las sesiones para facilitar la asistencia del equipo y minimizar el impacto en la operativa diaria de la empresa.
Forma a tu equipo sin costes mediante la bonificación estatal.
Este programa de Introducción a SQL con BigQuery para empresas es subvencionable hasta el 100%.
Calcula tu bonificación
Revisamos tu caso
Preparamos la gestión
Tu equipo realiza el curso
Aplicas la bonificación
Todos nuestros cursos son bonificables a través de FUNDAE.
Gestionamos toda la documentación por ti.
Calcula tu crédito aproximado
Crédito bonificable estimado
420€*
*Cálculo orientativo
Acelera la analítica de tu equipo con el curso Introducción a SQL con BigQuery A Medida, tutorizado y bonificable por FUNDAE para empresas. Contáctanos.
Diseñamos una formación a medida utilizando los documentos y flujos de trabajo reales de tu empresa.
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
Encuentra todo el temario del curso aquí.
¿Qué son las bases de datos?
¿Qué es una base de datos relacional?
¿Qué es SQL y por qué decimos que es un lenguaje de alto nivel?
¿Para qué empleamos SQL?
Organizando una base de datos a partir de tablas
Columnas
¿Qué tipos de datos podemos almacenar en las columnas de una tabla?
Hablemos de NULL, NOT NULL y sus implicaciones
Creación de bases de datos
Eliminación de bases de datos
Modificación de bases de datos
Definición de tablas(CREATE TABLE)
Eliminación de tablas(DROP TABLE)
Modificación de tablas(ALTER TABLE)
Introducción de datos en la base de datos
La sentencia INSERT
Inserción de todas las columnas
Carga masiva
Supresión de datos en la base de datos
La sentencia DELETE
Supresión de todas las filas
Modificación de datos de la base de datos
Sentencia UPDATE
Expresiones
Funciones internas
Otras funciones en SQL
Cláusula SELECT
Cláusula FROM
Cláusula WHERE
Condiciones de búsqueda
Tests
Columnas calculadas
Selección de todas las columnas
Filas duplicadas con DISTINCT
Ordenación de resultados de una consulta
Uniones y ordenación
Uniones múltiples
Consultas de Resumen, Group by, Having
SUM()
AVG()
MIN() Y MAX()
COUNT()
Valores NULL y funciones de columna
GROUP BY
HAVING
HAVING sin GROUP BY
Sintaxis de la orden SELECT
Consulta de varias tablas
¿Qué es BigQuery?
¿Qué no es BigQuery?
SQL en BigQuery
Almacenamiento en columnas
Estructuración de datos
Obtener datos en BigQuery
Paralelismo masivo
Espacios de nombre globales
¿Cómo trabaja BigQuery? (Asynchronous Job Manager)
Conjuntos de datos públicos de Big Query y cómo usarlos
Abstracción del modelo
Query Editor
Guardando datos
Ejecutando datos
Acceso a datos (niveles de permiso)
Actualizar Dataset
Nombrando jerarquías por convención para las Queries
Exportar datos con Cloud Shell
Precios en BigQuery
Durabilidad de datos
Stackdriver
¿Cómo ejecutar una consulta en BigQuery?
Ejecutando consultas SQL en BigQuery
Simple Join
Inner Join
Subqueries
Agregaciones
Cross join
Count y distinct
Count y distinct con registros null
Devolviendo registros ordenados en una columna
Devolviendo registros ordenados con múltiples columnas
Introducción a claúsula Where
Where con columnas numéricas
Where con columnas de cadenas de texto
Otras funciones de extracción con Where
IS NULL y IS NOT NULL
Agregaciones con MAX y MIN
Agregaciones con COUNT, AVG y SUM
Agrupaciones con GROUP BY
Cláusula GROUP BY
Cláusula TOP
Cláusula DISTINCT
Cláusula HAVING
Trabajando con tablas
Tablas anidadas y repetidas
Cambio manual de tablas
Exportando tablas
Tablas particionadas
Trabajando con clustered tables
Actualizando tablas desde DML
¿Qué son las vistas en BigQuery?
