Experiencias reales de personas que pasaron por nuestros programas
Nada de frases genéricas. Aquí hay opiniones honestas sobre cómo fue el proceso, qué funcionó bien y dónde hay cosas por mejorar.
Volver al inicio+400
Estudiantes en programas
4.7
Promedio de satisfacción
92%
Tasa de finalización
4 años
Formando en IA
Lo que encontraron al estudiar con Neurika
Laura Gómez
Medellín · Programa Fundamentos
Llegué sin saber absolutamente nada de programación. Las primeras semanas fueron difíciles, no voy a mentir, pero el foro fue clave. Siempre había alguien que ya había pasado por el mismo problema y explicaba el razonamiento, no solo daba la solución. Al final del programa tenía algo que funcionaba y podía explicar por qué.
Junio 2025
Diego Martínez
Bogotá · ML Aplicado
Ya manejaba Python básico cuando entré al programa de machine learning. Lo que me sirvió más fue la parte de evaluación de modelos: en otros recursos que había visto antes nadie explicaba bien por qué accuracy sola no alcanza. Las revisiones de código fueron útiles aunque tardaban un par de días en responder, que es el único punto que mejoraría.
Mayo 2025
Valentina Ruiz
Cali · Proyecto Mentoreado
El programa de mentoría fue intenso, pero en el buen sentido. Trabajé en un proyecto sobre datos de transporte público en Cali y eso le dio un contexto real que en otros cursos nunca había tenido. Mi mentor fue muy directo en las sesiones: señalaba exactamente qué parte del código no era clara y por qué. Eso es lo que más valoro.
Junio 2025
Julián Cardona
Barranquilla · Programa Fundamentos
Buena estructura general. Me gustó que cada semana tenía un objetivo claro y los ejercicios se construían sobre lo anterior. Lo que eché de menos fue un poco más de tiempo trabajando con visualización de datos antes de pasar a los modelos. Dicho eso, el proyecto final que entregué me parece sólido para el nivel inicial.
Julio 2025
Natalia Salcedo
Bogotá · ML Aplicado
Trabajo en análisis de datos y quería moverme hacia machine learning. Este programa me dio exactamente lo que necesitaba: entender el proceso completo desde los datos hasta la evaluación del modelo, no solo saber cómo llamar a una función de scikit-learn. Los datasets que usan no son los típicos de iris y titanic, y eso marca la diferencia.
Mayo 2025
Andrés Molina
Pereira · Proyecto Mentoreado
Lo que más me costó al inicio fue definir bien el problema. Tenía datos pero no tenía claro qué pregunta quería responder con ellos. Las primeras sesiones con el mentor fueron casi todas sobre eso, y fue el trabajo más valioso de todo el programa. Terminé con un proyecto que puedo explicar de principio a fin, que no es poca cosa.
Junio 2025
Cómo fue el camino para algunos estudiantes
De diseñadora gráfica a analizar datos de campañas con Python
El punto de partida
Claudia trabajaba en una agencia de comunicación y necesitaba analizar resultados de campañas digitales. Excel ya no alcanzaba y depender de otros para cada consulta le quitaba autonomía.
El proceso
Siguió el programa de Fundamentos durante 8 semanas a un ritmo de unas 7 horas semanales. Las primeras 3 semanas le costaron trabajo, pero el foro la ayudó a desbloquear los errores más frecuentes.
Dónde llegó
Al terminar podía cargar y explorar datos con pandas, hacer visualizaciones básicas y responder sus propias preguntas sobre los datos sin depender de nadie más. Luego pasó al programa intermedio.
"Lo que más me cambió fue poder decirle a un cliente 'dame los datos y en media hora tengo el análisis', sin que eso sea una exageración."
De developer backend a construir su primer modelo de clasificación
El punto de partida
Santiago tenía experiencia sólida en desarrollo web con Python pero nunca había trabajado con datos o machine learning. Quería entender cómo funcionaban los modelos de manera técnica, no solo usarlos como cajas negras.
El proceso
Entró directamente al programa de ML Aplicado. El primer proyecto lo hizo sobre datos de transacciones comerciales colombianas. Las revisiones de código con los mentores fueron el punto más alto para él.
Dónde llegó
Terminó con dos proyectos documentados y una comprensión clara de por qué se elige un modelo sobre otro. Describe que ahora puede leer papers de ML sin perderse en los conceptos fundamentales.
"El mentor no me dio las respuestas; me mostró las preguntas correctas que me faltaba hacerme. Eso vale más."
Un proyecto de IA sobre datos de salud pública en Colombia
El punto de partida
Paola era epidemióloga y quería aplicar machine learning a datasets de salud pública. Tenía base estadística sólida pero no en Python ni en los flujos de trabajo del ML moderno.
El proceso
Siguió el programa de mentoría con un proyecto sobre predicción de eventos de salud en municipios colombianos. Las 16 semanas le permitieron iterar el modelo varias veces con retroalimentación constante.
Dónde llegó
Entregó un proyecto documentado con su proceso completo, desde la exploración de datos hasta los modelos finales con su evaluación. Ese trabajo forma parte de un repositorio que ya comparte con colegas.
"Poder combinar mi conocimiento de salud pública con herramientas de ML fue lo que buscaba. El programa me dio el puente."
¿Tienes preguntas sobre los programas?
Teléfono
+57 317 648 5290Correo
[email protected]Sede Bogotá
Carrera 15 #88-64
Atención
Lun–Vie: 8am–6pm
Sáb: 9am–1pm
Reconocimientos y membresías
Miembro activo
Comunidad Python Colombia — participamos en meetups y contribuimos al ecosistema local.
Política de habeas data
Política de tratamiento de datos conforme a la Ley 1581 de 2012 de la República de Colombia.
4.7 / 5 promedio
Valoración promedio en encuestas de satisfacción aplicadas al cierre de cada programa.
Escríbenos y conversamos sin apuro
Cuéntanos qué quieres aprender y dónde estás ahora. Te orientamos hacia el programa que más sentido tiene para ti.
Escribir al equipo