Introducción a bases de datos relacionales y modelo relacional Tablas, claves primarias y foráneas Normalización de datos Consultas básicas y avanzadas con SELECT, JOINs, subconsultas y CTEs Funciones de agregación y agrupación (COUNT, SUM, AVG, MIN, MAX, GROUP BY, HAVING) Funciones de ventana (ROW_NUMBER, RANK, PARTITION BY) Manipulación de datos (INSERT, UPDATE, DELETE, MERGE) Manejo de transacciones con BEGIN, COMMIT, DELETE y MERGE, y control de errores Stored Procedures y buenas prácticas de performance y seguridad Caso práctico aplicado a un sistema real.

Introducción a Python y su ecosistema Tipos de datos, variables y operadores Estructuras de control: condicionales y bucles Funciones y programación orientada a objetos Manejo de errores y excepciones Bibliotecas NumPy y Pandas para análisis de datos Limpieza, preparación y análisis exploratorio (EDA) Visualización de datos con matplotlib y seaborn Introducción a Machine Learning y conceptos de IA Implementación práctica de modelos básicos de IA.

Introducción a Power BI y sus componentes (Desktop, Service, Mobile) Importación de datos desde Excel y CSV Limpieza y transformación de datos con Power Query Modelado de datos y relaciones entre tablas Introducción a DAX: columnas y medidas Visualizaciones básicas y avanzadas: gráficos, KPIs, segmentadores Interacción y diseño de dashboards Publicación y actualización de informes en Power BI Service Buenas prácticas de visualización y storytelling con datos.

Conceptos de Ingeniería de Datos y pipelines de datos ETL/ELT y buenas prácticas Almacenamiento y formatos de datos (CSV, Parquet, JSON) Bases de datos relacionales y no relacionales Introducción a Data Warehousing Automatización de procesos de datos Control de calidad y validación de datos.