Fundamentos de Ciencia de Datos — Estándar (60h · $197)

Operador: ITSEIA ACADEMY S.A.S. (RUC 1793233739001)

Coordinador: Héctor Bolívar Velasco Álvarez

Modalidad: Virtual · Área MDT: 06 — Informática y Comunicación

Estructura: 6 módulos × 5 temas × 2h = 60h

---

Para quién es

• Profesionales de negocios, administración o finanzas que quieren formalizar su trabajo con datos usando Python
• Analistas que usan Excel y están listos para dar el salto a herramientas técnicas de datos con fundamento real
• Bachilleres que buscan una base sólida en ciencia de datos para ingresar al mercado laboral ecuatoriano
• Personas que evalúan la carrera de Ciencia de Datos de ITSEIA y quieren experiencia práctica comprobable
• Coordinadores y jefes de área que necesitan leer e interpretar análisis de datos para tomar mejores decisiones

---

Objetivo general

Desarrollar en los participantes competencias fundamentales de programación en Python orientada a datos, matemáticas aplicadas, comprensión completa del ciclo de vida de proyectos de ciencia de datos y pensamiento analítico estructurado, con un proyecto integrador que demuestra la capacidad de resolver un problema real con datos ecuatorianos verificables, de principio a fin.

---

Módulos y temas

Módulo 1: Programación Python para Datos (10h)

#	Tema	Horas	Aprenderás
1.1	Variables, tipos de datos y estructuras de control	2h	Operar con tipos numéricos y de texto para análisis; aplicar if/elif/else y bucles for/while con datos tabulares reales
1.2	Funciones reutilizables para transformar datos	2h	Crear funciones con parámetros y retorno para limpiar, transformar y resumir datos; documentar con docstrings
1.3	Listas, tuplas y diccionarios para estructurar datasets	2h	Acceder, modificar e iterar colecciones; aplicar comprensión de listas para filtrar y transformar registros
1.4	Manejo de archivos CSV y JSON	2h	Cargar datos reales desde CSV/JSON sin pandas; entender la estructura de los datos antes de usar librerías
1.5	Manejo de errores y pipeline de datos robusto	2h	Capturar excepciones en pipelines de ingesta; generar logs de errores; procesar un dataset de ventas ecuatorianas

Módulo 2: Matemáticas I Aplicadas a Datos (10h)

#	Tema	Horas	Aprenderás
2.1	Funciones matemáticas y regresión lineal	2h	Interpretar la función lineal como modelo de regresión; graficar con GeoGebra; leer el coeficiente de correlación
2.2	Funciones cuadrática, exponencial y logarítmica	2h	Modelar crecimiento de usuarios, ajuste de curvas y escalas de datos; aplicar con Python y NumPy
2.3	Derivadas y tasas de cambio en series de tiempo	2h	Calcular la tasa de cambio entre períodos; detectar aceleración o desaceleración de una métrica
2.4	Estadística descriptiva con Python	2h	Calcular media, mediana, desviación estándar y percentiles sobre datos del INEC Ecuador con NumPy
2.5	Implementación y visualización	2h	Producir gráficas de series históricas de inflación ecuatoriana 2018–2026 con matplotlib; interpretar tendencias con fundamento matemático

Módulo 3: Introducción a Ciencia de Datos (10h)

#	Tema	Horas	Aprenderás
3.1	El ciclo de vida completo de un proyecto de datos	2h	Describir y ejecutar las fases: obtención, limpieza, exploración, análisis, modelado y comunicación
3.2	Roles del ecosistema de datos 2026	2h	Distinguir Data Analyst, Data Scientist, Data Engineer, Analytics Engineer y ML Engineer; planificar tu trayectoria
3.3	Fuentes de datos en Ecuador y estadística descriptiva	2h	Acceder a INEC, SRI, BCE y ARCSA; calcular estadísticas descriptivas sobre datos reales y detectar outliers
3.4	Visualización introductoria con matplotlib	2h	Producir histogramas, boxplots y gráficos de línea; elegir el tipo de gráfico correcto según el dato
3.5	Caso completo: ciclo de datos en Banco Pichincha	2h	Mapear el ciclo de vida de un proyecto real de analítica de cartera en la banca ecuatoriana; identificar roles involucrados

