Curso Google Colab 2026 — Parte 1: Fundamentos (Módulos 1 al 4)

📌 Nivel: Principiante | 🕒 Duración: 4 horas | 💻 Requisito: Solo una cuenta de Google

➡️ Parte 1 de 2 — Al terminar continúa con la Parte 2: Visualización, IA y Proyecto Final.

¿Qué es Google Colab?

Google Colaboratory es una plataforma 100% gratuita que te permite escribir y ejecutar código Python desde tu navegador sin instalar nada.

Google Colab es la herramienta perfecta para cualquier persona que quiera trabajar con datos, automatizar procesos o explorar inteligencia artificial sin necesidad de instalar nada en su computadora. Solo necesitas una cuenta de Google y un navegador.

✅ Gratis | ✅ GPU gratuita | ✅ Google Drive integrado | ✅ Sin instalación

📘 MÓDULO 1: Primeros Pasos en Google Colab

🔹 Paso 1 — Acceder a Google Colab

1. Abre Google Chrome
2. Escribe en la barra: colab.research.google.com y presiona Enter
3. Haz clic en "Iniciar sesión" (esquina superior derecha)
4. Ingresa tu correo Gmail y contraseña
5. Verás el panel de bienvenida con notebooks recientes

⚠️ Sin cuenta Google: créala gratis en accounts.google.com

🔹 Paso 2 — Crear tu Primer Notebook

1. Haz clic en Archivo en el menú superior
2. Selecciona "Nuevo cuaderno"
3. Se abre un notebook llamado Untitled0.ipynb
4. Haz clic sobre el nombre y escribe: Mi_Primer_Colab
5. Presiona Enter para confirmar
6. Se guarda automáticamente en Google Drive > carpeta Colab Notebooks

🔹 Paso 3 — Conocer la Interfaz

• Menú superior: Archivo | Editar | Ver | Insertar | Entorno de ejecución
• +Código / +Texto: Botones para agregar celdas
• Panel izquierdo: Índice, Archivos, Variables
• Celda gris: Código Python
• Celda blanca: Texto Markdown
• Botón ▶: Ejecutar celda

🔹 Paso 4 — Ejecutar tu Primera Celda

1. Haz clic dentro de la celda de código
2. Escribe:

print("¡Hola desde Google Colab!")
print("Bienvenido al curso de Ciberclicks ✅")

3. Presiona Shift + Enter para ejecutar
4. El resultado aparece debajo en 1-3 segundos
5. El número [1] confirma ejecución exitosa

🔹 Paso 5 — Guardar tu Trabajo

1. Colab guarda automáticamente cada pocos minutos
2. Guardado manual: Ctrl + S
3. Descargar: Archivo > Descargar > .ipynb
4. Compartir: botón "Compartir" arriba a la derecha

📙 MÓDULO 2: Python Esencial para Colab

🔹 Paso 1 — Variables y Tipos de Datos

1. Haz clic en +Código para nueva celda
2. Escribe y ejecuta con Shift+Enter:

# Variables
nombre = "Ciberclicks"    # String
edad = 5                   # Integer
precio = 99.99             # Float
activo = True              # Boolean

print("Nombre:", nombre)
print("Precio:", precio)
print("Tipo nombre:", type(nombre))
print("Tipo precio:", type(precio))

3. Verifica que muestre los 4 tipos correctamente

🔹 Paso 2 — Listas

1. Agrega nueva celda con +Código
2. Escribe y ejecuta:

# Crear lista
herramientas = ["Shopify", "Klaviyo", "Google Ads", "Meta Ads"]

# Acceder (el índice empieza en 0)
print("Primera:", herramientas[0])     # Shopify
print("Última:", herramientas[-1])     # Meta Ads

# Agregar elementos
herramientas.append("WhatsApp Business")
herramientas.insert(0, "SEO")
print("Total:", len(herramientas))
print("Lista:", herramientas)

🔹 Paso 3 — Diccionarios

# Crear diccionario
cliente = {
    "nombre": "Juan Pérez",
    "pais": "Colombia",
    "ventas": 15000
}

# Acceder por clave
print("Nombre:", cliente["nombre"])
print("Ventas:", cliente["ventas"])

# Modificar
cliente["ventas"] = 18500
cliente["email"] = "juan@ejemplo.com"

# Ver todo
for clave, valor in cliente.items():
    print(f"  {clave}: {valor}")

🔹 Paso 4 — Bucles y Condicionales

ventas = [1200, 3400, 800, 5600, 2100, 4800]
meses = ["Ene", "Feb", "Mar", "Abr", "May", "Jun"]

print("=== Reporte Mensual ===")
for mes, venta in zip(meses, ventas):
    if venta >= 4000:
        estado = "🟢 EXCELENTE"
    elif venta >= 2000:
        estado = "🟡 BUENA"
    else:
        estado = "🔴 BAJA"
    print(f"  {mes}: ${venta:,} — {estado}")

print(f"Total: ${sum(ventas):,}")
print(f"Promedio: ${sum(ventas)/len(ventas):,.0f}")

