Scribd
Cargar
50 vistas4 páginas

Introducción Al Análisis de Datos en Python

Cargado por

Vanne Hernandez ﭢ
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 DOCX, PDF, TXT o lee en línea desde Scribd
50 vistas4 páginas

Introducción Al Análisis de Datos en Python

Cargado por

Vanne Hernandez ﭢ
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 DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 4

Introducción al análisis de datos en Python

En el mundo laboral, debido al incremento en el volumen de datos y con


el fin de optimizar los procesos de análisis de los mismos y, con ello,
facilitar la toma de decisiones en diferentes contextos se ha generado la
necesidad de diseñar herramientas, creadas en distintos lenguajes de
programación, que apoyen o complementen las tareas del día a
día. Adicionalmente, los lenguajes open source, como Python, han
permitido ampliar, de manera exponencial, la frontera del conocimiento
en la construcción de estas herramientas lo que también ha permitido
generar un espacio ampliamente colaborativo entre desarrolladores de
todo el mundo. Python es el lenguaje de programación que más nuevos
programadores ha atraído en los últimos años, es el tercer lenguaje más
popular del mundo y el primero en lo que relaciona a análisis de datos,
machine learning y minería de datos. Además, es el lenguaje más
solicitado por los empleadores en busca de analistas de datos. En
respuesta a esta necesidad, el curso de Introducción al análisis de datos
en Python busca que los estudiantes adquieran una comprensión
general del lenguaje de programación, su utilidad para el análisis de
datos y automatización de tareas. En el curso se tratará la sintaxis
básica de programación, el manejo de datos y su visualización. Así, el
énfasis será sobre la importación, organización y manejo de datos y la
presentación de resultados.

Este curso va dirigido a todos aquellos que quieren hacer una


introducción práctica a la programación con Python. Se espera que el
curso sea tomado por personas en el entorno laboral que deseen
generar un impacto positivo en sus organizaciones por medio de la
automatización de procesos y análisis estadístico de volúmenes
considerables de datos. De igual forma, se espera ofrecerles a los
investigadores que no han tenido la oportunidad de tener un
acercamiento a la programación, una herramienta con la que podrán
iniciar su aprendizaje en los lenguajes de programación. Por último, el
curso les dará las herramientas necesarias para tomar cursos aplicados
de educación continua en los cuales se mostrará el uso de Python en
problemas de diferentes industrias. El curso no tiene prerrequisitos.

Objetivos

Enseñar a los estudiantes los conceptos básicos de programación.

Familiarizar a los estudiantes en la sintaxis básica de Python.


Se enseñarán las siguientes habilidades:

- Identificación y caracterización de objetos en Python

- Construcción de funciones para automatizar procesos.

- Carga, limpieza y manipulación de bases de datos.

- Análisis exploratorio de los datos.

- Visualización de datos con las librerías más famosas.

- Organización básica y manejo de proyectos en Git

Metodología

El curso se realizará de manera virtual con sesiones sincrónicas. A su


vez, en cada clase se realizarán ejercicios de código y se estudiará la
intuición de lo realizado. Los ejercicios realizados estarán basados en
experiencias reales de la industria.

Nota: se sugiere que el estudiante interesado en el curso cuente con un


computador de 4GB de RAM pero preferiblemente 8GB en adelante.
El software que usará es Anaconda de Python 3. Las instrucciones de
instalación serán remitidas al inicio del curso.

Contenido

Sesión 1:

 ¿Qué es Python? Intro al uso de VS Code

 ¿Qué es un lenguaje multipropósito?

 ¿Qué es Git?

 Instalación de Python, Anaconda y Jupyter LAB.

 Uso de Git desde VSCode

 Jupyter Lab, páneles y comandos rápidos.

 Funciones internas de python

 Operaciones básicas e indexación.

 Sintaxis en Python: Identación y estructura básica.

 Tipos de datos: entero, float, lógico, character. Missings: NaN, NA.


 Métodos asociados a cada tipo de dato

 ¿Dónde buscar ayuda?

Sesión 2:

 Estructuras de objetos iterables: Listas, cadenas, tuplas y


diccionarios.

 Manejo de listas y diccionarios y sus métodos

 Extraer información de objetos y rebanados, indexación

 Uso de vectores lógicos para extraer información de objetos.

Sesión 3:

 Condicionales

 Loops: while y for.

 Controles de flujo: continue, break.

 Listas comprensivas

 Definir funciones.

 Estructuras de control.

 Parámetros de funciones

 Documentación

 Instalación y carga de librerías.

Sesión 4:

 Introducción a Numpy,

 Introducción a pandas

 Importación y exportación de datos

 Métodos de los tipos de objetos en pandas

 Manipulación de bases de datos: indexación, operaciones,


agrupación, muestreos

 Unión de bases de datos: merge, join, concat

 Estadísticas descriptivas

Sesión 5 y 6:
 Introducción a matplotlib, seaborn, plotly

 Gráficos base: histogramas, scatter plot, bar plot, box plot.

 Personalización de gráficos: ejes, colores, títulos.

 Otras herramientas para visualización de datos: manejo de


mapas.

 Exportación de gráficos.

Sesión 7:

 Construcción de análisis estadísticos descriptivos.

 Pruebas estadísticas.

 Modelos estadísticos. (Regresiones y modelos de clústering)

 Dilemas éticos en el uso y procesamiento de datos

 Herramientas de auditoría algorítmica, ¿por qué es importante?

También podría gustarte