Inteligencia Artificial Aplicada

Unidad de competencia

Desarrollar competencias avanzadas en la toma de decisiones estratégicas basadas en datos potenciados por IA, implementando soluciones de inteligencia artificial con un enfoque crítico y ético que maximice el impacto profesional y preserve la autonomía humana.

Logro del curso

Al concluir el programa, cada participante diseñará e implementará una solución de automatización de tareas mediante IA generativa, adaptada a un caso real de su entorno laboral o profesional.

Sumilla

En este curso, el participante:

• Comprenderá los fundamentos teóricos y metodológicos de la IA aplicada.
• Dominará herramientas y frameworks de IA generativa.
• Aplicará análisis de datos para la toma de decisiones estratégicas potenciadas por IA.
• Generará contenido digital utilizando técnicas de IA.
• Aprenderá a estructurar flujos de trabajo que integren IA en procesos de negocio.
• Desarrollará de manera práctica proyectos de automatización total o parcial de procesos, evaluando aspectos críticos, éticos y de gobernanza de datos.

La metodología combina exposiciones conceptuales, análisis de casos de uso y ejercicios prácticos orientados a resultados concretos en el ámbito profesional.

Estructura del curso “Inteligencia Artificial Aplicada”

🔴 MÓDULO 01: FUNDAMENTOS DE LA IA CONTEMPORÁNEA

🎯 Objetivo de aprendizaje
Familiarizarse con el estado del arte de la inteligencia artificial y comprender su arquitectura básica, alcances y limitaciones actuales.

📌 Subindicadores de logro
• Explica los principios fundamentales y los mitos comunes sobre la IA.
• Aplica modelos de IA generativa de texto.

🧭 Parte 01: ¿Qué es la IA y por qué deberías preocuparte?

01.01 ¿Qué es la IA (y qué no)? Desmitificando el mito
01.02 ¿Qué hay tras el telón? Primer vistazo a los LLM
01.03 Glosario esencial: tu diccionario de términos IA
01.04 Chatbots y ChatGPT: ¿moda pasajera o corriente principal?

🧪 Parte 02: Primer contacto con modelos generativos

01.05 Tu primer vistazo a ChatGPT: interfaz y primeros pasos
01.06 Primer prompt: la llave maestra
01.07 Fundamentos del Prompt Engineering – Método OSAC: hablando con la máquina
01.08 Memoria de ChatGPT: ¿recuerda o simula recordar?
01.09 Hilos de conversación: mantén viva la coherencia
01.10 Uso de Claude, Gemini, Deepseek y Grok
01.11 Fundamentos de Prompt Engineering (refuerzo aplicado)
01.12 Sesgos en IA: fundamentos y riesgos éticos
01.13 Generación automática de resúmenes ejecutivos (aplicado)

🧰 Parte 03: Tu laboratorio IA — arma el entorno perfecto

01.14 ¿Qué necesita un “laboratorio” de IA para ser productivo? (STT, TTS, OCR)
01.15 ¿Por qué tus notas son tu memoria extendida? (Notion, Obsidian)

🧪 Parte 04: Proyecto piloto – De la idea al primer entregable

01.16 Detección y definición del problema
01.17 Estructura CREA para soluciones efectivas
01.18 Diseño de prompts con el framework OSAC
01.19 Caso práctico: generación automatizada de documentos
01.20 Gestión de límites de salida: dividir y vencerás
01.21 Cohesión conversacional: cadenas e hilos de conversación
01.22 Evaluación y ajuste continuo del proyecto
01.23 ¿Por qué los IA Checkers no funcionan?

🛠️ Actividades clave del módulo

• Lectura guiada y debate sobre casos de uso de IA
• Demostración práctica de uso de modelos generativos de texto
• Evaluación intermedia de los conceptos aprendidos
• Desarrollo de un documento asistido por IA

🔴 MÓDULO 02: ANALÍTICA AUMENTADA Y GENERACIÓN DE REPORTES

🎯 Objetivo de aprendizaje
Aplicar IA generativa para enriquecer procesos de análisis descriptivo y elaborar informes automáticos.

📌 Subindicador de logro
• Genera reportes analíticos estructurados a partir de datos brutos.