🔹 Paso 5 — Funciones

# Definir función
def calcular_roi(inversion, ventas):
    """Calcula el ROI de una campaña"""
    ganancia = ventas - inversion
    return round((ganancia / inversion) * 100, 1)

# Usar la función
canales = {
    "Meta Ads": (1200, 5600),
    "Email": (300, 2100),
    "SEO": (500, 3200),
    "Google Ads": (1500, 7200)
}

print("=== ROI por Canal ===")
for canal, (inv, ven) in canales.items():
    roi = calcular_roi(inv, ven)
    emoji = "🏆" if roi > 400 else "📊"
    print(f"  {emoji} {canal}: {roi}%")

📗 MÓDULO 3: Manejo de Archivos y Google Drive

🔹 Paso 1 — Conectar Google Drive

1. Agrega nueva celda de código
2. Escribe:

from google.colab import drive
drive.mount('/content/drive')

3. Ejecuta con Shift + Enter
4. Haz clic en el enlace azul que aparece
5. Selecciona tu cuenta de Google
6. Haz clic en "Permitir"
7. Copia el código de autorización
8. Pégalo en Colab y presiona Enter
9. Verás: "Mounted at /content/drive" ✅

🔹 Paso 2 — Explorar y Crear Carpetas

import os

# Ver archivos en Drive
archivos = os.listdir('/content/drive/MyDrive')
print("Tus archivos:")
for f in archivos[:10]:
    print(f"  📁 {f}")

# Crear carpeta del curso
os.makedirs('/content/drive/MyDrive/Curso_Colab_2026', exist_ok=True)
print("✅ Carpeta 'Curso_Colab_2026' creada")

🔹 Paso 3 — Crear y Guardar CSV

import pandas as pd

# Crear datos
data = {
    'Canal': ['SEO', 'Meta Ads', 'Email', 'WhatsApp', 'TikTok', 'Google Ads'],
    'Inversion_USD': [500, 1200, 300, 200, 800, 1500],
    'Ventas_USD': [3200, 5600, 2100, 1800, 4300, 7200],
    'Clientes_Nuevos': [45, 120, 38, 22, 95, 110]
}
df = pd.DataFrame(data)
print(df.to_string(index=False))

# Guardar en Drive
ruta = '/content/drive/MyDrive/Curso_Colab_2026/ventas.csv'
df.to_csv(ruta, index=False)
print(f"✅ Guardado en: {ruta}")

🔹 Paso 4 — Leer CSV desde Drive

df2 = pd.read_csv('/content/drive/MyDrive/Curso_Colab_2026/ventas.csv')

print(f"Filas: {df2.shape[0]} | Columnas: {df2.shape[1]}")
print("Columnas:", list(df2.columns))
print("\nPrimeras 3 filas:")
print(df2.head(3).to_string(index=False))
print("\nEstadísticas:")
print(df2.describe().round(1).to_string())

🔹 Paso 5 — Descargar Archivos a tu PC

from google.colab import files

# Crear archivo para descargar
df.to_csv('mi_reporte.csv', index=False)

# Descargar
files.download('mi_reporte.csv')
print("✅ Descarga iniciada")

📕 MÓDULO 4: Análisis de Datos con Pandas

🔹 Paso 1 — Importar Librerías

import pandas as pd
import numpy as np

print("Pandas:", pd.__version__)
print("NumPy:", np.__version__)
print("✅ Listo")

🔹 Paso 2 — Crear DataFrame con Columnas Calculadas

data = {
    'Canal': ['SEO', 'Meta Ads', 'Email', 'WhatsApp', 'TikTok', 'Google Ads'],
    'Inversion_USD': [500, 1200, 300, 200, 800, 1500],
    'Ventas_USD': [3200, 5600, 2100, 1800, 4300, 7200],
    'Clientes_Nuevos': [45, 120, 38, 22, 95, 110]
}
df = pd.DataFrame(data)