Módulo 4: Pensamiento Analítico Estructurado (10h)

#	Tema	Horas	Aprenderás
4.1	Descomposición y reconocimiento de patrones	2h	Aplicar descomposición jerárquica a problemas de datos; identificar patrones repetibles en datasets ecuatorianos
4.2	Pensamiento crítico: sesgo y correlación	2h	Detectar sesgo de confirmación, sesgo de muestreo y la diferencia entre correlación y causalidad con ejemplos reales
4.3	Toma de decisiones basada en evidencia	2h	Construir el argumento de datos que convence a la gerencia; usar cifras del INEC y BCE como respaldo cuantitativo
4.4	Design Thinking aplicado a datos en Ecuador	2h	Aplicar las fases a un problema de salud ecuatoriano usando datos de Solca o del Ministerio de Salud Pública
4.5	Frameworks 5 Whys, Fishbone y MECE	2h	Usar causa raíz (5 Whys) y MECE para estructurar análisis exhaustivos; presentar hallazgos en Google Slides

Módulo 5: Proyecto Integrador con Datos Ecuador (10h)

#	Tema	Horas	Aprenderás
5.1	Definición del problema y selección del dataset	2h	Elegir un dataset ecuatoriano (SRI, INEC, BCE o ARCSA); definir hipótesis verificables y criterios de éxito
5.2	Limpieza y preparación de datos	2h	Tratar valores nulos, duplicados, formatos incorrectos y tipos de datos erróneos con Python puro
5.3	Análisis exploratorio de datos (EDA)	2h	Calcular estadísticas descriptivas, distribuciones, correlaciones y detectar outliers sobre el dataset elegido
5.4	Visualizaciones y recomendaciones	2h	Producir gráficos que cuenten una historia clara; generar recomendaciones concretas y accionables con base en los datos
5.5	Documentación en Jupyter y presentación	2h	Documentar el análisis completo en Jupyter Notebook con README en GitHub; presentar ante la clase y defender el análisis

Módulo 6: Evaluación, Retroalimentación y Cierre (10h)

#	Tema	Horas	Aprenderás
6.1	Revisión de código Python (M1 y M2)	2h	Recibir retroalimentación escrita sobre calidad del código y corrección del análisis matemático; incorporar mejoras
6.2	Revisión del ciclo de datos y pensamiento analítico (M3 y M4)	2h	Revisar la claridad de visualizaciones y la solidez de las conclusiones; refinar el análisis con feedback del instructor
6.3	Refactoring del proyecto integrador	2h	Mejorar la reproducibilidad y legibilidad del análisis; aplicar correcciones del instructor al EDA y las recomendaciones
6.4	Publicación del portafolio en GitHub	2h	Organizar cinco proyectos en un repositorio; redactar el README de presentación personal con descripción de competencias
6.5	Mentoría de carrera y orientación profesional	2h	Recibir orientación para entrevistas de Data Analyst; conocer tendencias del mercado ecuatoriano de datos 2026

---

Proyectos prácticos

Proyecto	Módulo	Dataset / Fuente	Descripción
Procesador de registros de ventas	M1	Datos de empresa ecuatoriana simulada	Script Python que carga ventas mensuales, calcula KPIs y exporta reporte formateado
Análisis matemático de precios al consumidor	M2	Índice de Precios al Consumidor — INEC Ecuador	Funciones sobre series históricas de inflación; pendientes para detectar aceleración; graficado con NumPy
Ciclo de datos: caso sector bancario Ecuador	M3	Datos públicos BCE + estructura Banco Pichincha	Mapeo del ciclo de vida en banca; estadística descriptiva sobre series financieras; visualización con matplotlib
Plan analítico: problema de salud Ecuador	M4	Datos MSP / Solca (indicadores públicos)	Design Thinking y MECE aplicados a datos de atención médica; presentación ejecutiva en Google Slides
Análisis completo dataset ecuatoriano	M5	SRI / INEC / ARCSA / BCE	EDA completo: limpieza, exploración, hipótesis, visualizaciones y recomendaciones en Jupyter Notebook con README