🧱 Parte 01: Fundamentos de analítica y flujo de datos

02.01 ¿Qué es el análisis de datos y por qué importa?
02.02 Inteligencia de negocios al detalle
02.03 Modelando información en la era IA
02.04 Predictivo vs prescriptivo: el análisis que anticipa
02.05 CSV sin misterio — el formato universal de datos
02.06 Arquitectura de pipelines de datos para analítica descriptiva
02.07 Fundamentos de limpieza y preprocesamiento de datos

📈 Parte 02: Herramientas y plataformas de analítica moderna

02.08 El tridente de herramientas: Power BI, Tableau y Python
02.09 Copilot en Excel 365 — tu copiloto de fórmulas
02.10 Google Sites — tu web sin esfuerzo
02.11 IA en imágenes — Stream y OCR para datos visuales

🤖 Parte 03: IA generativa como operador de datos

02.12 ChatGPT como operador de datos — las tres capas
02.13 ChatGPT consejero de BI — Excel y Power BI potenciados
02.14 Procesando ingresos con IA — análisis financiero instantáneo
02.15 Generación narrativa de insights con IA generativa
02.16 Fundamentos de prompt engineering para análisis cuantitativo (Marco EIC)
02.17 Prompt engineering para insights cuantitativos

📊 Parte 04: Visualización y storytelling con IA

02.18 Técnicas de visualización básica: tablas, gráficos de barras y líneas
02.19 De texto a gráficos: prompts para charting automático
02.20 Introducción a librerías de dashboards web (D3.js vs. Plotly.js)
02.21 Generative BI: integrando LLM en cuadros de mando
02.22 Data storytelling: narración efectiva a partir de dashboards
02.23 Dashboards prácticos: diseña y conoce sus límites
02.24 Herramientas low-code para reporting rápido

🧑‍💻 Parte 05: Automatización y despliegue de reportes

02.25 Automatización de informes con HTML y JavaScript
02.26 Diseño de informes ejecutivos: estructura, estilo y claridad
02.27 Monitorización y alertas de indicadores clave
02.28 Evaluación de la calidad de reportes automáticos
02.29 Gobernanza de datos en reportes: trazabilidad y auditoría
02.30 Integración de formatos de datos: CSV, Excel y APIs en pipelines

🧪 Parte 06: Casos prácticos y aplicados

02.31 Caso práctico: automatizando el reporte de ventas semanal
02.32 Caso práctico: análisis de sentimiento en feedback de clientes
02.33 Plan de proyecto de analítica aumentada: hoja de ruta en 5 pasos
02.34 Ventas bajo la lupa — informes de ventas con ChatGPT
02.35 De la idea al diagrama: gráficos con Mermaid
02.36 Algoritmos estadísticos, anomalías y cómo la IA puede solucionarlos

🧭 Parte 07: Visión estratégica y toma de decisiones

02.37 ¿Por qué la IA es la nueva brújula para directivos?
02.38 Criterios estratégicos para aplicar IA en tu organización

🛠️ Actividades clave del módulo

• Taller: de CSV a informe automatizado
• Ejercicio: creación de un dashboard sencillo con IA
• Actividad de extracción de insights con LLM
• Evaluación intermedia: generación de un reporte completo asistido por IA

🔴 MÓDULO 03: INGENIERÍA DE PREDICCIÓN Y DECISIONES ESTRATÉGICAS

🎯 Objetivo de aprendizaje
Desarrollar soluciones de análisis predictivo que integren programación y reportes inteligentes.

📌 Subindicador de logro
• Implementa un pipeline de datos en Python/Colab para generar predicciones y recomendaciones.

🧭 Parte 01: Fundamentos de predicción y decisiones asistidas por IA

03.01 Predictivo vs prescriptivo: el análisis que anticipa
Diferencia entre análisis que describe el pasado, predice el futuro o recomienda decisiones inteligentes.

03.02 ¿Por qué Python es la navaja suiza del análisis de datos?
Panorama del ecosistema de librerías como Pandas, NumPy y Matplotlib.

03.03 ¿Cómo comunicar hallazgos con gráficos claros?
Visualización efectiva con Matplotlib y Seaborn, evitando distorsiones y maximizando comprensión.

⚙️ Parte 02: Algoritmos de aprendizaje automático (ML) y su lógica básica

03.04 Selección y comparación de algoritmos: regresión vs clasificación
Cuándo usar cada tipo de modelo, ventajas, limitaciones y ejemplos típicos.

03.05 Aprendizaje supervisado y no supervisado: fundamentos
Clustering, clasificación y regresión explicados sin jerga innecesaria.

