Scribd
Cargar
75 vistas6 páginas

Temario Bootcamp PROGRAMACIÓN

Este documento presenta el temario de un bootcamp de programación que cubre temas de Python básico y intermedio, lógica de programación, estructuras de datos, análisis de datos, probabilidad y estadística, y aplicaciones prácticas. El bootcamp se enfoca en desarrollar habilidades fundamentales en estas áreas a través de lecciones y proyectos guiados por el profesor Oscar Yllan Garza.

Cargado por

Luis Jesús Laurente Castillo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
75 vistas6 páginas

Temario Bootcamp PROGRAMACIÓN

Este documento presenta el temario de un bootcamp de programación que cubre temas de Python básico y intermedio, lógica de programación, estructuras de datos, análisis de datos, probabilidad y estadística, y aplicaciones prácticas. El bootcamp se enfoca en desarrollar habilidades fundamentales en estas áreas a través de lecciones y proyectos guiados por el profesor Oscar Yllan Garza.

Cargado por

Luis Jesús Laurente Castillo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 6

Profesor: Oscar Yllan Garza.

WhatsApp: 777-805-1184

Temario Bootcamp PROGRAMACIÓN

● Python (Básico)
○ Introducción a la programación y Python:
○ 1.1. ¿Qué es la programación?
○ 1.2. Breve historia de Python.
○ 1.3. Características de Python.
○ 1.4. Instalación y configuración del entorno de desarrollo (como IDLE,
PyCharm, Jupyter Notebook).
○ 2. Conceptos básicos de Python:
○ 2.1. Sintaxis de Python.
○ 2.2. Tipos de datos: números, strings, listas, tuplas, diccionarios.
○ 2.3. Variables y operadores.
○ 2.4. Input y output.
○ 2.5. Comentarios y documentación en Python.
○ 3. Control de flujo:
○ 3.1. Condicionales: if, elif, else.
○ 3.2. Bucles: for, while.
○ 3.3. Break, continue y pass.
○
○ 4. Funciones y módulos:
○ 4.1. Definición y llamada de funciones.
○ 4.2. Argumentos y parámetros.
○ 4.3. Funciones incorporadas.
○ 4.4. Módulos y paquetes.
○
○ 5. Manejo de errores y excepciones:
○ 5.1. Tipos de errores.
○ 5.2. Try, except, finally.
○ 5.3. Lanzar excepciones.
○
○ 6. Trabajo con archivos:
○ 6.1. Leer y escribir archivos.
○ 6.2. Manejo de archivos y directorios.
● Lógica de Programación
○ 1. Introducción a las matemáticas discretas:
○ 1.1. ¿Qué son las matemáticas discretas?
○ 1.2. Importancia y aplicaciones de las matemáticas discretas.
○
○ 2. Lógica y pruebas:
○ 2.1. Lógica proposicional y cuantificadores.
○ 2.2. Tablas de verdad.
○ 2.3. Argumentos válidos e inválidos.
○ 2.4. Métodos de prueba: directa, indirecta, por contradicción, por inducción
matemática.
○
○ 3. Conjuntos, relaciones y funciones:
○ 3.1. Conjuntos y subconjuntos.
Profesor: Oscar Yllan Garza.
WhatsApp: 777-805-1184
○ 3.2. Operaciones con conjuntos: unión, intersección, diferencia.
○ 3.3. Relaciones y propiedades de las relaciones.
○ 3.4. Funciones, inyecciones y biyecciones.
○
○ 4. Números enteros y divisibilidad:
○ 4.1. Teorema de la división.
○ 4.2. Máximo común divisor y mínimo común múltiplo.
○ 4.3. Teorema fundamental de la aritmética.
○
○ 5. Combinatoria:
○ 5.1. Principio de multiplicación, suma y principio de inclusión-exclusión.
○ 5.2. Permutaciones y combinaciones.
○ 5.3. Binomio de Newton.
● Estructura de Datos
○ 1. Introducción a las estructuras de datos:
○ 1.1. ¿Qué son las estructuras de datos?
○ 1.2. Importancia y aplicaciones de las estructuras de datos.
○ 1.3. Categorías de estructuras de datos: lineales y no lineales.
○
○ 2. Estructuras de datos incorporadas en Python:
○ 2.1. Listas: definición, operaciones y métodos.
○ 2.2. Tuplas: definición, operaciones y cuando usarlas.
○ 2.3. Diccionarios: definición, operaciones y métodos.
○ 2.4. Conjuntos: definición, operaciones y métodos.
○
○ 3. Estructuras de datos lineales:
○ 3.1. Pilas (Stacks): definición, operaciones y aplicaciones.
○ 3.2. Colas (Queues): definición, operaciones y aplicaciones.
○ 3.3. Colas de prioridad: definición, operaciones y aplicaciones.
○ 3.4. Listas enlazadas: definición, operaciones y aplicaciones.
○
○ 4. Estructuras de datos no lineales:
○ 4.1. Árboles: definición, operaciones y aplicaciones.
○ 4.2. Árboles binarios y binarios de búsqueda.
○ 4.3. Grafos: definición, operaciones y aplicaciones.
○
○ 5. Otros tipos de estructuras de datos:
○ 5.1. Tablas hash: definición, operaciones y aplicaciones.
○ 5.2. Arrays de Numpy: definición, operaciones y aplicaciones.
○ 5.3. DataFrames de Pandas: definición, operaciones y aplicaciones.
● Python Intermedio
○ 1. Otros tipos de estructuras de datos:
○ 1.1. Tablas hash: definición, operaciones y aplicaciones. ○
○ 1.2. Arrays de Numpy: definición, operaciones y aplicaciones. ○
○ 1.3. DataFrames de Pandas: definición, operaciones y aplicaciones.

