Python

PRECIO: 450 €

PRECIO SOCIOS CLUSTER TECNOLOGICO GAIA: 360 €

OBJETIVO DEL CURSO 

• Dominar los fundamentos de programación de Python.  
• Ver el funcionamiento de algunas librerías de niveles básico y avanzado.  
• Conocer diferentes entornos dentro de Python (Spyder y Jupyter Notebook).  
• Conocer diferentes procedimientos propios del análisis de datos.  

DURACIÓN   

15 horas. 

PROGRAMA  

Introducción a Python:  

• Introducción y operaciones comunes con números, cadenas, listas, tuplas y    diccionarios.  
• Mutación, alias y clonación de listas.  
• Control de flujo – condicionales.  
• Iteraciones.  
• Funciones.  
• Recursividad.  
• Módulos y archivos.  

Preprocesamiento de datos (ETL):  

• Modificación básica de variables:  
• Carga de bases de datos.  
• Manipulación de datos.  
• Creación de nuevas columnas/variables.  
• Manipulación de columnas/variables.  
• Cálculo de estadísticos básicos.  
• Consultas cruzadas.  
• Unión de varias tablas.  
• Operaciones con variables.  
• Muestra de datos.  
• Ejercicios prácticos.  

 Análisis Preliminar:  

• Conocimiento básico de los datos.  
• Análisis de las variables.  
• Determinación de las diferentes clases de datos existentes.  
• Gráficos básicos de las variables individuales.  
• Gráficos básicos sobre las relaciones de las variables.  
• Gráficos avanzados sobre las relaciones entre las variables.  
• Gráficos avanzados sobre la correlación entre variables.  
• Interpretación de los gráficos.  

Corrección de errores tipográficos.  

• Unión de tablas: 
• Concatenación de tablas.  
• Unión de tablas en función de una o varias variables:  
• Left join  
• Right join.  
• Inner join.  
• Outer join.  
• Modificaciones avanzadas:  
• Selección de elementos únicos.  
• Transformación de caracteres de forma individualizada.  
• Transformación de caracteres de forma masiva.  
• Transformación del formato de las variables. 
• Transformación de tablas:  
• Agregaciones simples.  
• Agregaciones compuestas.  
• Verticalización de tablas.  
• Normalización de tablas.  
• Filtrados:  
• Eliminación de duplicados.  
• Filtrado por valores.  
• Filtrado por otra tabla.  
• Filtrado por las observaciones de otra tabla.  
• Selección de elementos diferentes.  
• Filtrado por los valores de una variable de otra tabla.  
• Tratamiento de valores perdidos:  
• Definición y problemas de su no tratamiento.  
• Eliminación de las observaciones.  
• Imputación de estadísticos básicos: media, mediana y moda.  
• Métodos de imputación múltiple (MICE).  
• Outliers:  
• Definición.  
• Problemas de su no tratamiento.  
• Eliminación de las observaciones  
• Determinación de los outliers.  
• Transformación de los outliers.  
• Creación de nuevas variables dummy.