[ATD-040] Python. Análisis y Tratamiento de Datos
Este curso ofrece una formación integral en análisis de datos con Python. Abarca estadística, manipulación y visualización de datos con Pandas, Numpy, Matplotlib y Seaborn, importación de archivos y análisis de series temporales.
Duración: 30 horas
Perfil: Avanzado
Dirigido a
Esta acción formativa está dirigida a científicos, investigadores, estudiantes de ciencias y tecnología, y profesionales de análisis de datos que deseen aplicar Python en la resolución de problemas científicos y análisis de datos.
Requisitos previos
Los alumnos necesitarán tener conocimientos consolidados de programación y orientación a objetos con Python.
Objetivos
Aprender a utilizar herramientas clave como NumPy, SciPy, Pandas, Matplotlib para el análisis de datos, computación numérica y visualización.
Desarrollar habilidades para procesar, analizar y visualizar grandes conjuntos de datos científicos.
Contenido
Introducción al Análisis de Datos
Fases del proceso de análisis de datos
Tipos de análisis de datos
Fundamentos de Python para el Análisis de Datos
Variables, operadores y estructuras de control
Listas, tuplas, diccionarios y conjuntos
Funciones y argumentos
Conceptos de Estadística para el Análisis de Datos
Medidas estadísticas Descriptivas
Probabilidad y distribuciones
Inferencia estadística
Cálculo Numérico con Numpy
Arrays y matrices
Operaciones y funciones
Manipulación de datos numéricos
Análisis de Datos con Pandas
Creación y manipulación de DataFrame y Series.
Selección y filtrado de datos: iloc, loc, y métodos de indexación.
Limpieza, manipulación y ordenación de datos
Importación y Exportación de Datos con Pandas
Lectura y escritura de archivos CSV, Excel, Json y BBDD SQL
Optimización de la importación/exportación
Visualización de Datos en Python mediante Matplotlib y Seaborn
Creación y personalización de gráficos básicos: gráficos de líneas, dispersión, histogramas, barras.
Creación y personalización de gráficos estadísticos avanzados: gráficos de cajas, violín, mapas de calor, pairplots.
Visualización de relaciones entre variables categóricas y continuas.
Guardado y exportación
Series Temporales en Python
Creación y manipulación de series temporales
Descomposición de series temporales: tendencia, estacionalidad y ruido.
Aplicación de modelos de pronóstico y predicción
Documentación Recomendada
Python Data Analysis - Third Edition
By Avinash Navlani, Armando Fandango, Ivan Idris
Febrero 2021 | 478 páginas