# Columnas calculadas
df['ROI_Pct'] = ((df['Ventas_USD'] - df['Inversion_USD']) / df['Inversion_USD'] * 100).round(1)
df['Costo_x_Cliente'] = (df['Inversion_USD'] / df['Clientes_Nuevos']).round(2)
df['Ganancia_USD'] = df['Ventas_USD'] - df['Inversion_USD']

print(df.to_string(index=False))

🔹 Paso 3 — Filtrar Datos

# Filtro 1: ROI mayor al 400%
print("=== ROI > 400% ===")
print(df[df['ROI_Pct'] > 400][['Canal','ROI_Pct','Ventas_USD']].to_string(index=False))

# Filtro 2: Más de 50 clientes
print("\n=== Más de 50 Clientes ===")
print(df[df['Clientes_Nuevos'] > 50][['Canal','Clientes_Nuevos','Costo_x_Cliente']].to_string(index=False))

# Filtro 3: Múltiples condiciones
print("\n=== Eficientes (ROI>300% Y Clientes>30) ===")
ef = df[(df['ROI_Pct'] > 300) & (df['Clientes_Nuevos'] > 30)]
print(ef[['Canal','ROI_Pct','Clientes_Nuevos']].to_string(index=False))

🔹 Paso 4 — Ordenar y Rankear

# Ranking por ventas
print("=== Ranking por Ventas ===")
for i, (_, r) in enumerate(df.sort_values('Ventas_USD', ascending=False).iterrows(), 1):
    print(f"  #{i} {r['Canal']}: ${r['Ventas_USD']:,}")

# Ranking por ROI
print("\n=== Ranking por ROI ===")
for i, (_, r) in enumerate(df.sort_values('ROI_Pct', ascending=False).iterrows(), 1):
    print(f"  #{i} {r['Canal']}: {r['ROI_Pct']}%")

mejor = df.loc[df['ROI_Pct'].idxmax()]
peor = df.loc[df['ROI_Pct'].idxmin()]
print(f"\n🏆 Mejor: {mejor['Canal']} ({mejor['ROI_Pct']}%)")
print(f"⚠️ Optimizar: {peor['Canal']} ({peor['ROI_Pct']}%)")

🔹 Paso 5 — Limpieza de Datos

# Simular datos con problemas
df_s = df.copy()
df_s.loc[2, 'Ventas_USD'] = np.nan
df_s.loc[4, 'Clientes_Nuevos'] = np.nan
df_s = pd.concat([df_s, df_s.iloc[[0]]], ignore_index=True)

print(f"Filas: {len(df_s)} | Duplicados: {df_s.duplicated().sum()}")
print("Nulos:", df_s.isnull().sum().to_dict())

# Limpiar
df_l = df_s.drop_duplicates()
df_l['Ventas_USD'] = df_l['Ventas_USD'].fillna(df_l['Ventas_USD'].mean())
df_l['Clientes_Nuevos'] = df_l['Clientes_Nuevos'].fillna(df_l['Clientes_Nuevos'].median())
print(f"✅ Limpio: {len(df_l)} filas, {df_l.isnull().sum().sum()} nulos")

🔹 Paso 6 — Resumen Ejecutivo

inv = df['Inversion_USD'].sum()
ven = df['Ventas_USD'].sum()
gan = df['Ganancia_USD'].sum()
roi = (gan / inv) * 100
cli = df['Clientes_Nuevos'].sum()

print("=" * 42)
print("  RESUMEN EJECUTIVO MARKETING 2026")
print("=" * 42)
print(f"💰 Inversión total:    ${inv:,}")
print(f"💵 Ventas totales:    ${ven:,}")
print(f"📈 Ganancia neta:     ${gan:,}")
print(f"🎯 ROI global:        {roi:.1f}%")
print(f"👥 Clientes nuevos:   {cli}")
print(f"📊 Costo/cliente:     ${inv/cli:.2f}")
print("=" * 42)

df.to_csv('/content/drive/MyDrive/Curso_Colab_2026/resumen_final.csv', index=False)
print("✅ Resumen guardado en Drive")

🎉 Resumen Parte 1

• ✅ Acceder y navegar Google Colab paso a paso
• ✅ Python: variables, listas, diccionarios, bucles y funciones
• ✅ Conectar Google Drive y gestionar archivos CSV
• ✅ Analizar datos con Pandas: filtrar, ordenar, limpiar y resumir

👉 Continúa con la Parte 2: Visualización, IA, APIs y Proyecto Final Dashboard.

¿Quieres Aprender Más?

En Ciberclicks ofrecemos cursos y consultorías de marketing digital para PYMEs en LATAM.

👉 Agenda tu consultoría gratuita y transforma tu negocio en 2026.