Python Intermedio
Profesor: Oscar Yllan Garza.
WhatsApp: 777-805-1184

Introducción a la Programación Orientada a Objetos (POO)

● 17. OPP Introducción


○ Concepto de clase y objeto.
○ Atributos y métodos.
○ Constructor de clase (__init__).

● 18. Más profundidad en POO


○ Herencia.
○ Polimorfismo.
○ Encapsulamiento.

● 20. **Funciones avanzadas**


○ Funciones de orden superior.
○ Funciones lambda.
○ Decoradores.

● 22 **Programación modular**
● - Estructuración de programas en módulos y paquetes.
● - Uso de __name__ y __main__.

● 23. **Introducción a bibliotecas útiles**


● - Uso de requests para hacer peticiones HTTP.
● - Introducción a NumPy para computación científica.
● - Introducción a Pandas para análisis de datos.
● - Otros módulos/bibliotecas relevantes.

Aplicaciones a Videojuegos

● 24. Introducción a Pygame**


○ - Instalación y configuración de Pygame.
○ - Estructura básica de un juego en Pygame (ventana de juego, bucle
principal).

● 25. Dibujando en la pantalla**


○ Uso de la biblioteca Pygame para dibujar formas y cargar imágenes.
○ Colores en Pygame.
○ Texto en pantalla.

● 26. **Interacción y control de eventos**


○ Manejo de eventos de entrada (teclado, ratón).
○ Animación y movimiento de objetos en pantalla.
Profesor: Oscar Yllan Garza.
WhatsApp: 777-805-1184
●

● Análisis de Datos (Python)


