Curso de Machine Learning en Paraguay: tus primeros modelos en serio

Respuesta corta: el curso de Machine Learning de ProgramBI para Paraguay es un programa en vivo por Zoom de 20 horas, de 19:30 a 21:30, hora de Paraguay, para quienes ya saben Python y quieren crear modelos predictivos que resuelvan problemas de negocio. Tiene dos módulos: supervisado (regresión lineal y polinómica, logística, SVM, árboles, ensembles, validación cruzada y métricas) y no supervisado (K-Means, PCA, t-SNE, detección de anomalías y reglas de asociación). El precio es consulta el valor por WhatsApp; incluye grabaciones de por vida y certificado digital.

La ficha, revisada el 4 de noviembre de 2026, indica cupos abiertos con fecha por confirmar. Para conocer la fecha y la forma de pago desde Paraguay, lo más rápido es escribir por WhatsApp.

Por qué aprender machine learning desde Paraguay

En muchas empresas paraguayas, el análisis de datos todavía se hace en planillas: reportes de ventas por sucursal, listados de cobranza, controles de stock. Eso no es un problema; es el punto de partida. La diferencia está en lo que viene después. Quien domina machine learning puede tomar esa misma historia y convertirla en anticipación: qué cliente va a atrasarse, qué sucursal va a quedarse sin stock, qué registro tiene algo raro.

Saber aplicarlas suma mucho a un perfil de análisis. Y como el curso es en vivo y en línea, no necesitás mudarte ni viajar para aprenderlas con un instructor.

Si tu empresa emite comprobantes electrónicos, además, ya tenés una fuente ordenada de transacciones. La DNIT es la administración tributaria que gestiona ese sistema; para un modelo de ventas o de clientes, esos registros con fecha, monto y cliente son materia prima de primera.

Qué incluye el temario

Primer módulo: aprendizaje supervisado. Entrenás modelos con datos que ya traen la respuesta:

• Regresión lineal y polinómica, para estimar cantidades como ventas, kilos o montos.
• Regresión logística y SVM, para clasificar: paga o no paga, compra o no compra.
• Árboles de decisión y ensembles, que combinan muchos modelos simples en uno más preciso.
• Validación cruzada y métricas, para comprobar que el modelo funciona con datos nuevos.

Segundo módulo: aprendizaje no supervisado. Sin etiqueta, buscás patrones:

• K-Means, para agrupar clientes, productos o sucursales.
• PCA y t-SNE, para reducir muchas variables y verlas en un gráfico.
• Detección de anomalías, para encontrar lo fuera de lo común.
• Reglas de asociación, para descubrir qué se compra junto.

Ejemplo: segmentar clientes por comportamiento de compra

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

rfm = ventas.groupby("cliente").agg(
    recencia=("dias_desde_ultima", "min"),
    frecuencia=("factura", "nunique"),
    monto=("total_gs", "sum"),
)
X = StandardScaler().fit_transform(rfm)
rfm["segmento"] = KMeans(n_clusters=4, n_init=10, random_state=0).fit_predict(X)
print(rfm.groupby("segmento").mean().round(0))

Este es el clásico análisis RFM —recencia, frecuencia y monto— con K-Means. Con montos en guaraníes, que suelen ser números grandes, el paso de estandarizar es clave: sin él, la variable de monto aplastaría a las demás y los grupos saldrían sesgados. El resultado típico son segmentos como "clientes frecuentes de ticket alto", "clientes que dejaron de comprar" o "clientes nuevos". Con eso, el área comercial puede diseñar una acción distinta para cada grupo.

Aplicaciones que tienen sentido en Paraguay

Comercio y distribución. Pronóstico de ventas por sucursal o por cliente mayorista para planificar compras y evitar quiebres de stock.

Financieras, cooperativas y ventas a crédito. Clasificación del riesgo de atraso con el historial de pagos, para ordenar la gestión de cobranza y decidir a quién llamar primero.

Agronegocios y logística. Detección de anomalías en registros de acopio, despachos o tiempos de entrega, y segmentación de clientes o zonas.

Supermercados y tiendas. Reglas de asociación para entender qué productos se llevan juntos y armar promociones con sentido.

¿Llegás con lo necesario?

