ver vídeo

Curso de Data Science con Python. De Cero a Experto

¿Quiere iniciar su camino para convertirse en científico de datos y dominar el área de Data Science?

Vivimos en un mundo dominado por los datos, es por ello que obtener estas habilidades le permitirá acceder a posiciones de alto valor añadido debido a la gran demanda de perfiles de Data Science. Portales como Indeed estiman salarios anuales promedios de 122.800 $ y estudios como MarketWatch apuntan a que en los próximos años habrá un aumento del negocio de Data Science de un 30 % anual, por lo tanto, es una excelente oportunidad para usted adquirir estos conocimientos.

En este programa aprenderá por completo los fundamentos de Data Science, su base estadística y cómo llevarlo a la práctica con Python, dominando desde cero este lenguaje, así como todas sus potentes librerías como Numpy, Pandas, Matplotlib o Seaborn enfocadas al análisis de datos.

Al finalizar el curso podrá ejecutar proyectos completos de Data Science siendo capaz de importar fuentes de datos heterogéneas, realizar la limpieza y transformación de datos, analizar y visualizar estadísticamente la información y obtener conclusiones que provoquen alto impacto en su entorno.

Este curso tendrá un enfoque eminentemente práctico, se explicará paso a paso y en detalle cada nueva funcionalidad, pero el objetivo es que sea capaz de aplicar los nuevos conocimientos ejecutando los múltiples casos prácticos reales propuestos para poner a prueba las destrezas adquiridas.

Es el momento de que pase a la acción, prepárese para un futuro dominado por los datos adquiriendo una habilidad muy importante para poder destacar sobre el resto y conseguir sacar el máximo provecho de la información.

Dirigido a:

  • Toda persona que quiera potenciar su perfil adquiriendo habilidades de análisis de datos con gran futuro.
  • Estudiantes que quieran aprender desde cero una habilidad muy demandada en cualquier sector desde un punto de vista práctico.
  • Personas que quieran asombrar a su audiencia con un enfoque analítico generando conclusiones que marcan la diferencia.
  • Analistas que quieran profundizar en Python y sus librerías enfocadas en Data Science.
  • Profesionales que quieran automatizar sus tareas diarias con Python.

Objetivo

Al finalizar el curso podrá…

  • Dominar el lenguaje de propósito general Python desde cero, incluyendo su instalación.
  • Comprender y profundizar en el flujo completo de un proyecto de Data Science para convertirse en científico de datos.
  • Aprender todos los conceptos de estadística necesarios para poder analizar los datos que le rodean.
  • Utilizar librerías como Numpy o Pandas para la importación desde fuentes heterogéneas (CSV, Excel, texto plano, SQL, Web, redes sociales, cloud,…) y la limpieza y transformación de datos.
  • Crear potentes visualizaciones con las librerías Matplotlib y Seaborn para el análisis de la información.
  • Analizar series temporales y realizar previsiones.
  • Automatizar sus tareas cotidianas con Python

Requisitos:

No es necesario requisitos previos, incluso habrá un bloque introductorio al lenguaje Python desde cero.

