Curso SQL para Ciencia de Datos

Este repositorio contiene las prácticas que he desarrollado como parte de un curso de SQL orientado a Ciencia de Datos. Está enfocado en aprender y aplicar consultas SQL sobre una base de datos de ejemplo, abarcando desde lo más básico hasta ejercicios avanzados con subconsultas y joins.

Contenido del repositorio

📂 notebooks/
Contiene los ejercicios desarrollados en formato Jupyter Notebook. Cada notebook representa una práctica del curso:

• creacion_base_datos.ipynb: creación de la base de datos y tablas iniciales.
• p5-m4.ipynb: creación y carga de la tabla empleados.
• Practica_7 a Practica_12_PG: ejercicios con consultas cada vez más complejas (joins, subconsultas, agrupaciones, etc.).
• Practica_Final_SQL.ipynb: práctica final con preguntas integradoras.
• Practica10SQL_PatriciaGarcia.ipynb: ejercicios personalizados resueltos por mí.

🗃️ localhost.session.sql
Archivo de sesión con consultas ejecutadas directamente en el entorno SQL local.

⚙️ .vscode/settings.json
Configuración del entorno de desarrollo con conexión a la base de datos local (MySQL, base de datos llamada datos).

Temas cubiertos

• Creación de bases de datos y tablas (CREATE DATABASE, CREATE TABLE)
• Consultas SELECT simples y avanzadas (WHERE, ORDER BY, DISTINCT)
• Funciones de agregación (SUM, AVG, COUNT, etc.)
• Agrupamiento y filtrado (GROUP BY, HAVING)
• Joins entre tablas (INNER JOIN, LEFT JOIN)
• Subconsultas simples y correlacionadas
• Consultas condicionales y lógicas
• Problemas tipo entrevista o análisis realista de datos

Herramientas utilizadas

• MySQL local
• Jupyter Notebook (extensión SQL)
• VS Code + SQLTools

Cómo usar este repositorio

1. Clona este repositorio.
2. Asegúrate de tener MySQL instalado y crea una base de datos llamada datos.
3. Ejecuta los notebooks en Jupyter (con extensión SQL) o revisa el archivo .sql para ejecutar directamente las consultas.

Autor

Patricia García
📚 Data Analyst | Ciencia de Datos | SQL
💻 GitHub: Patricoders23