CURSO PYTHON PARA EL ANÁLISIS DE DATOS

INTRODUCCIÓN

En la era actual, donde los datos constituyen un activo fundamental, su correcta interpretación y análisis se convierten en esenciales para la toma de decisiones informadas. Este curso te guiará a través del fascinante proceso de transformación de datos brutos en valiosos insights, utilizando Python, una herramienta líder en el análisis de datos. Cubriremos desde los conceptos básicos de Python y sus bibliotecas más poderosas, como Pandas y Numpy, hasta técnicas avanzadas de visualización e introducción a machine learning. Te equiparemos para contribuir significativamente al valor de cualquier proyecto o negocio, dominando cuatro ejes fundamentales: la recolección, limpieza, análisis y visualización de datos.

OBJETIVO

Adquirir una comprensión integral del análisis de datos utilizando Python, desde aprender los fundamentos de programación, manipulación y visualización de datos, hasta desarrollar habilidades avanzadas en análisis exploratorio y estadística. Además, introducirse en los principios básicos del machine learning y explorar su aplicación en proyectos de análisis de datos reales, equipando a los estudiantes con las herramientas necesarias para interpretar y extraer valor de los datos de manera eficiente.

DIRIGIDO A

Este curso está diseñado para profesionales de las carreras de ingenierías y administración que buscan capitalizar el poder de los datos para generar valor dentro de sus organizaciones o proyectos personales. Es ideal para aquellos interesados en adentrarse en el mundo del análisis de datos, deseosos de aprender técnicas eficientes de manejo, análisis y visualización de datos con Python. Ya sea que estén buscando mejorar su toma de decisiones basada en datos, explorar nuevas oportunidades de negocio a través del análisis de datos, o aplicar el análisis de datos en proyectos reales.

CREDITAJE

Programa de Estudios en Desarrollo de Sistemas de Información: 02 créditos extracurriculares para alumnos y egresados.

REQUISITOS

Computadora personal, cámara web, micrófono y acceso a internet para las clases sincrónicas y asíncronas. El participante debe contar con conocimientos de MS Excel nivel básico y/o intermedio.

DETALLES DEL CURSO

Inicio de clases

01 de junio del 2024

Horario

Sábado y Domigo

Sábado de 3:30 p.m. a 5:00 p.m. Domingo de 8:00 a.m. a 10:15 a.m.

Modalidad

Virtual

Plataforma

Plataforma MS Teams y Moodle

Informes

Danory Medina

dmedina@isur.edu.pe

914 048 180

Contenido del Curso
Metodología
Plana Docente
Inversión
Duración

Contenido del Curso

Contenidos Generales

Introducción a Python para el Análisis de Datos

Objetivos y enfoque del curso.
Herramientas y entornos de desarrollo (instalación de Python, Jupyter Notebooks).
Panorama general del ecosistema de Python para análisis de datos.
Casos de uso y aplicaciones en el mundo real.

Fundamentos de Python

Sintaxis básica y ejecución de scripts.
Tipos de datos y operaciones básicas (números, cadenas de texto, booleanos).
Variables, expresiones y operadores.
Estructuras de control: condicionales (if, else, elif) y bucles (for, while).

Funciones y Módulos en Python

Definición y llamada de funciones, parámetros y valores de retorno.
Módulos y paquetes: importación y uso.
Bibliotecas estándar de Python y su aplicación.
Buenas prácticas en la definición de funciones y organización de código.

Trabajo con Datos usando Pandas

Fundamentos de Pandas: Series y DataFrames.
Manipulación básica de DataFrames: selección, filtrado y limpieza de datos.
Lectura y escritura de datos desde/hacia diferentes formatos (CSV, Excel, SQL).
Técnicas de manipulación avanzada: agrupación, fusión y remodelación de datos.

Análisis Exploratorio de Datos con Pandas

Limpieza de datos: manejo de valores faltantes y duplicados.
Operaciones con DataFrames: agregación, resumen y transformaciones.
Análisis descriptivo: estadísticas resumidas y correlaciones.
Introducción a técnicas de exploración visual con Pandas.

Visualización de Datos

Principios de visualización de datos.
Introducción a Matplotlib: gráficos de líneas, barras, y histogramas.
Visualización avanzada con Seaborn: gráficos de dispersión, boxplots y heatmaps.

Introducción a la Estadística para el Análisis de Datos

Conceptos básicos de estadística: medidas de tendencia central y dispersión.
Distribuciones de probabilidad y pruebas estadísticas básicas.
Aplicación de estadísticas en el análisis de datos con Python.

Introducción al Machine Learning con Scikit-learn

Principios y tipos de machine learning: supervisado y no supervisado.
Preparación de datos para modelos de machine learning.
Entrenamiento y evaluación de modelos simples.

Proyecto Práctico 1: Análisis de Datos

Definición del problema y selección de datos.
Limpieza y preparación de datos.
Análisis exploratorio y visualización de resultados.
Interpretación de hallazgos y comunicación de insights.

Proyecto Práctico 2: Introducción al Machine Learning

Planteamiento de un problema de machine learning.
Preparación de datos y selección de características.
Entrenamiento y evaluación de un modelo simple.
Análisis de resultados y pasos siguientes.

Metodología

El curso es 100% síncrono y se utilizará la plataforma MS Teams para las clases virtuales, es decir, en las que el docente realizar la exposición de los temas a los alumnos. Además, se contará con la plataforma Moodle donde encontrarás de manera ordenada el material del programa y las evaluaciones asignadas. La metodología es activa y promoverá el trabajo autónomo y cooperativo, de tal manera que los participantes adquieran los conocimientos tomando como base sus experiencias previas, revisión de casos reales, dinámicas en clase, flujogramas y trabajo en equipo.

Asistencia y Certificación

La asistencia a clases es obligatoria para rendir la evaluación y poder lograr la certificación al aprobarla. Sin embargo, se considera un margen de inasistencia en casos excepcionales y situaciones imprevistas e impostergables del 30% del total de horas académicas que posee el curso.

Plana Docente

Santiago Pardo Cuzzi

Ingeniero Industrial con Máster en Analítica de Datos y Big Data, con más de 10 años de experiencia trabajando en sectores clave como Cadena de Suministros, Logística, Seguros y Hostelería.

Con trayectoria en docencia abarcando cursos de analítica y ciencia de datos tanto en Perú como en España. Colaborando en importantes proyectos de analítica de datos, desempeñando roles como Business Analyst, Product Owner y Scrum Master. Certificado por Microsoft en Análisis de Datos y Soluciones de Inteligencia Artificial, reforzando su compromiso con la excelencia y la innovación en el campo del análisis de datos.