Crear vistas
Listar vistas
Obtener información de las vistas
Actualizar propiedades de la vista
Controlando el acceso de las vistas
Analistas de Datos
Buscan optimizar su capacidad de generar insights a partir de grandes conjuntos de datos utilizando BigQuery.
Equipos de TI Corporativos
Necesitan adoptar soluciones escalables en la nube para el manejo eficiente de bases de datos en sus empresas.
Administradores de Bases de Datos
Requieren conocimientos en SQL y BigQuery para mejorar la gestión de datos en entornos empresariales.
Ingenieros de Datos
Deben implementar estrategias de recuperación y análisis de datos, utilizando SQL y BigQuery para mejorar la toma de decisiones.
Científicos de Datos
Buscan integrar múltiples fuentes de datos y analizar grandes volúmenes de información de forma efectiva con BigQuery.
Equipos de Innovación Tecnológica
Desean explorar nuevas herramientas y técnicas para gestionar el almacenamiento y análisis de datos en la nube.
Experiencias reales de equipos que ya han trabajado con nosotros.
+16
años de liderazgo
+3.500
empresas formadas
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
480.000 alumnos formados en Imagina
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
El curso está enfocado en proporcionar las herramientas necesarias para que los analistas de datos puedan explorar, analizar y extraer información valiosa utilizando BigQuery y SQL, mejorando así las decisiones estratégicas y operativas en la empresa.
Este curso se imparte en modalidad de Aula Virtual Personalizada a través de videoconferencia por Zoom. Ofrecemos un contenido a medida para cada empresa, asegurando que hasta 20 participantes puedan aprender de manera flexible y efectiva según sus necesidades específicas.
Sí, este curso es 100% bonificable a través de FUNDAE. Si gestionamos la bonificación, cobramos un 10% adicional del precio del curso más IVA, lo cual también es bonificable. Esto facilita que las empresas aprovechen al máximo este incentivo económico para la formación corporativa.
El curso está diseñado especialmente para analistas de datos de empresas que desean empezar a utilizar BigQuery para optimizar el almacenamiento y análisis de datos en la nube. Es ideal para quienes buscan mejorar la eficiencia y resultados en sus procesos de análisis de datos.
BigQuery permite el manejo de volúmenes masivos de datos con un rendimiento superior gracias a su procesamiento en paralelo, almacenamiento columnar y capacidad de escalado. Esto lo convierte en una opción eficiente y económica frente a otras plataformas de almacenamiento y análisis de datos.
Durante el curso se desarrollan proyectos adaptados a los objetivos y necesidades de la empresa participante, lo que permite aplicar de manera práctica los conocimientos de SQL y BigQuery, asegurando una aplicación directa y beneficiosa en el entorno laboral del equipo.
Formar a tu equipo en SQL y BigQuery permite manejar y analizar datos de forma más efectiva, generando insights precisos y oportunos que mejoran la toma de decisiones. Esto aumenta la productividad y la capacidad de respuesta del equipo ante desafíos estratégicos.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso está enfocado en proporcionar las herramientas necesarias para que los analistas de datos puedan explorar, analizar y extraer información valiosa utilizando BigQuery y SQL, mejorando así las decisiones estratégicas y operativas en la empresa.
¿Tienes dudas?
Estamos aqui para ayudarte
Este curso se imparte en modalidad de Aula Virtual Personalizada a través de videoconferencia por Zoom. Ofrecemos un contenido a medida para cada empresa, asegurando que hasta 20 participantes puedan aprender de manera flexible y efectiva según sus necesidades específicas.
¿Tienes dudas?
