Entrar al aula
×

Curso de Data Science con Python. De Cero a Experto

40 horas
Bonificar curso

¿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:

Objetivo

Al finalizar el curso podrá…

Requisitos:

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

Temario

  1. Introducci贸n al An谩lisis 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 Estad铆stica para el An谩lisis 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 num茅rico con Numpy
    • Introducción a la librería Numpy
    • Selección de datos con array Numpy
    • Arrays 2D en Numpy
    • Cálculo estadístico con NumPy
    • Resumen
  5. An谩lisis 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. Importaci贸n y exportaci贸n 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. Visualizaci贸n 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. Visualizaci贸n 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. Ejecuci贸n e interconexi贸n 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

Modalidades

  Con Tutor
Acceso secuencial a las unidades del curso Disponible
Descarga de contenidos en PDF Disponible
Acceso a recursos didácticos y multimedia 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
-
Certificado de aprovechamiento PDF
Con código seguro de verificación
Disponible
Posibilidad de bonificación hasta el 100% Disponible
  40 horas
  300€
Bonificar curso