03.06 Validación cruzada y partición de datos
Por qué dividir bien tus datos es más importante que tener muchos. Estrategias simples y robustas.

03.07 Métricas de evaluación de modelos
Indicadores clave para saber si tu modelo sirve: desde accuracy hasta RMSE.

03.08 Optimización de hiperparámetros: Grid Search y Random Search
Cómo ajustar los controles finos del modelo sin volverte loco. Introducción a optimización bayesiana.

03.09 Diagnóstico de overfitting y underfitting
Identifica cuándo tu modelo está “memorizando” o “olvidando” y cómo corregirlo.

🧪 Parte 03: Aplicación práctica con Python y Colab

03.10 ¿Cómo aprender con Kaggle? Competiciones y datasets reales
Aprende con datasets icónicos (Titanic, viviendas), notebooks públicos y desafíos reales.

03.11 De script a sitio web: informes interactivos en Google Colab
Construye dashboards simples y compartibles usando Pandas, Plotly y narrativa embebida.

03.12 Regresión lineal y logística en Python
Implementación paso a paso en scikit-learn, con interpretación clara de resultados.

03.13 Árboles de decisión y ensamblados: Random Forest y Gradient Boosting
Modelos potentes y versátiles para problemas del mundo real.

03.14 Introducción a redes neuronales simples con Keras
Cómo funcionan las MLPs, y cómo entrenarlas sin necesidad de ser un experto en deep learning.

03.15 Modelos de series temporales: ARIMA, Prophet y LSTM básicos
Predice datos con fecha y hora: cuándo usar enfoques clásicos vs redes neuronales.

🧠 Parte 04: Interpretabilidad, transparencia y narrativa con IA

03.16 Interpretabilidad de modelos: SHAP y LIME
Cómo explicar qué factores influyen en las predicciones y ganar confianza en tus modelos.

03.17 IA generativa para explicación de predicciones (Aplicado)
Usa ChatGPT o Gemini para redactar reportes que expliquen tus resultados como si fueran un consultor humano.

03.18 Toma de decisiones estratégicas basadas en insights predictivos (Aplicado)

Framework de cinco pasos para traducir las predicciones en recomendaciones de negocio accionables.

🛠️ Actividades clave del módulo

• Proyecto: pipeline de predicción en Google Colab con visualización y narrativa automatizada
• Notebook colaborativo: construcción colectiva de un caso real desde exploración hasta recomendación
• Desafío técnico: seleccionar el mejor modelo para un dataset con justificación interpretativa

🔴 MÓDULO 04: ÉTICA, PROMPT ENGINEERING AVANZADO Y AUTOMATIZACIÓN

🎯 Objetivo de aprendizaje
Profundizar en técnicas de construcción de prompts y diseñar flujos de automatización éticos y robustos.

📌 Subindicador de logro
• Crea prompts avanzados y configura agentes autónomos para tareas específicas.

⚖️ Parte 01: Ética aplicada a la IA generativa

04.01 Principios éticos en IA generativa
Marcos deontológico, utilitarista y de virtud para diseñar inteligencias artificiales responsables.

04.02 Teorías éticas aplicadas a sistemas inteligentes
Del deber kantiano al pragmatismo: cómo adaptar ideas clásicas al diseño de IA moderna.

04.03 Sesgos algorítmicos: identificación y mitigación
Técnicas para reconocer y corregir distorsiones cognitivas de los modelos.

04.04 Privacidad y protección de datos en la era de la automatización
Buenas prácticas en anonimización, minimización y almacenamiento ético de datos.

04.05 Gobernanza de datos y cumplimiento normativo
Cómo alinear proyectos de IA con GDPR, LOPD y políticas de trazabilidad interna.

04.06 Transparencia y explicabilidad: del black box al glass box
Explicaciones comprensibles para decisiones automáticas complejas.

04.07 Responsabilidad y rendición de cuentas en IA
Delimitación de responsabilidades humanas y digitales: protocolos, auditoría y escalamiento.

04.08 Marco regulatorio global: GDPR, AI Act y estándares emergentes
Comparativa internacional de leyes, tendencias regulatorias y su impacto en proyectos reales.

04.09 Ética de la automatización: impacto en el empleo y la sociedad
Dilemas sobre sustitución laboral, desigualdad y sistemas de transición responsable.

04.10 Estudios de caso: fallos éticos en IA
Errores históricos en reconocimiento facial, créditos automatizados, y sus lecciones urgentes.