---

Herramientas

Herramienta	Versión 2026	Uso en el curso
Python	3.12 LTS	Lenguaje principal de análisis de datos
Anaconda	2024.02+	Gestor de entorno y paquetes científicos
Jupyter Notebook	7.x	Entorno interactivo principal para análisis
VS Code	1.88+	Editor alternativo con extensión Jupyter
NumPy	1.26+	Cálculo numérico y operaciones matemáticas
matplotlib	3.8+	Visualización básica de datos
Google Colab	(cloud)	Entorno alternativo sin instalación local
GeoGebra	6.0 (web)	Visualización matemática e interpretación gráfica
Wolfram Alpha	(web)	Verificación de cálculos y derivadas
Kaggle	(web)	Datasets de práctica
Miro	(web)	Mapas mentales y Design Thinking
Google Slides	(cloud)	Presentaciones ejecutivas de resultados
GitHub	(web)	Control de versiones y portafolio profesional
Notion	(web)	Documentación estructurada del proyecto

---

Metodología

El curso sigue el marco CRISP-DM adaptado para formación: 20% comprensión del caso ecuatoriano + 40% análisis guiado con datos reales + 40% práctica autónoma con dataset diferente como entregable. El Módulo 6 replica la dinámica de revisión de pull requests en equipos de datos profesionales.

---

Evaluación

Componente	Peso
Ejercicios prácticos Módulo 1 — Python para datos	15%
Ejercicios prácticos Módulo 2 — matemáticas aplicadas con Python	15%
Análisis del ciclo de datos y ecosistema Módulo 3	15%
Ejercicios de pensamiento analítico y Design Thinking Módulo 4	15%
Proyecto integrador (propuesta, análisis, documentación y presentación)	30%
Participación activa en sesiones sincrónicas y foros	10%
**TOTAL**	**100%**

• Asistencia mínima: 70% (42h de 60h)
• Calificación mínima de aprobación: 70/100
• Escala: 0–100

---

Salida laboral Ecuador 2026

Rol	Salario mensual estimado	Sector principal
Analista de datos junior	$800–$1,100	Banca, telecomunicaciones, retail
Analista de BI entry level	$750–$1,050	Empresas medianas y grandes
Asistente de Data Science	$900–$1,300	Startups y consultoras de datos
Coordinador de datos operacionales	$800–$1,200	Gobierno, salud, educación
Automatizador de reportes con Python	$850–$1,150	Cualquier empresa con áreas de análisis

Empresas que contratan en Ecuador: Banco Pichincha, Banco Guayaquil, Banco del Pacífico, Corporación Favorita, Claro Ecuador, Movistar Ecuador, Telconet, Ministerio de Finanzas, IESS, ARCSA, consultoras de datos.

---

Certificado MDT

Denominación oficial: Fundamentos de Ciencia de Datos

Horas: 60 · Nivel: Corta duración (MDT Ecuador — Categoría según SETED)

Emisor: ITSEIA ACADEMY S.A.S. · Coordinador: Héctor Bolívar Velasco Álvarez

RUC operador: 1793233739001 · Modalidad: Virtual · Área: 06 — Informática y Comunicación

Especialidad: Ciencia y Análisis de Datos

El certificado es emitido por el Ministerio de Trabajo del Ecuador a través del operador autorizado ITSEIA ACADEMY S.A.S. Es reconocido para bonificaciones salariales, concursos de méritos en el sector público y presentación ante empleadores privados del Ecuador.

