Curso Práctico de Data Science con Python - Domina el Análisis de Datos

¿Estás pensando en iniciarte en el mundo del Data Science y convertirte en científico de datos?

El mundo en el que vivimos está dominado por los datos, por lo que adquirir estas habilidades permitirá al alumno acceder a posiciones de alto valor añadido, debido a la alta demanda de perfiles de Data Science. De hecho, hay estudios que apuntan a un crecimiento del negocio de Data Science de un 30% anual. Portales de empleo como Indeed estiman salarios de más de 100.000$. En esta formación de Data Science con Python, el alumno aprenderá desde cero y por completo los fundamentos del Data Science, su base estadística y cómo aplicarlos en la práctica con Python y sus librerías como Numpy, Pandas, Matplotlib o Seaborn.

Este curso es mayoritariamente práctico, aplicando paso a paso lo aprendido a partir de casos reales. Al finalizar, podrás desarrollar proyectos completos de Data Science: importar fuentes de datos heterogéneos, realizar la limpieza y transformación de datos, analizar y visualizar la información estadísticamente y obtener conclusiones que generen alto impacto.

El objetivo es que el alumno sea capaz de aplicar los conocimientos adquiridos a través de múltiples casos prácticos propuestos a lo largo del temario. Además, tendrá a su disposición un extenso material de consulta y todos los scripts de Python explicados durante la especialización, facilitando su reutilización en casos de uso concretos.

Este es el mejor momento para formarse y prepararse para un futuro dominado por los datos, destacando sobre otros profesionales.

• Qué es Python y su instalación junto a Jupyter, cómo importar librerías y fuentes de datos, visualización básica con Matplotlib y el flujograma de un proyecto de Data Science.
• Fundamentos del lenguaje Python: variables, creación de listas, extracción y modificación de datos, uso de funciones, creación de diccionarios, funciones y argumentos flexibles, funciones lambda y uso de zip para generar diccionarios a partir de listas. Además, herramientas de Python como métodos, bucles y comprensión de listas.
• Conceptos estadísticos para el análisis de datos, incluyendo varianza, correlación de variables, histogramas, percentiles, funciones de densidad de probabilidad, cálculo de previsiones y medias móviles.
• Análisis numérico con Numpy: introducción a la librería, selección de datos con arrays, arrays 2D y cálculo estadístico. También análisis de datos con Pandas, creación de dataframes a partir de diccionarios y cómo importar datos desde ficheros de texto plano.
• Qué es un dataframe de Pandas y cómo seleccionar datos, métodos útiles, eliminar duplicados, valores erróneos y columnas, interpolación y filtrado de datos, y ordenación de valores.
• Cómo importar datos con Pandas desde Excel, bases de datos SQL, páginas web, ficheros JSON semi-estructurados, redes sociales y servicios en la nube. Cómo exportar datos a CSV, Excel y bases de datos SQL.
• Cómo realizar visualizaciones de datos en Python con Matplotlib y Seaborn, incluyendo series temporales: extracción, parsing, filtrado, remuestreo e interpolación.
• Supuestos prácticos: elaboración de proyectos de Data Science, realizando análisis de datos con Pandas y visualización.
• Ejecución e interconexión de Python con otras plataformas: generación de scripts de Python, automatización de tareas y uso de Python en herramientas de Business Intelligence.

Objetivos del programa

¿A quién está dirigido?