🧠 Parte 02: Filosofía, marcos simbólicos y coevolución humano-IA

04.11 ¿Puede la IA tener principios? Fundamentos de ética en IA
Conceptos clave como justicia, transparencia, rendición de cuentas, autonomía.

04.12 ¿Firmas sin leer? Términos y condiciones en la IA
Por qué aceptar sin leer es una puerta abierta a sesgos y cesión de derechos.

04.13 ¿Libre albedrío o destino trazado? Filosofía en la IA
Exploración del debate entre determinismo algorítmico y toma de decisiones autónoma.

04.14 ¿Qué puede enseñarnos el estoicismo y el taoísmo?
Enfoques filosóficos como marcos de diseño ético y resiliencia tecnológica.

04.15 El servo-agente y el operador extendido
La IA como prótesis cognitiva y el humano como diseñador de reglas: modelos de coevolución.

🧪 Parte 03: Prompt engineering avanzado

04.16 Chain-of-Thought y self-refinement en prompts complejos
Cómo inducir razonamientos paso a paso y mejorar respuestas automáticamente.

04.17 Estrategias de few-shot y zero-shot para tareas avanzadas
Diseña instrucciones que funcionen con o sin ejemplos, según el contexto.

04.18 Automatización de prompts: generación y ajuste dinámico
Prompts que se adaptan solos al contexto y evolucionan durante la ejecución.

04.19 Seguridad en prompts: detección y prevención de inyecciones
Evita que usuarios maliciosos manipulen la lógica interna del modelo.

04.20 Evaluación y métricas de calidad en prompts avanzados
Define KPIs como coherencia, relevancia y consistencia, y cómo medirlos automáticamente.

⚙️ Parte 04: Automatización práctica con agentes y asistentes

04.21 ¿Cómo crear tu propio GPT personalizado?
Desde el diseño de personalidad hasta el afinamiento para tareas específicas.

04.22 ¿Qué gemas esconde Gemini?
Explora funciones ocultas y prompts avanzados en la plataforma de Google.

04.23 Tu asistente de estilo: GPT que perfecciona documentos
Agente que edita, corrige y estiliza textos automáticamente según tu voz.

04.24 De la idea al proyecto: introducción a ChatGPT Projects
Cómo usar proyectos colaborativos para automatizar flujos de trabajo temáticos.

04.25 Competencias imprescindibles para la automatización con IA
API, scripting, flujos de datos y habilidades básicas para escalar soluciones.

04.26 ¿Encuestas a un clic? Google Apps Script en acción
Automatiza formularios y análisis de respuestas en tiempo real sin salir de Sheets.

04.27 Procesos sin fricción: automatiza con AppSheet
Diseña aplicaciones web y móviles sin código, basadas en datos y acciones automáticas.

04.28 Simular para prevenir: escenarios y consecuencias
Crea mundos virtuales con IA para probar políticas, decisiones y entornos.

04.29 ¿Un avatar con conciencia? Ética y uso de Character AI
Diseño de personalidades digitales en contextos de educación, terapia y entretenimiento.

🛠️ Actividades clave del módulo

• Laboratorio de prompts con GPT y Gemini
• Análisis de un caso ético real y rediseño del sistema con enfoque de mitigación
• Construcción de un GPT personalizado para automatización de tareas específicas
• Taller práctico de AppSheet o Apps Script para un flujo automatizado simple

🔴 MÓDULO 05: SÍNTESIS MULTIMODAL PARA CONTENIDO DIGITAL

🎯 Objetivo de aprendizaje
Integrar modelos de generación de texto, audio, imagen y video para producir piezas digitales completas.

📌 Subindicador de logro
• Desarrolla un proyecto de contenido multimodal apoyado en IA.

✍️ Parte 01: Herramientas de productividad visual y textual

05.01 ¿Qué es la IA generativa?
Introducción conceptual al universo multimodal.

05.02 Diseño exprés con Canva, Tome y Gamma
Genera presentaciones visuales en minutos con asistentes de IA visual.

05.03 Diagramas automáticos: Mindgrasp y Whimsical
Convierte ideas en mapas y flujos visuales sin esfuerzo.

05.04 Mapas mentales con Quizgecko
Organiza y jerarquiza conceptos en segundos.

05.05 TinyWow: el suizo digital
Una sola plataforma para editar, convertir y optimizar archivos.

05.06 Perplexity: investigación con IA contextual
Responde preguntas complejas y cita fuentes confiables al instante.

🖼️ Parte 02: Imagen generada por IA — del prompt al arte

05.07 ¿Qué es la IA generativa de imágenes?
Fundamentos, modelos y enfoques disponibles.

