The latest articles on DEV Community by Maria Angeles Ciobanu (@mariaangelesciobanu). https://dev.to/mariaangelesciobanu https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F3936407%2F9bd8d90f-4c55-49b8-b4ad-49e8b6186bcd.jpeg https://dev.to/mariaangelesciobanu en Maria Angeles Ciobanu Thu, 11 Jun 2026 17:33:29 +0000 https://dev.to/evolve-space/disenando-una-base-de-datos-para-una-tienda-online-con-postgresql-y-dbeaver-2ep https://dev.to/evolve-space/disenando-una-base-de-datos-para-una-tienda-online-con-postgresql-y-dbeaver-2ep <h1> Diseñando una Base de Datos para una Tienda Online con PostgreSQL y DBeaver </h1> <p>Como parte de mi formación en Data Science e Inteligencia Artificial, he desarrollado un proyecto de bases de datos utilizando PostgreSQL y DBeaver con el objetivo de poner en práctica conceptos avanzados de SQL aplicados a un entorno real.</p> <p>El proyecto consiste en el diseño e implementación de una base de datos para la gestión de una tienda online, incluyendo clientes, productos, categorías, pedidos y pagos.</p> <h2> Tecnologías utilizadas </h2> <ul> <li>PostgreSQL</li> <li>DBeaver</li> <li>Git y GitHub</li> </ul> <h2> Funcionalidades implementadas </h2> <p>Durante el desarrollo del proyecto he trabajado con diferentes elementos fundamentales del lenguaje SQL:</p> <h3> Diseño de la base de datos </h3> <ul> <li>Creación de tablas relacionales.</li> <li>Definición de claves primarias y foráneas.</li> <li>Integridad referencial entre entidades.</li> </ul> <h3> Consultas SQL </h3> <ul> <li>SELECT básicos.</li> <li>Filtros mediante WHERE.</li> <li>Operadores LIKE y BETWEEN.</li> <li>Consultas anidadas.</li> </ul> <h3> JOINs </h3> <p>Implementación de diferentes tipos de JOIN:</p> <ul> <li>INNER JOIN</li> <li>LEFT JOIN</li> <li>RIGHT JOIN</li> <li>FULL OUTER JOIN</li> </ul> <p>permitiendo relacionar información procedente de múltiples tablas.</p> <h3> Indicadores y métricas </h3> <p>Se han desarrollado consultas orientadas al análisis de negocio, como:</p> <ul> <li>Ventas totales.</li> <li>Ticket medio.</li> <li>Clientes con mayor volumen de compras.</li> <li>Productos más vendidos.</li> <li>Productos con precio superior a la media.</li> </ul> <h3> Automatización mediante Triggers </h3> <p>Uno de los aspectos más interesantes del proyecto ha sido la implementación de triggers para automatizar procesos dentro de la base de datos, como la actualización automática del stock tras una venta o el registro de auditorías sobre nuevos pedidos.</p> <h3> Views </h3> <p>También se han creado vistas que permiten simplificar consultas complejas y generar informes reutilizables para análisis posteriores.</p> <h2> Aprendizajes obtenidos </h2> <p>Este proyecto me ha permitido profundizar en el diseño de bases de datos relacionales y comprender mejor cómo las empresas gestionan y explotan la información mediante SQL.</p> <p>Además de mejorar mis conocimientos técnicos, he podido trabajar con una estructura más cercana a un entorno profesional, aplicando buenas prácticas de organización, documentación y control de versiones mediante GitHub.</p> <h2> Próximos pasos </h2> <p>Como evolución futura del proyecto me gustaría incorporar:</p> <ul> <li>Gestión de inventario.</li> <li>Cuadros de mando y visualización de datos.</li> <li>Integración con herramientas de Business Intelligence.</li> <li>Modelos de análisis y predicción mediante Inteligencia Artificial.</li> </ul> <p>La mejor forma de aprender tecnología sigue siendo construir proyectos reales, equivocarse, mejorar y seguir iterando.</p> <div class="ltag-github-readme-tag"> <div class="readme-overview"> <h2> <img src="https://assets.dev.to/assets/github-logo-5a155e1f9a670af7944dd5e12375bc76ed542ea80224905ecaf878b9157cdefc.svg" alt="GitHub logo"> <a href="https://github.com/MariaAngelesCiobanu" rel="noopener noreferrer"> MariaAngelesCiobanu </a> / <a href="https://github.com/MariaAngelesCiobanu/online-store-sql-project" rel="noopener noreferrer"> online-store-sql-project </a> </h2> <h3> sql modular </h3> </div> <div class="ltag-github-body"> <div id="readme" class="md"><div class="markdown-heading"> <h1 class="heading-element">Online Store SQL Project</h1> </div> <div class="markdown-heading"> <h2 class="heading-element">Overview</h2> </div> <p>This project was developed using PostgreSQL and DBeaver as part of an advanced SQL database exercise.</p> <p>The objective is to demonstrate the implementation of database concepts including:</p> <ul> <li>Database design</li> <li>Table creation</li> <li>Data insertion</li> <li>SQL queries</li> <li>Filtering conditions</li> <li>Joins</li> <li>Aggregations</li> <li>Views</li> <li>Triggers</li> <li>Functions</li> <li>Common Table Expressions (CTE)</li> <li>Subqueries</li> <li>KPI and business metrics</li> </ul> <div class="markdown-heading"> <h2 class="heading-element">Technologies Used</h2> </div> <ul> <li>PostgreSQL</li> <li>DBeaver</li> <li>SQL</li> </ul> <div class="markdown-heading"> <h2 class="heading-element">Database Structure</h2> </div> <p>The project simulates an online store management system.</p> <div class="markdown-heading"> <h3 class="heading-element">Main Tables</h3> </div> <div class="table-wrapper-paragraph"><table> <thead> <tr> <th>Table</th> <th>Description</th> </tr> </thead> <tbody> <tr> <td>customers</td> <td>Customer information</td> </tr> <tr> <td>categories</td> <td>Product categories</td> </tr> <tr> <td>products</td> <td>Available products</td> </tr> <tr> <td>customer_orders</td> <td>Customer orders</td> </tr> <tr> <td>order_details</td> <td>Products included in each order</td> </tr> <tr> <td>payments</td> <td>Payment records</td> </tr> <tr> <td>audit_log</td> <td>Audit information generated by triggers</td> </tr> </tbody> </table></div> <div class="markdown-heading"> <h2 class="heading-element">Features Implemented</h2> </div> <div class="markdown-heading"> <h3 class="heading-element">Table Creation</h3> </div> <p>The database includes relational tables with:</p> <ul> <li>Primary Keys</li> <li>Foreign Keys</li> <li>Constraints</li> </ul> <div class="markdown-heading"> <h3 class="heading-element">Data Management</h3> </div> <p>Sample data is inserted to simulate real business operations.</p> <div class="markdown-heading"> <h3 class="heading-element">SQL Queries</h3> </div> <p>Different query types are implemented:</p> <ul> <li>Basic SELECT statements</li> <li>Conditional filtering</li> <li>Pattern matching</li> <li>Range filtering</li> </ul> <p>Examples:</p> <div class="highlight highlight-source-sql notranslate position-relative overflow-auto js-code-highlight"> <pre><span class="pl-k">SELECT</span> <span class="pl-k">*</span> <span class="pl-k">FROM</span> products <span class="pl-k">WHERE</span></pre>… </div></div> </div> <div class="gh-btn-container"><a class="gh-btn" href="https://github.com/MariaAngelesCiobanu/online-store-sql-project" rel="noopener noreferrer">View on GitHub</a></div> </div> <h1> PostgreSQL #SQL #BasesDeDatos #DataScience #InteligenciaArtificial #DBeaver #GitHub #AprendizajeContinuo </h1> sql postgres datascience dbeaver Maria Angeles Ciobanu Sun, 17 May 2026 14:37:58 +0000 https://dev.to/evolve-space/explorando-el-exito-musical-en-spotify-con-python-185e https://dev.to/evolve-space/explorando-el-exito-musical-en-spotify-con-python-185e <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2F8ddk7fsx1jy5cej4x573.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2F8ddk7fsx1jy5cej4x573.png" alt=" " width="800" height="533"></a></p> <p>Explorando el éxito musical en Spotify con Python</p> <p>En este proyecto realicé un análisis exploratorio de datos utilizando Python, Pandas y técnicas de visualización sobre un dataset de Spotify obtenido desde Kaggle.</p> <p>El objetivo principal fue analizar diferentes características musicales y estudiar su relación con la popularidad de las canciones dentro de Spotify.</p> <p>Tecnologías utilizadas</p> <ul> <li>Python</li> <li>Pandas</li> <li>NumPy</li> <li>Matplotlib</li> <li>Jupyter Notebook</li> </ul> <p>Análisis realizado</p> <p>Durante el proyecto se realizaron diferentes procesos de análisis exploratorio de datos:</p> <ul> <li>Exploración del dataset</li> <li>Análisis de valores nulos</li> <li>Visualización de datos</li> <li>Análisis de géneros musicales</li> <li>Correlaciones entre variables</li> <li>Clasificación de canciones según popularidad</li> </ul> <p>Resultados</p> <p>El análisis permitió identificar diferentes patrones relacionados con la popularidad musical. Algunas variables como la danceability y la energía mostraron cierta relación con el éxito de las canciones dentro del dataset.</p> <p>Además, los gráficos y visualizaciones facilitaron la comprensión de las características musicales presentes en Spotify.</p> <p>Aprendizajes</p> <p>Este proyecto me permitió reforzar conocimientos relacionados con Python, manipulación de datos, visualización y análisis exploratorio utilizando herramientas fundamentales dentro de Data Science.</p> <p>GitHub Repository</p> <p><a href="https://github.com/MariaAngelesCiobanu/Master-DataScience-Evolve-MariaAngelesCiobanu.git" rel="noopener noreferrer">https://github.com/MariaAngelesCiobanu/Master-DataScience-Evolve-MariaAngelesCiobanu.git</a></p> <p>Proyecto académico desarrollado durante el Máster en Data Science de Evolve.</p> python datascience pandas jupyter Maria Angeles Ciobanu Sun, 17 May 2026 14:37:58 +0000 https://dev.to/mariaangelesciobanu/explorando-el-exito-musical-en-spotify-con-python-21mk https://dev.to/mariaangelesciobanu/explorando-el-exito-musical-en-spotify-con-python-21mk <p><a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2F8ddk7fsx1jy5cej4x573.png" class="article-body-image-wrapper"><img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Farticles%2F8ddk7fsx1jy5cej4x573.png" alt=" " width="800" height="533"></a></p> <p>Explorando el éxito musical en Spotify con Python</p> <p>En este proyecto realicé un análisis exploratorio de datos utilizando Python, Pandas y técnicas de visualización sobre un dataset de Spotify obtenido desde Kaggle.</p> <p>El objetivo principal fue analizar diferentes características musicales y estudiar su relación con la popularidad de las canciones dentro de Spotify.</p> <p>Tecnologías utilizadas</p> <ul> <li>Python</li> <li>Pandas</li> <li>NumPy</li> <li>Matplotlib</li> <li>Jupyter Notebook</li> </ul> <p>Análisis realizado</p> <p>Durante el proyecto se realizaron diferentes procesos de análisis exploratorio de datos:</p> <ul> <li>Exploración del dataset</li> <li>Análisis de valores nulos</li> <li>Visualización de datos</li> <li>Análisis de géneros musicales</li> <li>Correlaciones entre variables</li> <li>Clasificación de canciones según popularidad</li> </ul> <p>Resultados</p> <p>El análisis permitió identificar diferentes patrones relacionados con la popularidad musical. Algunas variables como la danceability y la energía mostraron cierta relación con el éxito de las canciones dentro del dataset.</p> <p>Además, los gráficos y visualizaciones facilitaron la comprensión de las características musicales presentes en Spotify.</p> <p>Aprendizajes</p> <p>Este proyecto me permitió reforzar conocimientos relacionados con Python, manipulación de datos, visualización y análisis exploratorio utilizando herramientas fundamentales dentro de Data Science.</p> <p>GitHub Repository</p> <p><a href="https://github.com/MariaAngelesCiobanu/Master-DataScience-Evolve-MariaAngelesCiobanu.git" rel="noopener noreferrer">https://github.com/MariaAngelesCiobanu/Master-DataScience-Evolve-MariaAngelesCiobanu.git</a></p> <p>Proyecto académico desarrollado durante el Máster en Data Science de Evolve.</p> python datascience pandas jupyter