Duración: 40 horas
  1. Introducción al Análisis de Datos
    • ¿Qué es Python y qué nos proporciona para el análisis de datos?
    •  Instalación Python + Jupyter
    • Importar librerías y fuentes de datos
    •  Visualización básica con Matplotlib
    •  Flujograma de un proyecto Data Science
    • Resumen
  2. Fundamentos del lenguaje Python
    •  Variables en Python
    • Creación de listas y extracción de datos
    • Conceptos avanzados de creación de listas
    • Uso de funciones en Python (in-built)
    • Creación de funciones en Python y argumentos flexibles
    • Funciones lambda
    • Métodos en Python
    • Cómo crear diccionarios en Python
    • Uso de función zip para creación de diccionarios en base a listas
    •  Operadores en Python
    • Bucles en Python
    • Comprensión de listas en python
    • Resumen
  3. Conceptos de Estadística para el Análisis de Datos
    •  Variables y Conceptos básicos
    •  Varianza de una variable
    • Correlación de variables
    •  Histogramas
    •  Análisis con percentiles (CDF)
    •  Funciones densidad de probabilidad
    •  Cálculo de previsiones (forecast) y media móvil
    •  Resumen
  4. Calculo numérico con Numpy
    • Introducción a la librería Numpy
    • Selección de datos con array Numpy
    • Arrays 2D en Numpy
    • Cálculo estadístico con NumPy
    • Resumen
  5. Análisis de datos con Pandas
    • Introducción a la librería Pandas ¿qué es un dataframe?
    • Creación de un dataframe a partir de un diccionario
    • Cómo importar datos desde un fichero de texto plano (txt, csv...)
    • Selección de datos en un dataframe Pandas
    • Métodos útiles de un dataframe Pandas
    • Eliminar duplicados, valores erróneos y columnas de un dataframe Pandas
    • Interpolación de datos
    • Filtrar datos en un dataframe Pandas
    • Ordenación valores en un dataframe Pandas
    • Crear columnas en un dataframe para cadenas de texto
    • Crear columnas en un dataframe a partir de un diccionario con map
    • Crear columnas en un dataframe a partir de funciones lambda
    • Crear columnas en un dataframe a partir de funciones condicionales
    • Renombrar y reordenar columnas de un dataframe Pandas
    • Cómo crear pivot tables en Pandas
    •  Uso de groupby en Pandas
    • Concatenación de dataframes (union)
    • Combinación de dataframes
    • Resumen
  6. Importación y exportación con Pandas
    • Cómo importar datos desde un fichero Excel
    • Introducción a las BBDD relacionales / Modelos de datos
    • Cómo importar datos desde una BBDD SQL
    • Cómo importar datos desde una página web
    • Cómo importar datos desde una página web (Web scraping)
    • Cómo importar datos desde un fichero semi-estructurado JSON
    • Cómo importar datos desde Redes Sociales
    • Cómo importar datos desde Cloud (AWS / Azure / Google Cloud)
    • Exportación de datos a csv y Excel
    • Exportación de datos a BBDD SQL
    • Resumen
  7. Visualización de datos en Python - Matplotlib
    • Consejos para la visualización de datos
    • Introducción a la librería Matplotlib
    • Creación de un gráfico de línea, bar, scatter
    • Personalización de gráficos (título, etiquetas, ticks, leyenda, límites de ejes, anotaciones...)
    • Creación de box & whiskers plot
    • Creación de un histograma y CDF
    • Gráfico de media móvil
    • Visualización de gráficos múltiples (subplots)
    • Aplicación de estilos
    • Creación de gráficos a partir de objeto groupby
    • Creación de histogramas en 2D
    • Creación de mapas geográficos con basemap y Google maps
    •  Resumen
  8. Visualización de datos en Python - Seaborn
    • Introducción a la librería Seaborn
    • Seaborn - Creación de Regresión Lineal
    • Seaborn - Stripplot
    • Seaborn - Swarmplot
    • Seaborn - Violinplot
    • Seaborn - Uso de jointplot
    • Seaborn - Uso de pairplot
    • Seaborn - Correlación con heatmap
    • Resumen
  9. Series temporales en Python
    • Series temporales en Pandas: Extracción y parsing
    • Series temporales: Filtrado
    • Series temporales: Remuestreo - Diezmado (downsampling)
    • Series temporales: Remuestreo - Interpolación (upsampling)
    • Visualización de series temporales
    • Previsiones basadas en datos históricos
    • Resumen
  10. Ejecución e interconexión de Python con otras plataformas
    • Generación de scripts de python y automatización de tareas
    • Uso de Python en herramienta de Business Intelligence Power BI
    • Resumen
IVAN PINAR DOMINGUEZ