---

Fuentes

• INEC — Índice de Precios al Consumidor: ecuadorencifras.gob.ec
• SRI Ecuador — datos abiertos tributarios: sri.gob.ec
• BCE — Banco Central del Ecuador: bce.fin.ec
• ARCSA — Agencia Nacional de Regulación: controlsanitario.gob.ec
• MAGAP — datos agrícolas: agricultura.gob.ec
• Multitrabajos Ecuador (salarios referencia, marzo 2026)
• Computrabajo Ecuador Q1 2026

---

*ITSEIA ACADEMY S.A.S. — Instituto Ecuatoriano de Inteligencia Artificial*

*itseia.ai | administracion@itseia.ai | Abril 2026*

Reservar Estándar por $197

Fundamentos de Ciencia de Datos — Completo (80h · $297)

Operador: ITSEIA ACADEMY S.A.S. (RUC 1793233739001)

Coordinador: Héctor Bolívar Velasco Álvarez

Modalidad: Virtual · Área MDT: 06 — Informática y Comunicación

Estructura: 8 módulos × 5 temas × 2h = 80h

---

Para quién es

• Profesionales que buscan la formación más sólida en ciencia de datos con portafolio publicado y verificable en GitHub
• Analistas de negocio listos para migrar a herramientas técnicas de datos con respaldo de mentoría personalizada
• Bachilleres que quieren un certificado robusto con proyectos de análisis exploratorio real para mostrar a empleadores
• Personas que planean continuar con la carrera de Ciencia de Datos de ITSEIA y quieren créditos reconocidos al ingreso
• Profesionales que realizan análisis en Excel y quieren escalar a Python, estadística descriptiva y visualización con acompañamiento

---

Objetivo general

Desarrollar en los participantes competencias sólidas de programación en Python orientada a datos, matemáticas aplicadas, dominio del ciclo de vida completo de proyectos de ciencia de datos y pensamiento analítico avanzado, consolidando un portafolio profesional en GitHub con análisis exploratorio real sobre datasets ecuatorianos, retroalimentación técnica personalizada del instructor y sesiones de mentoría grupal que preparan al participante para roles de analista de datos en el mercado ecuatoriano.

---

Módulos y temas

Módulo 1: Programación Python para Datos (10h)

#	Tema	Horas	Aprenderás
1.1	Variables, tipos y estructuras de control para análisis	2h	Operar con tipos numéricos y de texto para análisis; aplicar if/elif/else y bucles con enumerate y zip sobre datos tabulares
1.2	Funciones reutilizables para transformar datos	2h	Crear funciones con parámetros y retorno para limpiar, transformar y resumir datos; documentar con docstrings PEP 257
1.3	Listas, tuplas y diccionarios: operaciones y comprensión	2h	Aplicar comprensión de listas; anidar diccionarios para estructurar datasets; usar conjuntos para deduplicación
1.4	Manejo de archivos CSV y JSON sin pandas	2h	Cargar datos reales sin librerías de análisis; entender la estructura cruda de los datos antes de abstracciones
1.5	Manejo de errores y pipeline de datos robusto	2h	Capturar excepciones en pipelines de ingesta; generar logs de ejecución; construir un pipeline de datos de ventas ecuatorianas

Módulo 2: Matemáticas I Aplicadas a Datos (10h)

#	Tema	Horas	Aprenderás
2.1	Funciones matemáticas y regresión lineal	2h	Interpretar la función lineal como modelo predictivo; graficar con GeoGebra; leer el coeficiente de correlación de Pearson
2.2	Funciones cuadrática, exponencial y logarítmica	2h	Modelar crecimiento de usuarios, ajuste de curvas y escalas de datos skewed; implementar con NumPy
2.3	Derivadas como tasa de cambio en series temporales	2h	Calcular la tasa de cambio entre períodos; detectar aceleración o desaceleración de una métrica con diferencias finitas
2.4	Estadística descriptiva y distribuciones	2h	Calcular media, mediana, moda, percentiles, rango intercuartílico y desviación estándar con NumPy sobre datos del INEC
2.5	Visualización matemática con matplotlib y GeoGebra	2h	Producir gráficas comparativas de series históricas de inflación ecuatoriana 2018–2026; interpretar tendencias con R²

Módulo 3: Ciencia de Datos — Ciclo Completo (10h)

