•
1 2

Python

Python

Tipo de curso

Aprende el lenguaje de programación más requerido en el mercado laboral, es un curso aplicado desde cero, captura datos, limpia, procesa y gráfica la información.

Duración del curso 20 hrs. (21 de abril Lunes y miércoles 19:00 - 21:00)

Diurno: 14:00 am  16:00 pm 10 clases de 2 horas martes y jueves Inicio: Martes 20-05 Fin Jueves 19-06

Vespertino: 19:30 pm 21:30 pm 10 clases de 2 horas Lunes y miércoles Inicio: Lunes 21-04 Fin : Lunes 26-05

Sábado AM : 10:00 am  01:20 pm 6 clases de 3:20 hrs. Sábados, Inicio: Sábado 19-07

Fin Sábado 23-08

Ver todos los detalles

  • Modalidad

    Puedes estudiar en vivo por Zoom con un grupo de alumnos o con nuestros cursos grabados ambas modalidades cuentan con certificado y acceso al campus virtual

  • Campus virtual

    Las clases son en vivo, pero quedan grabadas con todo el material del curso para que los alumnos puedan repasar 24/7 con esto pueden reforzar su conocimiento aplicado a distintos proyectos

  • Certificado

    Nuestros alumnos deben rendir trabajos aplicados que son evaluados para obtener certificados de acreditación de conocimientos en nuestros distintos cursos de análisis de datos
Descargar temario

Contenido del curso

Clase 1: Introducción a Python

  • Objetivo: Familiarizarse con el entorno de Python y los tipos de datos básicos.
  • Contenido:Variables y Tipos de Datos: int, float, str.
  • Operaciones básicas y asignación de variables.
  • Estructuras de datos: Listas, Tuplas, Conjuntos, Diccionarios.
  • Entrada y salida de datos con la función input().
  • Uso de condicionales if/else para control de flujo.
  • Funciones clave: type(), input(), operadores aritméticos.

Clase 2: Estructuras de Datos

  • Objetivo: Profundizar en el manejo de tuplas y conjuntos.
  • Contenido: Tuplas: Creación, acceso a elementos, longitud (len()), comparación. Conjuntos: Creación, adición (add()), eliminación (remove()), pertenencia (in, not in).
  • Funciones clave: len(), add(), remove(), in, not in.

Clase 3: Introducción a Pandas

  • Objetivo: Aprender a cargar y explorar datos con Pandas.
  • Contenido: DataFrames: Creación a partir de archivos Excel.
  • Lectura de datos: pd.read_excel().
  • Exploración básica: df.head(), df.dtypes, df.iloc[].
  • Selección de columnas.
  • Librerías: pandas.
  • Funciones clave: pd.read_excel(), df.head(), df.dtypes, df.iloc[].

Clase 4: Manipulación y Filtrado de Datos con Pandas

  • Objetivo: Manipular y filtrar DataFrames para obtener información relevante.
  • Contenido: Agrupación de datos: df.groupby().
  • Agregación de datos: .agg([‘sum’, ‘count’, ‘min’, ‘max’, ‘mean’]).
  • Filtrado de filas: Creación de nuevos DataFrames basados en condiciones.
  • Transformación de tipos de datos: .astype().
  • Conversión de texto a fechas: pd.to_datetime().
  • Librerías: pandas, datetime.
  • Funciones clave: df.groupby(), .agg(), pd.to_datetime(), .astype().

Clase 5: Visualización de Datos con Matplotlib

  • Objetivo: Crear visualizaciones básicas con Matplotlib.
  • Contenido: Gráficos de líneas: plt.plot().
  • Personalización: plt.xlabel(), plt.ylabel(), plt.title(), plt.tick_params().
  • Líneas de referencia: plt.axhline().
  • Librerías: matplotlib.pyplot, numpy.
  • Funciones clave: plt.plot(), plt.xlabel(), plt.ylabel(), plt.title(), plt.axhline().

Clase 6: Visualización de Datos con Seaborn

  • Objetivo: Crear visualizaciones más avanzadas con Seaborn.
  • Contenido:Gráficos de líneas: sns.lineplot().
  • Gráficos de barras: sns.barplot().
  • Personalización de gráficos.
  • Librerías: seaborn, matplotlib.pyplot.
  • Funciones clave: sns.lineplot(), sns.barplot().

Clase 7: Creación de Gráficos con Plotnine

  • Objetivo: Aprender a usar la sintaxis declarativa de Plotnine para la visualización de datos.
  • Contenido:Creación de gráficos: ggplot() + aes() + geom_line().
  • Personalización: theme(), element_text().
  • Librerías: plotnine.
  • Funciones clave: ggplot(), aes(), geom_line(), theme().

Clase 8: Manipulación Avanzada de DataFrames y Combinación de Datos

  • Objetivo: Combinar DataFrames y crear nuevas columnas basadas en cálculos.
  • Contenido:Unión de DataFrames: pd.merge().
  • Creación de nuevas columnas: Realizar cálculos y aplicar funciones (.apply()).
  • Librerías: pandas.
  • Funciones clave: pd.merge(), .apply().

Clase 9: Gráficos Interactivos con Plotly

  • Objetivo: Crear gráficos interactivos con Plotly.
  • Contenido:Gráficos de dispersión: px.scatter().
  • Gráficos de barras: px.bar().
  • Histogramas: px.histogram().
  • Gráficos de torta: px.pie().
  • Gráficos Sunburst y Treemap: px.sunburst(), px.treemap().
  • Subgráficos: make_subplots().
  • Librerías: plotly.express, plotly.graph_objects, plotly.subplots.
  • Funciones clave: px.scatter(), px.bar(), px.pie(), px.sunburst(), px.treemap(), make_subplots().

Clase 10: Proyecto Aplicado

  • Objetivo: Aplicar todos los conocimientos adquiridos en un proyecto práctico.
  • Contenido:Análisis completo de un conjunto de datos.
  • Creación de informes y visualizaciones.
  • Resolución de problemas de negocio.
  • Librerías: Todas las vistas en el curso: pandas, numpy, matplotlib, seaborn, plotnine, plotly, datetime.
  • Funciones clave: Todas las vistas en el curso.