Análisis de “Curso Maestro: Visualizaciones y Análisis de Datos en Python” de Leonardo Kuffo: ¿vale la pena?

Qué promete y qué encontré al analizarlo

El Curso Maestro de Leonardo Kuffo, que se presenta como profesor y estudiante de doctorado en sistemas de bases de datos, promete enseñarte desde cero a analizar datos en Python y a comunicarlos con más de 45 tipos de visualización. Son 23 horas en 118 clases, con 4,872 alumnos y 1,069 reseñas que le dan un 4.69. Se creó en 2020 y su última actualización es del 20 de octubre de 2025.

Al revisar el temario, el nombre engaña un poco: es sobre todo un curso de visualización. La introducción al análisis dura unas 2 horas, con 3 clases de pandas que suman unos 60 minutos. Después vienen seis niveles de gráficos, de los univariables a los de redes y jerárquicos, casi 3 horas de personalización con Matplotlib, Seaborn y Plotly, 4 prácticas con solución y 2.7 horas de Tableau. La parte de Python desde cero está al final.

El temario, en resumen

• Fundamentos (16 elementos, 2.3 h): estadística descriptiva básica, Jupyter Notebook, 3 clases de pandas (lo básico, joins y fechas, agrupaciones y pivoteo) y buenas prácticas de diseño, color y accesibilidad.
• Gráficos univariables y multivariables (25): barras, cajas, violines, histogramas, KDE, líneas, dispersión, regresión, pair plot, radar, burbujas, heatmaps y coordenadas paralelas.
• Personalización y práctica (19): lienzo, ejes, ticks, anotaciones, leyendas y subgráficos en Matplotlib, Seaborn y Plotly, y 4 prácticas con solución, dos de ellas de análisis desde cero (top N y ventas).
• Mapas, redes y otros (25): choropleths y mapas de calor en Python y en Carto, grafos con NetworkX y Gephi, treemap, sunburst, nubes de palabras, diagramas de Venn, 3D y series de tiempo.
• Tableau (17, 2.7 h): los mismos tipos de gráfico rehechos en Tableau, más dashboards y stories.
• Python desde cero (19, 2.2 h, al final): de variables a POO, con 3 de los 7 cuestionarios.

Puntos fuertes

• Enseña a elegir el gráfico, no solo a hacerlo. Según las descripciones de sus secciones, varios niveles trabajan cuándo usar y cuándo no cada visualización, y los cuatro cuestionarios «Ejercita tu criterio» lo ponen a prueba. Es lo que separa un tablero útil de uno decorativo.
• Las tres librerías de Python, en serio. Casi 3 horas solo de personalización: ticks, anotaciones, leyendas, subgráficos y exportar la imagen en Matplotlib, Seaborn y Plotly. Es lo que hace falta para que un gráfico quede listo para un informe o un artículo.
• Tableau con dashboards incluidos. Sus 17 clases rehacen en Tableau los gráficos del curso y terminan con dashboards y stories, justo lo que no tiene Tableau desde cero. Así comparas, con los mismos datos, cuándo conviene programar y cuándo arrastrar.
• Estadística aplicada donde se usa. Outliers en el boxplot, distribuciones en el histograma, coeficientes de correlación en la regresión y normalización en el radar. Y el código de referencia está en un repositorio de GitHub.

Aspectos mejorables

• Poco pandas para un analista. Pandas ocupa 3 clases, unos 60 minutos, y en los títulos no aparece la limpieza: valores faltantes, duplicados o tipos de datos, que en un trabajo real consumen más tiempo que el gráfico. Para eso, complementa con la sección de limpieza (19 elementos) del Curso completo de Machine Learning.
• Python desde cero, al final. Si no sabes programar, tendrás que saltar a la sección 14 antes de empezar, porque desde la segunda ya se usa pandas en Jupyter. Son 2.2 horas de fundamentos: alcanzan para seguir el curso, no para programar con soltura.
• Sin práctica evaluada de código. Hay 7 cuestionarios y 4 prácticas con solución, pero ningún ejercicio de código, y en 23 horas solo 2 prácticas son análisis desde cero. Casi todo consiste en replicar lo que hace el instructor.
• Partes de nicho y casi un año sin cambios. Los grafos con NetworkX y Gephi (casi 2 horas) y los mapas en Carto rara vez se piden a un analista de negocio. La última actualización es de octubre de 2025, y un objetivo menciona Bokeh, que no aparece en ningún título.

Conclusión honesta

El Curso Maestro de Leonardo Kuffo es de lo más completo que hemos analizado en español para visualizar datos con Python: cubre las tres librerías principales, entrena el criterio para elegir cada gráfico y suma Tableau con dashboards. Para investigadores, estudiantes o analistas que ya preparan sus datos y quieren comunicarlos mejor, encaja muy bien.

Como curso de análisis de datos, en cambio, se queda corto en la preparación: una hora de pandas no basta para limpiar datos reales. Tampoco incluye SQL ni Power BI, que piden más de la mitad de las vacantes de analista según nuestra muestra de OCC. Compleméntalo con SQL, por ejemplo SQL TOTAL, y si tu interés es la comunicación más que el código, suma Contar historias con datos.

Preguntas frecuentes