Programming for Data Science with Python

Objetivos

Al finalizar el curso, los participantes serán capaces de:

• Dominar la manipulación de datos con NumPy y Pandas: Utilizar eficientemente estas bibliotecas para realizar tareas complejas de limpieza, transformación, agregación y análisis de datos.
• Realizar análisis exploratorio de datos (EDA): Aplicar técnicas de EDA para comprender las características de los datos, identificar patrones, valores atípicos y relaciones entre variables.
• Visualizar datos de manera efectiva con Matplotlib y Seaborn: Crear visualizaciones informativas y atractivas para comunicar los hallazgos del análisis de datos.
• Automatizar tareas de ciencia de datos: Escribir scripts y funciones para automatizar tareas repetitivas en el flujo de trabajo de análisis de datos.
• Trabajar con diferentes formatos de datos: Leer y escribir datos en diversos formatos como CSV, Excel, JSON y bases de datos.
• Implementar pipelines de procesamiento de datos: Construir flujos de trabajo para procesar y transformar datos de manera eficiente.
• Aplicar técnicas de preprocesamiento de datos: Limpiar, transformar y preparar los datos para su posterior uso en modelos de aprendizaje automático u otros análisis.
• Comprender las mejores prácticas para el desarrollo de código en ciencia de datos: Escribir código limpio, eficiente, reutilizable y documentado.

Prerrequisitos

Este curso no es para principiantes en programación ni en Python. Se asume que los participantes tienen una base sólida en Python, idealmente equivalente a haber completado un curso introductorio a Python como P-PYT010 o tener una experiencia comparable. Específicamente, se espera que los participantes conozcan:

• Sintaxis básica de Python: Variables, tipos de datos, operadores, estructuras de control.
• Funciones: Definición, llamada, parámetros, argumentos.
• Manejo de excepciones: try-except.
• Estructuras de datos: Listas, tuplas, diccionarios.
• Módulos y paquetes: Importación y uso de módulos.