Estamos aqui para ayudarte
Sí, este curso es 100% bonificable a través de FUNDAE. Si gestionamos la bonificación, cobramos un 10% adicional del precio del curso más IVA, lo cual también es bonificable. Esto facilita que las empresas aprovechen al máximo este incentivo económico para la formación corporativa.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso está diseñado especialmente para analistas de datos de empresas que desean empezar a utilizar BigQuery para optimizar el almacenamiento y análisis de datos en la nube. Es ideal para quienes buscan mejorar la eficiencia y resultados en sus procesos de análisis de datos.
¿Tienes dudas?
Estamos aqui para ayudarte
BigQuery permite el manejo de volúmenes masivos de datos con un rendimiento superior gracias a su procesamiento en paralelo, almacenamiento columnar y capacidad de escalado. Esto lo convierte en una opción eficiente y económica frente a otras plataformas de almacenamiento y análisis de datos.
¿Tienes dudas?
Estamos aqui para ayudarte
Durante el curso se desarrollan proyectos adaptados a los objetivos y necesidades de la empresa participante, lo que permite aplicar de manera práctica los conocimientos de SQL y BigQuery, asegurando una aplicación directa y beneficiosa en el entorno laboral del equipo.
¿Tienes dudas?
Estamos aqui para ayudarte
Formar a tu equipo en SQL y BigQuery permite manejar y analizar datos de forma más efectiva, generando insights precisos y oportunos que mejoran la toma de decisiones. Esto aumenta la productividad y la capacidad de respuesta del equipo ante desafíos estratégicos.
¿Tienes dudas?
Estamos aqui para ayudarte
![Análisis de Datos con BigQuery](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M264.207 752.696L108.25 482.804C104.156 475.719 102 467.682 102 459.5C102 451.319 104.156 443.281 108.25 436.196L264.207 166.304C268.296 159.228 274.175 153.351 281.254 149.261C288.334 145.171 296.365 143.011 304.543 143H616.625C624.774 143.041 632.771 145.214 639.819 149.303C646.866 153.391 652.718 159.253 656.793 166.304L812.75 436.196C816.844 443.281 819 451.319 819 459.5C819 467.682 816.844 475.719 812.75 482.804L656.793 752.696C652.704 759.771 646.825 765.649 639.746 769.739C632.666 773.83 624.635 775.989 616.457 776H304.459C296.295 775.974 288.281 773.808 281.218 769.718C274.154 765.629 268.289 759.759 264.207 752.696Z" fill="%234386FA"/>
<path opacity="0.1" d="M557.926 372.594C557.926 372.594 601.294 476.495 542.179 535.387C483.063 594.278 375.443 556.588 375.443 556.588C375.443 556.588 535.442 718.54 594.389 775.917H616.62C624.798 775.905 632.829 773.746 639.909 769.656C646.989 765.566 652.867 759.688 656.956 752.613L760.198 574.003L557.926 372.594Z" fill="black"/>
<path d="M609.129 585.198L561.213 537.327C560.694 536.793 560.098 536.339 559.445 535.981C579.72 509.771 589.23 476.824 586.035 443.853C582.84 410.882 567.182 380.368 542.252 358.53C517.321 336.692 484.994 325.173 451.857 326.32C418.721 327.467 387.269 341.194 363.911 364.704C340.553 388.214 327.047 419.737 326.144 452.85C325.241 485.962 337.01 518.173 359.053 542.918C381.096 567.663 411.753 583.08 444.777 586.027C477.802 588.975 510.709 579.23 536.793 558.781C537.132 559.398 537.558 559.965 538.056 560.463L585.971 608.334C586.667 609.031 587.494 609.584 588.405 609.961C589.315 610.338 