Syllabus - Intro - Prog 2025-10
Syllabus - Intro - Prog 2025-10
PROGRAMA DE ASIGNATURA
HERRAMIENTAS DE PROGRAMACIÓN
PERÍODO ACADÉMICO: 2025-10
Créditos: 3
Horas semanales de clase (modo presencial): 3
Horas de Estudio Autónomo: 6
Total horas semanales de estudio: 9
EQUIPO DOCENTE
Coordinador del curso:
César García Díaz, Departamento de Administración de Empresas ([email protected])
Docentes:
Alejandra Montaña ([email protected])
Álvaro Ramírez ([email protected])
Andrés Urquijo ([email protected])
Angie Blanco ([email protected])
Carlos Ortiz ([email protected])
Carlos Rincón ([email protected])
Daniel Duque ([email protected])
Daniel Rubiano ([email protected])
Jaime Trujillo ([email protected])
Manuel Jiménez ([email protected])
Norbey Marín ([email protected])
El curso también cubrirá los conceptos básicos del diseño y análisis de algoritmos, incluyendo
algoritmos de ordenamiento y búsqueda. Al final del curso, los estudiantes tendrán una
comprensión sólida de los principios de la programación y podrán escribir programas simples para
resolver problemas del mundo real.
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS
The course will also cover the basic concepts of algorithm design and analysis, including sorting and
searching algorithms. By the end of the course, students will have a solid understanding of the
principles of programming and will be able to write simple programs to solve real-world problems.
12 (Abr.
Semana Santa
14-19)
13 (Abr-
Segundo taller práctico individual en clase
21-26)
Uso de matplotlib, Matthes
14 (Abr. plotly, uso de (2023), Cap.
Lecturas de
28-May. Visualización de datos estadísticas 15-16,
clase
3) descripitvas, https://plotly
construcción de .com/python
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS
gráficos e
histogramas
Introducción a Griffel &
Pandas, lectura y Guetta
15 (May. Introducción al análisis de datos con Lecturas de
escritura de (2020),
5-10) Pandas (i) clase
archivos, Quiz 9 secciones
5.4-5.8.
Ordenamiento de Griffel &
datos, gráficas, Guetta
17 (May. Introducción al análisis de datos con Lecturas de
filtrado, (2020),
12-17) Pandas (ii) clase
operaciones con Cap. 6.
columnas, Quiz 10
Trabajo con el
asistente de Ia de Preguntas del
18 (May. Ejercicios de práctica en clase / uso de
Google Colab, / material visto --
19-24) IA en programación
entrega taller 3
(opcional)
19 (May.
Presentación oral proyectos (fecha envío notas definitivas Gradebook: junio 12)
26-31)
EVALUACIÓN
Actividad Porcentaje
Talleres prácticos (2) en clase (individual) 33%
Evaluación diaria (10 quices) (individual) 33%
Proyecto (grupos): escrito + sustentación oral 34%
ACUERDOS DE CLASE
• Todos los talleres / quices son acumulados.
• El proyecto final se realizará en grupos de acuerdo a especificaciones dadas por el profesor.
El profesor establecerá un problema o desafío que los estudiantes deben resolver.
• El estudiante debe cumplir con su compromiso de preparar las lecturas antes de clase.
• El profesor está siempre dispuestos a solucionar dudas, pero no a dar respuestas. Se espera
un aprendizaje autónomo y que el estudiante sea capaz de enfrentar las dificultades de los
problemas de los ejercicios / quices / talleres sin esperar que el profesor le brinde
parciamente (o totalmente) las respuestas.
• La copia es una falta ética y será castigada de acuerdo con el reglamento establecido por la
universidad.
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS
BIBLIOGRAFÍA
Downey, A. B. (2024). Think Python: How to Think Like a Computer Scientist, 3rd edition. O’Really
media. Disponible en https://allendowney.github.io/ThinkPython/
Griffel, M., & Guetta, D. (2020). Python for MBAs. Columbia University Press (disponible en sitio
web de la biblioteca). https://doi.org/10.7312/grif19392