05.08 Modelos vs. servicios: ¿local o en la nube?
Comparativa de rendimiento, costo y control.

05.09 Anatomía del prompt visual
Guía para estructurar descripciones efectivas.

05.10 Plataformas destacadas de generación de imágenes:

• 05.10a DALL·E 3
• 05.10b Bing Image Creator
• 05.10c Midjourney
• 05.10d Stable Diffusion
• 05.10e Dreamlike.art y Leonardo AI
• 05.10f NightCafe Studio e Ideogram
• 05.10g Flux AI
• 05.10h Adobe Firefly
• 05.10i Tensor.art y portales de modelos múltiples

05.11 Ética, licencias y derechos de autor en imagen IA
Usos permitidos, restricciones y riesgos legales.

🔊 Parte 03: Audio y voz sintética

05.12 ¿Cómo la IA reinventó el sonido?
Panorama de transcripción, síntesis y edición automatizada.

05.13 Dictation.io: transcribe sin tocar el teclado
Reconocimiento de voz preciso en tiempo real.

05.14 X-minus.pro: separación de pistas
Extrae voces o instrumentos de cualquier audio.

05.15 Eleven Labs: voz ultra realista
Tonos naturales, emociones y personalización.

🎼 Parte 04: Composición musical y narrativa sonora

05.16 Prompting musical: cómo hablarle a la IA para que componga
Define género, tempo, emoción y estructura.

05.17 Técnicas avanzadas de prompting musical
Control de armonía, estilo y progresión sonora.

05.18 ChatGPT como letrista
Generación de letras con sentido poético y coherente.

05.19 Plataformas clave para música generativa:

• 05.19a Suno AI
• 05.19b Riffusion
• 05.19c Udio

🎬 Parte 05: Video IA — de la narrativa a la edición automatizada

05.20 Runway ML en acción
Edición de video y creación de clips desde texto.

05.21 Sora (OpenAI): laboratorio experimental de video generativo
Exploración de su potencial actual y límites.

05.22 Gen 3 (Google): una promesa emergente
Nuevas posibilidades para creadores audiovisuales.

🛡️ Parte 06: Ética y derechos en contenido generado

05.23 Licencias, propiedad intelectual y trazabilidad en contenidos IA
Aspectos legales, atribución y uso responsable de material generado.

🛠️ Actividades clave del módulo

• Creación de un videoclip promocional con IA
• Podcast breve generado y editado con herramientas automáticas
• Ensayo crítico sobre licencias y ética en contenido digital
• Proyecto final multimodal: narrativa + imagen + audio

🔴 MÓDULO 06: SISTEMAS DE GESTIÓN DEL CONOCIMIENTO

🎯 Objetivo de aprendizaje
Diseñar un repositorio inteligente (KMS) potenciado por IA para capturar, organizar y reutilizar conocimiento profesional.

📌 Subindicador de logro
• Implementa un sistema básico de gestión de conocimiento con capacidades de búsqueda semántica.

🧭 Parte 01: Fundamentos de gestión del conocimiento

06.01 Panorama de los Sistemas de Gestión del Conocimiento (KMS)
Historia, evolución y beneficios clave en contextos profesionales.

06.02 Taxonomías vs. Ontologías: estructurando el conocimiento
Comparación de enfoques jerárquicos y relacionales para organizar información.

06.03 ¿Quién eres en el ecosistema IA?
Identificación de perfiles y necesidades según el rol profesional.

06.04 Corpus profesional: ¿qué es y para qué sirve?
Uso de experiencias, lenguaje técnico y contexto para construir bases ricas de conocimiento.

06.05 Construyendo tu corpus: de la experiencia al contexto
Pasos prácticos para recopilar y estructurar datos útiles.

06.06 BPM en IA: ¿puedes industrializar tu flujo creativo?
Aplicación de gestión de procesos a proyectos con componentes IA.

06.07 Sinergia corpus–BPM: cómo unir datos y procesos
Implementación coordinada de contenido y flujo de trabajo.

🛠️ Parte 02: Herramientas y entornos para KMS

06.08 Framework de herramientas IA: selecciona con criterio
Modelo de evaluación para APIs, plataformas y librerías según el uso.

