Curso de Data Science con Python. De cero a experto

Este contenido eLearning cumple con los
estándares de calidad exigidos por ANCYPEL AENOR

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

Este curso cumple con los requisitos establecidos por FUNDAE para la bonificación de Formación Programada.

Si te interesa impartir esta formación en tu organización, solicita más información.