Curso: Ciencia de datos con Python preparación para el certificado PCED-30-0x, organizado por el Cibernarium de Barcelona Activa e impartido de manera presencial en la C/ Roc Boronat, 117.

Duración: 36 horas

Fechas/horarios Edición 4:

• 1ª sesión: Martes, 01/07/25 (15:00-19:00h)
• 2ª sesión: Jueves, 03/07/25 (15:00-19:00h)
• 3ª sesión: Lunes, 07/07/25 (15:00-19:00h)
• 4ª sesión: Viernes, 11/07/25 (15:00-19:00h)
• 5ª sesión: Lunes, 14/07/25 (15:00-19:00h)
• 6ª sesión: Miercoles, 16/07/25 (15:00-19:00h)
• 7ª sesión: Viernes, 18/07/25 (15:00-19:00h)
• 8ª sesión: Lunes, 21/07/25 (15:00-19:00h)
• 9ª sesión: Miercoles, 28/07/25 (15:00-19:00h)

Curso gratuito de Python que sirve de preparación de la certificacion de Python Institute PCED-30-0X, como formador de SlashMobility en el Cibernarium de Barcelona Activa.

Temario:

• Comprender los fundamentos del análisis de datos.
• Saber cómo adquirir y preparar datos para su uso.
• Datos estructurados y no estructurados.
• Métodos de escalado y codificación.
• Validación e integridad de los datos.
• Introducción a las bibliotecas esenciales para trabajar con datos:
  • Pandas, Vaex, Polars, Dask.
  • Modin, PySpark, Koalas.
• Bibliotecas adicionales necesarias:
  • Numpy, Openpyxl, Xlrd/xlwt, Scikit-Learn, DataTables.
• Instalar las bibliotecas en el ordenador (pip o conda).
• Fuentes de datos:
  • Archivos CSV, Excel, JSON, PDF.
  • Bases de datos relacionales.
  • Datos de páginas web con extracción automatizada básica.
• Estructuras de datos en Python:
  • Listas, tuplas y conjuntos.
  • Bucles, condiciones y funciones.
• Introducción a las matrices con Numpy.
• Introducción a consultas en bases de datos SQL:
  • Seleccionar, insertar, actualizar, eliminar.
  • Conexión de Python con bases de datos.
  • Conexión de Python con SQL Server.
• Conectar con fuentes de datos usando estructuras de datos tipo tabla.
• Transformar datos en una tabla con Pandas:
  • Apilar, des-apilar, reorganizar, reemplazar, cambiar tipo de datos.
  • Tratamiento de valores nulos (eliminar, rellenar, identificar).
  • Eliminar filas duplicadas.
  • Cambiar nombres de columnas.
  • Unir y combinar tablas.
  • Indexación y ordenación.
• Crear o modificar nuevas columnas en una tabla de datos.
• Visualización de datos en una tabla:
  • Ver primeras y últimas filas, filtrar, hacer consultas, tablas dinámicas.
• Estadística y cálculos sobre datos:
  • Suma, máximo, mínimo, promedio, contar, acumulados.
  • Mediana, percentiles, clasificación, dispersión, correlación.
  • Agrupaciones y resúmenes.
• Representación gráfica para comunicar resultados:
  • Introducción a Matplotlib, Seaborn y Bokeh.
  • Gráficos básicos: líneas, barras y circulares.
  • Gráficos avanzados: dispersión y mapas de calor.
  • Buenas prácticas y personalización de gráficos.
• Exportar datos desde una tabla de Pandas:
  • Archivos de texto, CSV, Excel.
• Análisis predictivo con Python:
  • Introducción al aprendizaje automático.
  • Introducción a la regresión lineal (y=ax+b, r²).
  • Scikit-learn para modelos de regresión.
  • Crear un modelo predictivo.
  • Representación en gráficos de dispersión.

Daniel Castillo.