El curso está pensado para quienes ya manejan Python. Fijate si podés hacer esto:

1. Leer un archivo de Excel o CSV con pandas.
2. Cambiar el tipo de una columna, por ejemplo de texto a fecha.
3. Agrupar y sumar con groupby.
4. Hacer un gráfico de barras o de líneas.

Si te sale sin problemas y en poco tiempo, estás listo para arrancar. Si no, conviene empezar por el curso de Python para datos en Paraguay y volver después.

Errores comunes al empezar

• Mezclar escalas sin estandarizar. Montos en guaraníes al lado de cantidades en unidades distorsionan K-Means y SVM.
• Evaluar con los datos de entrenamiento. El modelo parece perfecto y falla con casos nuevos; la validación cruzada lo evita.
• Variables que no vas a tener al predecir. Si usás información que se conoce después del hecho, el modelo hace trampa.
• Fijarte solo en la exactitud. Con eventos poco frecuentes, mirá precisión y sensibilidad.
• No explicar los resultados. Un segmento o una probabilidad sin interpretación no cambia ninguna decisión.

Pequeño glosario

• Etiqueta: lo que querés predecir.
• Atributos: las columnas que usás para predecir.
• Sobreajuste: el modelo memoriza en vez de aprender.
• Validación cruzada: evaluar varias veces con particiones distintas.
• Ensemble: combinación de muchos modelos simples.
• Clúster: grupo de casos parecidos.

Un primer proyecto en cuatro semanas

Semana 1. Elegí una decisión que hoy se tome a ojo: a quién cobrar primero, cuánto pedir, qué clientes reactivar.

Semana 2. Juntá la historia en una tabla limpia, con una fila por cliente, factura o día.

Semana 3. Probá un modelo simple, medí el error y después compará con un árbol o un ensemble.

Semana 4. Presentá el resultado en guaraníes, horas o clientes recuperados, no en métricas técnicas.

Cómo aprovechar las clases en vivo

Lo que más rinde es llegar con un problema propio. Elegí desde el inicio un conjunto de datos que conozcas bien —ventas, cobranza, stock— y aplicale cada técnica a medida que avanza el curso. Cuando algo no te cierre con tus datos, preguntalo en vivo: esas dudas suelen ser las más útiles para todo el grupo. Y reservá un rato el fin de semana para repasar con la grabación el código de la semana, con calma y sin apuro.

El mercado laboral

En LinkedIn y Computrabajo Paraguay aparecen búsquedas de analista de datos, analista de inteligencia de negocios y analista de riesgo que piden Python y herramientas de datos. Mostrar un proyecto propio de machine learning, bien explicado, te diferencia.

Del modelo a Power BI

Las predicciones tienen que llegar a quien decide. Un camino habitual es guardar los resultados en una tabla y mostrarlos en Power BI: segmentos de clientes, ranking de riesgo o pronóstico por sucursal. Para esa parte tenés el curso de Power BI en Paraguay y la guía para aprender Power BI en Paraguay.

Qué métrica mirar, según el problema

• Si estimás un número (ventas, kilos, montos): el error absoluto medio, en las mismas unidades del negocio. "El pronóstico se equivoca por 40 unidades por sucursal" es fácil de entender.
• Si clasificás casos parecidos en cantidad: la exactitud puede alcanzar.
• Si buscás algo raro (atrasos, fraude, bajas): precisión y sensibilidad. La pregunta es qué cuesta más, una falsa alarma o un caso que se escapa.
• Si segmentás: indicadores como la silueta ayudan, pero la prueba real es si el área comercial puede actuar con los grupos.

Horario desde Paraguay

Según la ficha, las clases son de 19:30 a 21:30, hora de Paraguay (UTC-3), el mismo horario que en Chile. Es una franja pensada para quienes trabajan durante el día. Si algún día no llegás, la sesión queda grabada y la podés ver después.

Resumen del curso

• 20 horas en 2 módulos, supervisado y no supervisado.
• En vivo por Zoom, 19:30 a 21:30 hora de Paraguay; cupos abiertos, fecha por confirmar.
• Grabaciones de por vida y certificado digital.
• Proyectos con datos reales.
• Instructor: Manuel Oliva, Magíster en Data Science (UAI).
• Precio: consulta el valor por WhatsApp.

Formas de pago: los cursos de ProgramBI se pueden pagar en 3 cuotas sin interés, en todos los países.