590.291 610.532 591.276 610.532C592.262 610.532 593.238 610.338 594.148 609.961C595.059 609.584 595.885 609.031 596.582 608.334L609.129 595.798C609.827 595.103 610.38 594.277 610.758 593.367C611.135 592.458 611.33 591.483 611.33 590.498C611.33 589.513 611.135 588.538 610.758 587.629C610.38 586.719 609.827 585.893 609.129 585.198ZM456.456 554.237C437.07 554.237 418.119 548.494 401.999 537.734C385.88 526.973 373.316 511.679 365.897 493.785C358.479 475.891 356.537 456.2 360.32 437.204C364.102 418.208 373.437 400.759 387.146 387.063C400.854 373.368 418.32 364.041 437.334 360.262C456.348 356.484 476.056 358.423 493.967 365.835C511.878 373.247 527.187 385.799 537.957 401.903C548.728 418.007 554.477 436.941 554.477 456.309C554.477 469.169 551.941 481.903 547.015 493.785C542.089 505.666 534.869 516.461 525.767 525.555C516.665 534.648 505.859 541.862 493.967 546.783C482.075 551.705 469.329 554.237 456.456 554.237Z" fill="white"/>
<path d="M393.808 451.088V491.555C400.05 502.56 409.082 511.73 419.998 518.14V450.835L393.808 451.088Z" fill="white"/>
<path d="M442.81 417.524V526.894C451.467 528.488 460.343 528.488 469 526.894V417.524H442.81Z" fill="white"/>
<path d="M518.605 491.467V467.49H492.415V517.968C503.32 511.582 512.352 502.442 518.605 491.467Z" fill="white"/>
</svg>)
Con este curso aprenderás a utilizar BigQuery para el análisis de datos y a encontrar información de una forma rápida e intuitiva.
![Análisis de datos con BigQuery y Data Studio](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M205.292 489.016L105.019 315.484C102.386 310.928 101 305.76 101 300.5C101 295.24 102.386 290.072 105.019 285.516L205.292 111.984C207.921 107.434 211.701 103.655 216.253 101.025C220.805 98.3956 225.968 97.0074 231.227 97H431.882C437.121 97.0263 442.263 98.4234 446.794 101.052C451.325 103.681 455.088 107.45 457.708 111.984L557.981 285.516C560.614 290.072 562 295.24 562 300.5C562 305.76 560.614 310.928 557.981 315.484L457.708 489.016C455.079 493.566 451.299 497.345 446.747 499.975C442.195 502.604 437.031 503.993 431.773 504H231.172C225.924 503.983 220.771 502.59 216.229 499.961C211.688 497.332 207.916 493.558 205.292 489.016Z" fill="%234386FA"/>
<path opacity="0.1" d="M393.674 244C393.674 244 421.402 310.98 383.605 348.944C345.809 386.908 277 362.611 277 362.611C277 362.611 379.298 467.012 416.987 504H431.201C436.43 503.993 441.565 502.601 446.091 499.964C450.618 497.327 454.376 493.538 456.991 488.977L523 373.837L393.674 244Z" fill="black"/>
<path d="M426.596 382.603L396.022 351.62C395.691 351.274 395.311 350.98 394.894 350.748C407.831 333.785 413.899 312.46 411.86 291.121C409.822 269.781 399.831 250.032 383.923 235.898C368.016 221.764 347.388 214.308 326.245 215.051C305.102 215.793 285.033 224.677 270.129 239.893C255.225 255.109 246.607 275.512 246.031 296.944C245.455 318.375 252.964 339.223 267.029 355.238C281.094 371.254 300.655 381.232 321.728 383.14C342.8 385.047 363.797 378.741 380.44 365.505C380.657 365.904 380.928 366.271 381.246 366.594L411.819 397.577C412.264 398.028 412.791 398.386 413.372 398.63C413.953 398.874 414.576 399 415.205 399C415.833 399 416.456 398.874 417.037 398.63C417.618 398.386 418.145 398.028 418.59 397.577L426.596 389.464C427.041 389.013 427.394 388.479 427.635 387.89C427.876 387.301 428 386.67 428 386.033C428 385.396 427.876 384.765 