#	Tema	Horas	Aprenderás
3.1	El ciclo de vida en profundidad	2h	Ejecutar cada fase del ciclo CRISP-DM: obtención, limpieza, exploración, análisis, modelado y comunicación
3.2	Roles del ecosistema de datos 2026	2h	Distinguir Data Analyst, Data Scientist, Data Engineer, Analytics Engineer y ML Engineer; planificar tu trayectoria
3.3	Fuentes de datos en Ecuador y estadística descriptiva	2h	Acceder a INEC, SRI, BCE, ARCSA y MAGAP; calcular estadísticas y detectar outliers sobre datos reales
3.4	Visualización con matplotlib y seaborn	2h	Producir histogramas, boxplots, scatter plots y heatmaps; elegir el tipo de gráfico según la pregunta analítica
3.5	Caso completo EDA: datos sector financiero Ecuador	2h	Ejecutar un análisis exploratorio completo sobre datos del Banco Central del Ecuador; presentar hallazgos con visualizaciones

Módulo 4: Pensamiento Analítico Avanzado (10h)

#	Tema	Horas	Aprenderás
4.1	Descomposición y reconocimiento de patrones analíticos	2h	Aplicar descomposición jerárquica a problemas de datos complejos; identificar patrones estadísticos con evidencia
4.2	Pensamiento crítico: sesgo, correlación y causalidad	2h	Detectar sesgo de muestreo, sesgo de supervivencia y falacias; construir el argumento de datos correcto
4.3	Toma de decisiones basada en evidencia	2h	Construir el argumento cuantitativo que convence a la gerencia usando cifras del INEC, BCE y SRI como respaldo
4.4	Design Thinking y data storytelling	2h	Aplicar las fases de Design Thinking a datos de salud de Solca o el MSP; construir una historia con datos en Miro
4.5	Frameworks 5 Whys, Fishbone y MECE	2h	Usar causa raíz para identificar el origen de un problema de calidad de datos; estructurar análisis con MECE

Módulo 5: Proyecto Integrador CRISP-DM Completo (10h)

#	Tema	Horas	Aprenderás
5.1	Comprensión del negocio y selección del dataset	2h	Elegir un dataset ecuatoriano real (SRI, INEC, ARCSA o BCE); definir hipótesis verificables y criterios de éxito
5.2	Limpieza y transformación de datos	2h	Tratar valores nulos, duplicados, formatos incorrectos y normalizaciones con Python; documentar cada decisión
5.3	Análisis exploratorio completo (EDA)	2h	Calcular distribuciones univariadas, relaciones bivariadas, correlaciones y detectar outliers sobre el dataset elegido
5.4	Visualizaciones ejecutivas y recomendaciones	2h	Producir gráficos que cuentan una historia clara y accionable; generar recomendaciones concretas con base en los datos
5.5	Documentación CRISP-DM y presentación	2h	Documentar el análisis completo en Jupyter Notebook con README en GitHub; defender el análisis ante la clase

Módulo 6: Estadística Inferencial Introductoria (10h)

#	Tema	Horas	Aprenderás
6.1	Distribuciones de probabilidad básicas	2h	Entender distribución normal, binomial y uniforme; generar muestras con NumPy; conectar con supuestos estadísticos
6.2	Intervalos de confianza	2h	Calcular intervalos de confianza al 95%; interpretar la incertidumbre de una estimación sobre datos del INEC
6.3	Pruebas de hipótesis: t-test y chi-cuadrado	2h	Formular hipótesis nula y alternativa; ejecutar t-test y chi-cuadrado en Python; interpretar el p-valor correctamente
6.4	Correlación y regresión lineal simple	2h	Calcular coeficiente de Pearson; ajustar una regresión lineal con scipy; evaluar el ajuste con R² y MSE
6.5	Aplicación: análisis de datos del SRI o BCE	2h	Aplicar pruebas estadísticas a un dataset real ecuatoriano; comunicar conclusiones con intervalos de confianza

Módulo 7: Herramientas de Datos en el Trabajo Real (10h)

