Saltar al contenido
Cursos/Asistentes analíticos locales/Asistentes analíticos locales
Revisión pendiente desde 21 ago 20262 fuentes primarias

Carga CSV y Excel sin perder tipos ni privacidad

Leer un archivo no es solo llamar a una función: hay que comprobar codificación, columnas y límites.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Carga CSV y Excel sin perder tipos ni privacidad».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Detectar encoding y separadores.
  • Revisar tipos de fechas, importes y textos.
  • Limitar tamaño y ubicación de entrada.

Carga primero una muestra y registra nombre, tamaño, columnas y tipos. Rechaza rutas fuera de la carpeta permitida. Para Excel, conserva la hoja elegida y documenta si las fórmulas se leen como valores. Un archivo mal formado debe producir un error explicable, no una tabla silenciosamente vacía.

Idea clave. Acción de la misión: Implementa una función `load_table(path)` que acepte solo `data/incoming/`, limite el tamaño y devuelva un resumen de columnas.
Cuidado. CSV y hojas pueden contener fórmulas o instrucciones maliciosas. Trátalos como datos, nunca como órdenes.
Comprueba que funciona. Guarda una evidencia concreta: archivo, consulta, captura, log o test. Si no puedes enseñarla, la misión aún no está terminada.
Guardar y reabrir el proyecto.
Registra fecha, versión de herramientas, dataset usado y qué revisarías antes de pasar a datos reales.

Si has guardado la evidencia de esta lección, continúa con «Perfila un dataset antes de pedirle nada a la IA». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo