Poner nota a Cursor en un proyecto real de ciencia de datos

A quién le sirve. Analistas y personas que trabajan con datos en Python y quieren saber en qué tareas pueden fiarse de un asistente de código y en cuáles no.

Qué hicieron

Mike Woodward usó Cursor, con Claude como modelo, en un proyecto real de ciencia de datos en Python sobre datos de fútbol inglés. Puso notas de la A a la D a la programación en general y a tareas concretas. Pedía el código, luego lo revisaba y lo corregía a mano. Por ejemplo, una consulta de pandas para clubes que solo aparecen como locales o solo como visitantes la escribió él mismo.

Cómo salió

Sacó A en completar código, comentarios, documentación y prototipos, y C en pandas, limpieza de datos y generación de código. El scraping (extraer datos de webs) y los primeros pasos sacaron D. Las aplicaciones de Streamlit salieron rápido, pero todo lo técnico necesitó revisión cuidadosa.

Conviene saber

La versión gratuita se agota enseguida, así que para evaluarlo hace falta una suscripción de pago. Cursor también borró algunos archivos de datos al usar GitHub, así que haz copias de seguridad.

Qué necesitas

• Cursor instalado, con un plan de pago si quieres una prueba larga
• Un proyecto real tuyo con datos, no un ejemplo de tutorial
• Una copia de seguridad de tus datos originales
• Una lista de tareas para probar: pandas (la librería de Python para trabajar con tablas), limpieza de datos, extracción de datos de webs y prototipos
• Conocimientos de Python para revisar lo que escriba la IA

Cómo hacerlo tú, paso a paso

1. Haz una copia de seguridad de la carpeta del proyecto y de tus datos originales.
2. Abre el proyecto en Cursor y elige un modelo de Claude como asistente.
3. Haz una lista de tareas concretas: completar código, comentarios, documentación, prototipos, pandas, limpieza de datos, extracción de datos de webs.
4. Pega el prompt de la ficha para que Cursor pruebe las tareas y se ponga nota en cada una.
5. Revisa tú cada resultado y ponle tu propia nota, de la A a la D.
6. Compara tus notas con las suyas y decide en qué tareas lo vas a usar y en cuáles no.

Tengo un proyecto de ciencia de datos en [ruta de la carpeta] sobre [objetivo]. Prueba estas tareas y ponte nota en cada una: [transformaciones con pandas, limpieza de datos, scraping web o prototipo de un modelo]. En cada una cuéntame qué salió bien, de qué no estabas seguro y qué debo comprobar a mano. Habrás terminado con una tabla de notas breve. No sobrescribas mis archivos de datos originales.

Consejos

• Trabaja siempre con una copia de los datos originales. En la prueba, Cursor borró algunos archivos de datos al usar GitHub.
• Revisa línea a línea todo lo técnico, como pandas y la limpieza de datos. Lo que mejor salió fueron los prototipos, los comentarios y la documentación.
• Empieza por esas tareas fáciles y deja a mano las consultas delicadas.

Preguntas frecuentes

Fuentes

• blog.engora.com ↗

En el directorio desde el 3 de octubre de 2026.