#	Tema	Horas	Aprenderás
7.1	Pandas: estructura y operaciones básicas	2h	Cargar, indexar y filtrar DataFrames; aplicar groupby y merge sobre datasets ecuatorianos
7.2	SQL para analistas de datos	2h	Escribir consultas SELECT, WHERE, GROUP BY y JOIN; conectar SQL con Python usando sqlite3
7.3	Looker Studio: dashboards gratis con datos Ecuador	2h	Conectar Google Sheets con Looker Studio; construir un dashboard ejecutivo con datos del INEC o SRI
7.4	Claude y ChatGPT como asistentes de análisis	2h	Usar IA para acelerar la escritura de código de análisis, interpretación de resultados y redacción de conclusiones
7.5	Kaggle y portafolio de datos público	2h	Participar en competencias de Kaggle; publicar un análisis como notebook público; construir reputación profesional

Módulo 8: Portafolio, Retroalimentación y Mentoría (10h)

#	Tema	Horas	Aprenderás
8.1	Revisión de código Python y análisis matemático (M1–M2)	2h	Recibir retroalimentación escrita sobre calidad del código y corrección estadística; incorporar mejoras con refactoring
8.2	Revisión del EDA y pensamiento analítico (M3–M4)	2h	Revisar la claridad de visualizaciones y la solidez de hipótesis; refinar conclusiones con feedback del instructor
8.3	Revisión del proyecto integrador y estadística inferencial (M5–M6)	2h	Mejorar la reproducibilidad del análisis CRISP-DM; corregir el uso de pruebas estadísticas
8.4	Publicación del portafolio completo en GitHub	2h	Organizar el repositorio con todos los proyectos; redactar el README de presentación personal; configurar perfil público
8.5	Mentoría grupal: entrevistas y plan de carrera	2h	Simular una entrevista de Data Analyst; recibir orientación para el Período 2; conocer tendencias del mercado ecuatoriano 2026

---

Proyectos prácticos

Proyecto	Módulo	Dataset / Fuente	Descripción
Pipeline de datos de ventas Ecuador	M1	Datos de empresa ecuatoriana simulada	Script Python sin pandas que descarga, transforma y exporta datos de ventas; maneja errores y genera log de ejecución
Análisis de precios al consumidor INEC	M2	INEC Ecuador 2018–2026	Funciones matemáticas y estadística descriptiva sobre series de inflación; graficado comparativo por categorías con matplotlib
EDA completo: datos sector financiero Ecuador	M3	Datos públicos BCE + estadísticas SRI	Análisis exploratorio completo sobre datos de cartera o transacciones: distribuciones, correlaciones y detección de outliers
Plan analítico: caso de salud Ecuador	M4	Datos MSP / Solca (indicadores públicos 2024–2026)	Design Thinking y MECE al análisis de datos de atención médica; presentación ejecutiva con data storytelling
Proyecto CRISP-DM: dataset ecuatoriano real	M5	SRI / INEC / ARCSA / BCE	CRISP-DM completo: limpieza, EDA, hipótesis, visualizaciones ejecutivas y recomendaciones en Jupyter Notebook
Análisis estadístico inferencial	M6	INEC o BCE Ecuador	Pruebas de hipótesis, intervalos de confianza y regresión lineal sobre un dataset real ecuatoriano
Dashboard en Looker Studio + análisis con pandas	M7	INEC / SRI	Dashboard ejecutivo conectado a Google Sheets con datos reales; análisis complementario con pandas y SQL
Portafolio profesional publicado en GitHub	M8	Todos los proyectos revisados	Repositorio con ocho proyectos documentados, README de presentación y perfil público verificable