06.09 Localizando tu arsenal tecnológico
Mapa práctico de herramientas para organizar tu entorno productivo.

06.10 ¿Puede Google Notebook LM estructurar tu archivo mental?
Uso de la herramienta como libreta digital con recuperación inteligente de información.

06.11 Recomendaciones activas: flujos de trabajo en acción
Automatización de mejoras e integración de soluciones con IA.

06.12 Rutas de implementación y listas de tareas
Cómo convertir tus ideas en acciones concretas y escalables.

06.13 ¿Cómo digerir textos impenetrables?
Uso de IA para simplificar, resumir y obtener insights de textos técnicos.

06.14 ¿Tu conocimiento envejece? Mantén tu base viva (opcional)
Estrategias de actualización y evolución continua del KMS.

📊 Parte 03: Métricas, personalización y sostenibilidad

06.15 Métricas clave de rendimiento en un KMS
KPIs para evaluar uso, utilidad y eficiencia del sistema.

06.16 Personalización y recomendaciones inteligentes
Filtrado colaborativo y sugerencias automáticas basadas en uso previo.

06.17 Estrategias de adopción y cambio organizacional
Gamificación, formación y comunicación para asegurar adopción.

06.18 Mantenimiento y actualización continua del conocimiento
Revisión, depuración y renovación periódica de información y estructuras.

🧪 Parte 04: Proyecto aplicado

06.19 Proyecto aplicado: creando un wiki inteligente con búsqueda semántica
Implementación de un sistema de consulta que integre corpus, taxonomía y herramientas IA.

🛠️ Actividades clave del módulo

• Montaje de un wiki inteligente con IA usando Notion
• Diseño de un bot de consulta interna conectado al repositorio
• Simulación de búsqueda semántica en corpus profesional
• Redacción de una ontología inicial para un entorno laboral específico

🔴 MÓDULO 07: DESARROLLO DE AGENTES Y AUTOMATIZACIÓN ASISTIDA

🎯 Objetivo de aprendizaje
Construir aplicaciones y scripts que orquesten agentes IA para automatizar procesos complejos.

📌 Subindicador de logro
• Despliega un agente conversacional programado para ejecutar tareas específicas.

🧭 Parte 01: Agentes autónomos — concepto, casos y gobernanza

07.01 ¿Qué es un agente autónomo y en qué se diferencia de un chatbot?
Definición operativa y filosófica: agentes que actúan por sí mismos frente a asistentes reactivos.

07.02 ChatGPT Operator: del diálogo a la ejecución automática
Automatización mediante flujos de conversación con acciones programadas.

07.03 Manus en el campo de batalla: un caso práctico de agente autónomo
Diseño, lógica de decisiones y resultados esperados de un agente desplegado.

07.04 ¿Son seguros los agentes que piensan solos? Ética y gobernanza
Estándares, riesgos y principios para el control responsable de agentes IA.

07.05 Del laboratorio al mercado: aplicaciones y tendencias
Uso actual y futuro de los agentes en industria, servicio al cliente, finanzas, logística y más.

⚙️ Parte 02: Preparación técnica para la automatización

07.06 ¿Eres un verdadero Power User?
Qué significa dominar tu entorno para desbloquear todo el potencial productivo de la IA.

07.07 ¿Qué hace “operativa” a tu programación?
Desde intérpretes hasta entornos virtuales y dependencias: infraestructura mínima viable.

07.08 ¿Por qué un script puede cambiar tu día a día?
Automatización con archivos .py: cómo tareas repetitivas desaparecen con una línea de código.

07.09 Thonny al rescate — tu IDE para empezar
Entorno de desarrollo simple, ideal para principiantes que quieren ir al grano.

07.10 Editor de texto propio — haz tu propio IDE en Python
Proyecto práctico para crear una app ligera de edición, con tu propio flujo personalizado.

🧪 Parte 03: Automatización aplicada con scripts útiles

07.11 Documentos automatizados — tu script como asistente de oficina
Procesa lotes de Word, PDFs o TXT con scripts que extraen, editan o transforman contenido.

07.12 Formulario a CSV — captura datos sin dolor
Diseña un formulario simple en Python que guarde información directa a un archivo ordenado.

🛠️ Actividades clave del módulo

• Proyecto aplicado: agente de gestión de correos electrónicos automatizado
• Taller de despliegue de agentes en entorno local o nube (Colab / Replit / Hugging Face)
• Desarrollo de un script operativo desde cero para flujo personalizado