427.635 384.176C427.394 383.588 427.041 383.053 426.596 382.603ZM329.18 362.564C316.81 362.564 304.717 358.847 294.432 351.883C284.147 344.918 276.13 335.019 271.396 323.438C266.663 311.856 265.424 299.112 267.837 286.817C270.251 274.523 276.207 263.229 284.954 254.365C293.701 245.501 304.845 239.464 316.978 237.019C329.11 234.573 341.686 235.828 353.114 240.625C364.543 245.423 374.311 253.547 381.183 263.97C388.055 274.393 391.724 286.647 391.724 299.183C391.724 307.506 390.106 315.748 386.963 323.438C383.82 331.128 379.213 338.115 373.405 344C367.597 349.886 360.702 354.555 353.114 357.74C345.526 360.925 337.393 362.564 329.18 362.564Z" fill="white"/>
<path d="M289.206 295.803V321.994C293.188 329.118 298.951 335.052 305.916 339.201V295.64L289.206 295.803Z" fill="white"/>
<path d="M320.472 274.08V344.867C325.996 345.898 331.659 345.898 337.183 344.867V274.08H320.472Z" fill="white"/>
<path d="M368.835 321.938V306.419H352.124V339.09C359.082 334.956 364.845 329.041 368.835 321.938Z" fill="white"/>
<path d="M766.659 717.136H614.512C577.723 717.136 557.109 742.78 557.109 770.06C557.109 795.237 574.589 822.983 614.512 822.983H766.659V717.136Z" fill="%23669DF3"/>
<path d="M609.55 576.018H457.403C420.615 576.018 400 601.663 400 628.959C400 654.136 417.481 681.882 457.403 681.882H609.55V576.018Z" fill="%23669DF3"/>
<path d="M766.659 435H614.512C577.723 435 557.109 460.644 557.109 487.924C557.109 513.101 574.589 540.847 614.512 540.847H766.659V435Z" fill="%23669DF3"/>
<path d="M766.657 822.9C795.565 822.9 818.999 799.205 818.999 769.976C818.999 740.747 795.565 717.053 766.657 717.053C737.75 717.053 714.316 740.747 714.316 769.976C714.316 799.205 737.75 822.9 766.657 822.9Z" fill="%231A73E8"/>
<path d="M609.549 681.882C638.456 681.882 661.89 658.187 661.89 628.958C661.89 599.729 638.456 576.035 609.549 576.035C580.641 576.035 557.207 599.729 557.207 628.958C557.207 658.187 580.641 681.882 609.549 681.882Z" fill="%231A73E8"/>
<path d="M766.657 540.847C795.565 540.847 818.999 517.152 818.999 487.924C818.999 458.695 795.565 435 766.657 435C737.75 435 714.316 458.695 714.316 487.924C714.316 517.152 737.75 540.847 766.657 540.847Z" fill="%231A73E8"/>
</svg>)
Aprende a utilizar BigQuery y Data Studio para el análisis de datos a gran escala. Domina la visualización interactiva y la creación de dashboards. Curso hasta 100% bonificable por FUNDAE.
![Análisis y visualización de datos con Python](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M668.771 275C656.502 275 646.556 282.762 646.556 292.336V627.664C646.556 637.238 656.502 645 668.771 645H809.34C821.609 645 831.556 637.238 831.556 627.664V292.336C831.556 282.762 821.609 275 809.34 275H668.771Z" fill="url(%23paint0_linear_2380_18404)"/>
<path d="M797.947 378.291H777.389C775.159 395.677 761.439 409.467 744.087 411.802V432.371C772.743 429.866 795.556 406.98 797.947 378.291Z" fill="white"/>
<path d="M797.927 368.067H777.357C774.802 349.085 758.538 334.449 738.855 334.449C730.031 334.449 721.894 337.391 715.372 342.347L700.824 327.799C711.119 319.185 724.382 314 738.855 314C769.842 314 795.278 337.768 797.927 368.067Z" fill="white"/>
<path d="M693.574 335.008C684.829 345.339 679.556 358.704 679.556 373.299C679.556 404.368 703.449 429.857 733.863 432.392V411.834C714.764 409.384 700.004 393.066 700.004 373.3C700.004 364.353 703.028 356.112 708.111 349.544L693.574 335.008Z" fill="white"/>