---

Herramientas

Herramienta	Versión 2026	Uso en el curso
Python	3.12 LTS	Lenguaje principal de análisis de datos
Anaconda	2024.02+	Gestor de entorno y paquetes científicos
Jupyter Notebook	7.x	Entorno interactivo principal para análisis
VS Code	1.88+	Editor alternativo con extensión Jupyter
NumPy	1.26+	Cálculo numérico y operaciones matemáticas
pandas	2.2+	Manipulación y análisis de datos (Módulo 7)
matplotlib	3.8+	Visualización de datos: gráficos estadísticos
seaborn	0.13+	Visualización estadística avanzada
scipy	1.12+	Estadística inferencial y pruebas de hipótesis
Google Colab	(cloud)	Entorno alternativo en la nube
GeoGebra	6.0 (web)	Visualización matemática
Kaggle	(web)	Datasets y portafolio público
Looker Studio	(web)	Dashboards ejecutivos conectados a datos
Miro	(web)	Design Thinking y data storytelling
GitHub	(web)	Control de versiones y portafolio profesional

---

Metodología

El curso Completo aplica el estándar CRISP-DM como eje pedagógico: cada módulo introduce y practica una fase del proceso de datos. El Módulo 8 replica la dinámica de revisión de pull requests en equipos de datos profesionales e incluye simulación de entrevista de Data Analyst.

---

Evaluación

Componente	Peso
Proyecto Módulo 1 — pipeline de datos en Python puro	10%
Proyecto Módulo 2 — análisis matemático con visualización	10%
EDA completo Módulo 3 — ciclo de datos con estadística descriptiva	10%
Plan analítico Módulo 4 — Design Thinking e hipótesis	10%
Proyecto integrador CRISP-DM Módulo 5 (análisis completo, documentación)	25%
Análisis estadístico inferencial Módulo 6	10%
Dashboard Looker Studio + pandas Módulo 7	5%
Portafolio GitHub revisado con retroalimentación (Módulo 8)	10%
Participación en sesiones sincrónicas, foros y mentorías	10%
**TOTAL**	**100%**

• Asistencia mínima: 70% (56h de 80h)
• Calificación mínima de aprobación: 70/100
• Escala: 0–100

---

Salida laboral Ecuador 2026

Rol	Salario mensual estimado	Sector principal
Analista de datos con portafolio	$950–$1,300	Banca, retail, telecomunicaciones
Data Analyst junior	$900–$1,300	Startups, consultoras de datos
Asistente de Data Science	$1,000–$1,500	Empresas tecnológicas, LATAM remoto
Analista de BI junior	$850–$1,200	Gobierno, salud, educación
Freelancer de análisis de datos	$800–$2,000	Independiente, proyectos LATAM

Empresas que contratan en Ecuador: Banco Pichincha, Banco Guayaquil, Banco del Pacífico, Corporación Favorita, Claro Ecuador, Telconet, IESS, Ministerio de Finanzas, ARCSA, startups tecnológicas en Quito (Kushki, Datil, La Factoría, Pichincha Digital).

---

Certificado MDT

Denominación oficial: Fundamentos de Ciencia de Datos

Horas: 80 · Nivel: Corta duración (MDT Ecuador — Categoría según SETED)

Emisor: ITSEIA ACADEMY S.A.S. · Coordinador: Héctor Bolívar Velasco Álvarez

RUC operador: 1793233739001 · Modalidad: Virtual · Área: 06 — Informática y Comunicación

Especialidad: Ciencia y Análisis de Datos

El certificado es emitido por el Ministerio de Trabajo del Ecuador a través del operador autorizado ITSEIA ACADEMY S.A.S. Es reconocido para bonificaciones salariales, concursos de méritos en el sector público y presentación ante empleadores privados del Ecuador.

---

Fuentes

• INEC — Índice de Precios al Consumidor: ecuadorencifras.gob.ec
• SRI Ecuador — datos abiertos tributarios: sri.gob.ec
• BCE — Banco Central del Ecuador: bce.fin.ec
• ARCSA — Agencia Nacional de Regulación: controlsanitario.gob.ec
• MAGAP — datos agrícolas: agricultura.gob.ec
• Multitrabajos Ecuador (salarios referencia, marzo 2026)
• Computrabajo Ecuador Q1 2026

---

*ITSEIA ACADEMY S.A.S. — Instituto Ecuatoriano de Inteligencia Artificial*

*itseia.ai | administracion@itseia.ai | Abril 2026*

Reservar Completo por $297