○
○ 1. Introducción al análisis de datos:
○ 1.1. ¿Qué es el análisis de datos?
○ 1.2. Importancia del análisis de datos.
○ 1.3. Tipos de análisis de datos: descriptivo, inferencial, predictivo y
prescriptivo.
○ 1.4. Roles en el análisis de datos: analista de datos, científico de datos,
ingeniero de datos.
○
○ 2. Herramientas para el análisis de datos:
○ 2.1. Introducción a Python y R.
○ 2.2. Introducción a las hojas de cálculo (Excel, Google Sheets).
○ 2.3. Introducción a SQL para manejo de bases de datos.
○
○ 3. Análisis de datos con Python:
○ 3.1. Uso de NumPy para cálculos numéricos.
○ 3.2. Uso de pandas para manipulación de datos.
○ 3.3. Uso de Matplotlib y Seaborn para la visualización de datos.
○
○ 4. Análisis estadístico básico:
○ 4.1. Conceptos estadísticos: media, mediana, moda, rango, desviación
estándar.
○ 4.2. Distribuciones: normal, binomial, Poisson.
○ 4.3. Pruebas de hipótesis y p-valores.
○ 4.4. Correlación y regresión.
○
○ 5. Análisis exploratorio de datos (EDA):
○ 5.1. Limpieza y preparación de datos.
○ 5.2. Análisis univariante y bivariante.
○ 5.3. Visualización de datos para EDA.
● Probabilidad y estadística
○ 1. Introducción a la estadística y probabilidad:
○ 1.1. ¿Qué es la estadística y la probabilidad?
○ 1.2. Importancia y aplicaciones de la estadística y la probabilidad.
○ 1.3. Tipos de estadística: descriptiva e inferencial.
○
○ 2. Conceptos básicos de estadística:
○ 2.1. Población y muestra.
○ 2.2. Tipos de variables: cuantitativas y cualitativas.
○ 2.3. Medición de escalas: nominal, ordinal, de intervalo y de razón.
○ 2.4. Recopilación de datos: experimentos, encuestas, observaciones.
○
○ 3. Estadística descriptiva:
○ 3.1. Medidas de tendencia central: media, mediana, moda.
Profesor: Oscar Yllan Garza.
WhatsApp: 777-805-1184
○ 3.2. Medidas de dispersión: rango, varianza, desviación estándar.
○ 3.3. Tablas de frecuencia.
○ 3.4. Representaciones gráficas: histogramas, diagramas de barras,
diagramas de caja y bigotes.
○
○ 4. Introducción a la probabilidad:
○ 4.1. Conceptos básicos: experimento, evento, espacio muestral.
○ 4.2. Propiedades de la probabilidad.
○ 4.3. Probabilidad condicional e independencia.
○ 4.4. Teorema de Bayes.
● Aplicaciones (Leyes, Medicina, Negocios, Ingeniería y Ciencias)
○ Dependiendo de tu Área de Interés podrás elegir un área para hacer un
Proyecto Rápido.
○ 1. Introducción a Python:
○ 1.1. ¿Qué es Python y por qué es relevante?
○ 1.2. Instalación y configuración del entorno de Python.
○ 1.3. Fundamentos de la programación en Python.
○
○ 2. Python en Leyes:
○ 2.1. Análisis de textos legales con técnicas de procesamiento de lenguaje
natural.
○ 2.2. Automatización de tareas legales con Python.
○ 2.3. Uso de Python para análisis de datos en investigaciones jurídicas.
○ 2.4. Casos de estudio y ejemplos de aplicaciones de Python en el campo
legal.
○
○ 3. Python en Medicina:
○ 3.1. Análisis de datos médicos con Python.
○ 3.2. Uso de Python en bioinformática y genómica.
○ 3.3. Python en la investigación médica y el diseño de ensayos clínicos.
○ 3.4. Casos de estudio y ejemplos de aplicaciones de Python en medicina.
○
○ 4. Python en Negocios:
○ 4.1. Análisis de datos de negocios con Python.
○ 4.2. Python para análisis financiero y predicción de mercados.
○ 4.3. Python en marketing: análisis de sentimiento, segmentación de
clientes, etc.
○ 4.4. Casos de estudio y ejemplos de aplicaciones de Python en negocios.
○
○ 5. Python en Ingeniería:
○ 5.1. Uso de Python para simulaciones y modelado en ingeniería.
○ 5.2. Python en ingeniería de datos: limpieza, procesamiento y análisis de
grandes volúmenes de datos.
○ 5.3. Python en control de sistemas y automatización.
○ 5.4. Casos de estudio y ejemplos de aplicaciones de Python en ingeniería.
○
○ 6. Python en Ciencias:
○ 6.1. Uso de Python en la investigación científica y análisis de datos.
Profesor: Oscar Yllan Garza.
WhatsApp: 777-805-1184
○ 6.2. Python en física y química: modelado y simulaciones.
○ 6.3. Python en biología: genómica, ecología, neurociencia.
○ 6.4. Casos de estudio y ejemplos de aplicaciones de Python en ciencias.
○
○ 7. Proyecto final:
○ 7.1. Desarrollo de un proyecto en un campo de interés del estudiante
utilizando Python.

También podría gustarte