<rect x="685.679" y="505.441" width="21.5258" height="100.454" fill="white"/>
<rect x="742.339" y="462.391" width="21.5258" height="143.505" fill="white"/>
<rect x="770.669" y="483.918" width="21.5258" height="121.979" fill="white"/>
<rect x="714.009" y="483.918" width="21.5258" height="121.979" fill="white"/>
<path d="M342.784 185C202.257 185 211.033 245.941 211.033 245.941L211.191 309.074H345.29V328.025H157.926C157.926 328.025 68 317.834 68 459.618C68 601.403 146.486 596.381 146.486 596.381H193.331V530.585C193.331 530.585 190.8 452.066 270.56 452.066H403.567C403.567 452.066 478.29 453.274 478.29 379.85V258.498C478.29 258.498 489.639 185 342.784 185ZM268.839 227.453C275.231 227.448 281.362 229.982 285.886 234.498C290.409 239.014 292.954 245.141 292.961 251.533C292.966 254.699 292.347 257.836 291.14 260.763C289.932 263.69 288.16 266.351 285.923 268.593C283.687 270.834 281.031 272.613 278.106 273.828C275.182 275.042 272.047 275.669 268.88 275.671H268.839C262.448 275.684 256.312 273.158 251.783 268.649C247.253 264.139 244.7 258.015 244.684 251.624V251.582C244.681 248.417 245.302 245.282 246.51 242.356C247.718 239.43 249.491 236.771 251.727 234.53C253.963 232.29 256.619 230.511 259.542 229.297C262.465 228.083 265.599 227.456 268.765 227.453H268.839Z" fill="url(%23paint1_linear_2380_18404)"/>
<path d="M346.772 735.674C487.299 735.674 478.53 674.733 478.53 674.733L478.373 611.6H344.266V592.648H531.629C531.629 592.648 621.556 602.848 621.556 461.047C621.556 319.246 543.07 324.284 543.07 324.284H496.225V390.08C496.225 390.08 498.756 468.566 418.996 468.566H285.988C285.988 468.566 211.266 467.359 211.266 540.79V662.184C211.266 662.184 199.917 735.657 346.772 735.657V735.674ZM420.717 693.221C417.551 693.224 414.417 692.604 411.491 691.395C408.566 690.187 405.907 688.414 403.667 686.178C401.427 683.942 399.65 681.286 398.436 678.363C397.223 675.44 396.597 672.306 396.595 669.141V669.141C396.592 665.975 397.212 662.84 398.42 659.914C399.629 656.989 401.402 654.329 403.638 652.089C405.874 649.848 408.529 648.07 411.453 646.855C414.376 645.641 417.51 645.014 420.675 645.011V645.011C423.843 645 426.981 645.613 429.911 646.816C432.841 648.018 435.506 649.786 437.753 652.018C440 654.25 441.785 656.903 443.006 659.826C444.228 662.748 444.861 665.883 444.871 669.05V669.091C444.876 675.485 442.34 681.619 437.823 686.144C433.306 690.669 427.177 693.214 420.783 693.221H420.717Z" fill="url(%23paint2_linear_2380_18404)"/>
<defs>
<linearGradient id="paint0_linear_2380_18404" x1="567.931" y1="230.889" x2="556.424" y2="644.68" gradientUnits="userSpaceOnUse">
<stop stop-color="%233770A0"/>
<stop offset="0.858789" stop-color="%23023461"/>
</linearGradient>
<linearGradient id="paint1_linear_2380_18404" x1="123.365" y1="239.487" x2="399.332" y2="514.839" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint2_linear_2380_18404" x1="289.773" y1="420.482" x2="581.036" y2="695.802" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
Empieza en el mundo de la ciencia de datos a través del análisis de datos y la creación de visualizaciones con Python para la toma de decisiones a nivel profesional
Cuéntanos tus objetivos de negocio y prepararemos una propuesta formativa bonificable totalmente ad hoc
