Nuestra identidad
Nuestro origen está en proyectos de análisis para retail, salud y logística. Esa experiencia la convertimos en rutas de formación con casos reales, no en teoría abstracta.
Perfil: analistas y educadores con trayectoria en producción.Si vienes de economía, ingeniería o sistemas y quieres orientar tu carrera hacia datos, diseñamos un camino claro. También trabajamos con equipos que necesitan incorporar estas capacidades internamente.
Nivel: desde fundamentos hasta especialización.Cada programa se apoya en conjuntos de datos reales y problemas concretos: predicción de demanda, detección de anomalías, segmentación de clientes. Así se aprende a decidir con evidencia.
Método: práctica guiada con revisión de resultados.Cursos intensivos, talleres para empresas y acompañamiento en la implementación de modelos. El foco está en que los conocimientos se traduzcan en decisiones operativas.
Servicios: formación, auditoría de datos y prototipos.Trabajamos con estándares claros de privacidad y explicabilidad. Creemos que un modelo útil es aquel que se puede entender, auditar y mejorar con el tiempo.
Principio: datos responsables y resultados interpretables.Operamos desde Argentina con modalidad remota para acompañar equipos en distintos países. La cercanía se logra con seguimiento personalizado y comunicación directa.
Ubicación: Carril Rodríguez Peña, Maipú, Mendoza.DataSci nace de una convicción simple: las profesiones del futuro no se aprenden memorizando herramientas, sino entendiendo cómo los datos sostienen decisiones reales. Acompañamos a estudiantes y equipos que quieren dominar la ciencia de datos, el machine learning y la inteligencia artificial aplicada, con un enfoque práctico y orientado a problemas concretos de la industria.
Coordina los encargos de analítica y traduce las preguntas del negocio en hipótesis comprobables. Antes de DataSci trabajó en banca y logística, donde aprendió a separar lo urgente de lo importante.
Diseña experimentos y modelos de clasificación para sectores regulados. Le interesa especialmente la explicabilidad: si un algoritmo no se puede auditar, prefiere no ponerlo en producción.
Construye las canalizaciones que alimentan los análisis. Su día a día pasa por limpiar registros inconsistentes, armar pipelines robustos y asegurar que los datos lleguen a tiempo y sin sorpresas.
Convierte resultados técnicos en informes claros para audiencias no especializadas. Su foco está en que cada gráfico cuente una historia verificable y no genere falsas certezas.
Trabajamos en conjunto con clientes de salud, retail y manufactura. La experiencia acumulada nos permite anticipar problemas de calidad de datos antes de que afecten los resultados.
Cronología de la formación en ciencia de datos
Primeros seis meses dedicados a probabilidad, inferencia y manipulación de datos con Python. El objetivo es construir una base sólida antes de tocar algoritmos complejos.
Del mes siete al doce se trabajan regresiones, árboles de decisión y ensambles. Cada semana incluye una práctica con datasets reales de retail y salud para medir el error de los modelos.
El segundo año se enfoca en traducir hallazgos técnicos a informes claros. Se practica con dashboards interactivos y presentaciones ejecutivas, porque un modelo sin contexto no genera decisión.
El cierre del programa consiste en un proyecto integral: desde la limpieza de datos hasta el despliegue de una API. El resultado se publica en un repositorio y se presenta ante un panel de evaluadores.
Instituciones y empresas que confían en nuestra formación para perfiles analíticos y de inteligencia artificial.
Colaboramos en el diseño de currículas para especializaciones en machine learning aplicado a agroindustria y logística regional.
Impulsamos proyectos conjuntos de visualización de datos públicos y talleres de alfabetización estadística para municipios.
Desarrollamos pruebas piloto de modelos predictivos para el sector vitivinícola, con foco en series temporales y control de calidad.
Más de 400 graduados activos que mentorizan nuevas cohortes y facilitan prácticas profesionales en empresas tecnológicas.