Introducción al análisis de datos en Python (Grupo 1)

Curso

Introducción al análisis de datos en Python (Grupo 1)

Facultad de Economía
Inicio / Programas / Introducción al análisis de datos en Python (Grupo 1)

Curso Básico Análisis de datos en Python

En el mundo laboral debido al incremento en el volumen de datos y la necesidad de automatización de tareas se ha generado la necesidad de implementar nuevos softwares y lenguajes de programación a las tareas del día a día. Adicionalmente, al ser Python open source, muchos de los desarrollos de la frontera de conocimiento se han implementado en este lenguaje. Python es el lenguaje de programación que más nuevos programadores ha atraído en los últimos años, es el tercer lenguaje más popular del mundo y el primero en lo que relaciona a análisis de datos, machine learning y minería de datos. Además, es el lenguaje más solicitado por los empleadores en busca de analistas de datos. En respuesta a esta necesidad, el curso de Introducción al análisis de datos en Python busca que los estudiantes adquieran una comprensión general del lenguaje de programación, su utilidad para el análisis de datos y automatización de tareas. En el curso se tratará la sintaxis básica de programación, el manejo de datos y su visualización. Así, el énfasis será sobre la importación, organización y manejo de datos y la presentación de resultados. 
 

Este curso hace parte del programa Proyectos de analítica en Python. Ver más aquí.

Dirigido a

El curso está dirigido a personas que deseen desarrollar habilidades de programación en Python. Se espera que el curso sea tomado por personas en el entorno laboral que deseen generar un impacto positivo en sus organizaciones por medio de la automatización de procesos y análisis estadístico de volúmenes considerables de datos. De igual forma, se espera ofrecerles a los investigadores que no han tenido la oportunidad de tener un acercamiento a la programación una herramienta con la que podrán iniciar su aprendizaje en los lenguajes de programación. Por último, el curso les dará las herramientas necesarias para tomar cursos aplicados de educación continuada en los cuales se mostrará el uso de Python a problemas de diferentes industrias. El curso no tiene requisitos para su inscripción.

Objetivos

Enseñar a los estudiantes los conceptos básicos de programación.
Familiarizar a los estudiantes en la sintaxis básica de Python.
Se enseñarán las siguientes habilidades:
  • Operaciones matemáticas vectoriales y matriciales con numpy.
  • Limpieza y Manipulación de bases de datos.
  • Visualización de datos con las librerías más famosas.
  • Automatización de tareas en Python.
  • Generar valor agregado a partir de análisis estadísticos descriptivos.
  • Introducción a web scrapping

Metodología

El curso se realizará en salas habilitadas para el uso de computadores y cada sesión estará dividida en dos módulos. A su vez, cada módulo estará dividido en dos partes, durante la primera parte de cada módulo el profesor introducirá técnicas, comandos y conceptos relacionados con la utilización de Python y utilizará ejemplos que lo ilustren; durante la segunda parte los estudiantes deberán trabajar individualmente en un ejercicio, el cual deberán entregar al finalizar cada módulo. Adicionalmente, se realizarán 2 talleres en clase en los cuales se espera que los estudiantes, con ayuda del profesor, reafirmen sus conocimientos. 

Contenido

Sesión 1:
Modulo 1:
¿Qué es Python? ¿Qué es Anaconda? 
¿Qué es un lenguaje multipropósito?  
Instalación de Python, Anaconda y Jupyter LAB. 
Instalación y carga de librerías. 
Jupyter Lab, páneles y comandos rápidos. 
Sintaxis en Python: Identación y estructura básica. 
Tipos de datos: entero, float, lógico, character. Missings: NaN, NA. 
Estructuras de datos: Listas, cadenas, tuplas y diccionarios. 
Numpy y Pandas.
Operaciones básicas e indexación. 
¿Dónde buscar ayuda?
Sesión 2:
Importar información 
Manejo de listas y diccionarios
Extraer información de objetos y rebanados. 
Uso de vectores lógicos para extraer información de objetos. 
Definir funciones. 
Estructuras de control.
Sesión 3:
Programación orientada a objetos
Clases y métodos.
Loops: while y for.
Controles de flujo: continue, break.
Sesión 4:
Instalar y cargar paquetes. 
Funciones apply, mapping and merge.
Funciones de manejo de texto.
Manejo básico pandas, numpy.arrays y spicy: selección de filas y/o columnas, selección condicionada.
Creación de muestras y subconjuntos de data frames: subsets and samples.
Importación de datos: txt, csv, xlsx, .pkl y gzip.
Inspección inicial de la información.
Sesión 5: 
Introducción a plotly y matplot.
Gráficos base: histogramas, scatter plot, bar plot, box plot. 
Otras herramientas para visualización de datos: manejo de mapas. 
Personalización de gráficos: ejes, colores, títulos. 
Exportación de gráficos.
Sesión 6:
Construcción de análisis estadísticos descriptivos.
Pruebas estadísticas.
Modelos estadísticos. (Regresiones y modelos de clústering)
Sesión 7:
Introducción a Web Scrapping
 

Profesores

Juan Sebastián Moreno Pabón.

Economista y Magíster en Economía de la Universidad de los Andes. Se desempeña como profesor magistral del Taller de R en la misma universidad y de Economía Matemática en la Universidad del Rosario. Además, ha servido como profesor complementario para los cursos de Macroeconomía 3, Pensando Problemas y de Econometría y el aprendizaje de máquinas. Trabajó en el Ministerio de Hacienda y Crédito Público en temas de riesgo sobre los pasivos de la nación. Se desempeñó como investigador en el CESED (Centro de Estudios sobre Seguridad y Drogas) de la Universidad de los Andes donde se especializó en temas de cultivos de coca y sus determinantes. Actualmente trabaja como investigador senior en Quantil (www.quantil.co) donde trabaja sobre temas de Machine Learning, procesamiento del lenguaje natural y Deep Learning. Entre sus intereses se encuentran las matemáticas aplicadas y minería de datos aplicada a políticas públicas. Ha trabajado en proyectos de predicción de desafiliación de clientes de cooperativas, modelos de minería de texto aplicados a documentos legales y redes sociales, predicción de admisiones en urgencias hospitalarias, análisis espacial para la ubicación de nuevos equipamientos policiales, modelos de segmentación y detección de anomalías para entidades financieras, creación de bases de datos estructuradas a partir de textos, análisis de datos de transporte público para métricas de desempeño y evaluaciones de impacto de regulaciones estatales entre otros. Actualmente se encuentra investigando modelos predictivos de crimen de Deep Learning a partir de imágenes.

Condiciones

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.

La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.