IVAN PINAR DOMINGUEZ

Ingeniero de Telecomunicación.
Director de Operaciones y Business Intelligence Expert en el sector de las Telecomunicaciones con 10 años de experiencia.
Master en Dirección de Proyectos y certificado como PMP & Scrum Master (PSM-I).
Curso de Data Science con Python. De Cero a Experto
  Sin Tutor Con Tutor
Acceso secuencial a las unidades del curso
Disponible
Disponible
Descarga de contenidos en PDF
Disponible
Disponible
Acceso a recursos didácticos y multimedia
Disponible
Disponible
Ilimitadas consultas al tutor -
Disponible
Videoconferencias con el tutor desde el entorno de comunicaciones -
Disponible
Ejercicios prácticos corregidos y evaluados por el tutor -
Disponible
Certificado de realización PDF
Con código seguro de verificación
Disponible
-
Certificado de aprovechamiento PDF
Con código seguro de verificación
-
Disponible
Posibilidad de bonificación hasta el 100% -
Disponible
  40 horas 40 horas
  225€ 300€
  Inscribirse

¿Cómo empezar?

Si quieres hacer uno de nuestros cursos basta con que solicites la inscripción, para ello debes rellenar el formulario de inscripción e indicar una dirección de e-mail en la que recibirás tus datos de acceso, nombre de usuario y contraseña, el envío de los datos es inmediato. (Debes prestar atención a la carpeta de spam ya que algunos filtros antispam podrían filtrar este correo).

Con tu nombre de usuario y contraseña ya podrás entrar en el curso. Te damos acceso gratuito a la primera lección para que puedas evaluar el curso. Inicialmente sólo puedes ver la unidad de metodología. Para acceder a las siguientes tendrás que aprobar el test asignado a la misma.

Si el curso te gusta puedes realizar el pago durante el proceso de inscripción o en cualquier momento dentro del aula virtual. El pago lo puedes hacer con tarjeta Visa, PAYPAL o realizando una transferencia y enviando posteriormente el justificante de la misma. Una vez realizado el pago podrás acceder a todas las lecciones, siempre de una forma secuencial.

Plazos

Desde que te inscribes dispones de un plazo máximo de 10 días para poder evaluar el curso hasta la unidad 1. Una vez hayas completado las lecciones de evaluación se detiene el avance en el curso y tú decides...

En el momento de hacer el pago tu plazo se amplía hasta los 90 días con el objeto de que puedas realizar el curso cómodamente. Si justificas las causas puedes pedir una ampliación de plazo y generalmente se suele conceder.

La ampliación de plazo se la puedes solicitar a tu tutor y en el caso de los cursos sin tutor desde la sección consúltanos de www.adrformacion.com

Diploma

Los alumnos que hayan completado el curso en la modalidad sin tutor recibirán un Certificado de Realización.

Los alumnos que hayan completado el curso en la modalidad con tutor recibirán un Certificado de Aprovechamiento.

Los certificados, expedidos por ADR Formación, indicarán del número de horas, temario, fechas de inicio y finalización y otros datos referentes al curso realizado. Además, cada uno de ellos tendrá asignado un Código Seguro de Verificación (CSV) único que demuestra su autenticidad. El alumno podrá descargar el diploma en formato PDF desde su área privada.

  1. Los certificados estarán disponibles en un plazo inferior a 24 horas tras haber finalizado con éxito la formación.
  2. Los alumnos que bonifiquen su formación dispondrán de su Certificado de aprovechamiento una vez finalizado el plazo de acceso de la formación y tras la validación del expediente.

Acreditación de horas

El curso de Data Science con Python. De Cero a Experto tiene una duración de 40 horas.

Curso bonificado para trabajadores

Si trabajas en una empresa Española te tramitamos la bonificación para que este curso lo puedas hacer gratis.

Bonificar curso

Sigamos hablando...

¿Estás interesado en alguno de nuestros productos? ¿Tienes alguna pregunta?

Consúltanos sin compromiso

Contacta con nosotros
ADR Formación

ADR Formación utiliza cookies propias y de terceros para fines analíticos anónimos, guardar las preferencias que selecciones y para el funcionamiento general de la página.

Puedes aceptar todas las cookies pulsando el botón "Aceptar" o configurarlas o rechazar su uso pulsando el botón "Configurar".

Puedes obtener más información y volver a configurar tus preferencias en cualquier momento en la Política de cookies