Curso de Data Science con Python. De Cero a Experto

¿Quiere iniciar su camino para convertirse en científico de datos y dominar el área de Data Science?

Vivimos en un mundo dominado por los datos, es por ello que obtener estas habilidades le permitirá acceder a posiciones de alto valor añadido debido a la gran demanda de perfiles de Data Science. Portales como Indeed estiman salarios anuales promedios de 122.800 $ y estudios como MarketWatch apuntan a que en los próximos años habrá un aumento del negocio de Data Science de un 30 % anual, por lo tanto, es una excelente oportunidad para usted adquirir estos conocimientos.

En este programa aprenderá por completo los fundamentos de Data Science, su base estadística y cómo llevarlo a la práctica con Python, dominando desde cero este lenguaje, así como todas sus potentes librerías como Numpy, Pandas, Matplotlib o Seaborn enfocadas al análisis de datos.

Al finalizar el curso podrá ejecutar proyectos completos de Data Science siendo capaz de importar fuentes de datos heterogéneas, realizar la limpieza y transformación de datos, analizar y visualizar estadísticamente la información y obtener conclusiones que provoquen alto impacto en su entorno.

Este curso tendrá un enfoque eminentemente práctico, se explicará paso a paso y en detalle cada nueva funcionalidad, pero el objetivo es que sea capaz de aplicar los nuevos conocimientos ejecutando los múltiples casos prácticos reales propuestos para poner a prueba las destrezas adquiridas.

Es el momento de que pase a la acción, prepárese para un futuro dominado por los datos adquiriendo una habilidad muy importante para poder destacar sobre el resto y conseguir sacar el máximo provecho de la información.

Dirigido a:

  • Toda persona que quiera potenciar su perfil adquiriendo habilidades de análisis de datos con gran futuro.
  • Estudiantes que quieran aprender desde cero una habilidad muy demandada en cualquier sector desde un punto de vista práctico.
  • Personas que quieran asombrar a su audiencia con un enfoque analítico generando conclusiones que marcan la diferencia.
  • Analistas que quieran profundizar en Python y sus librerías enfocadas en Data Science.
  • Profesionales que quieran automatizar sus tareas diarias con Python.

Duración: 45H

Modalidad: Online






    Responsable: Delta PC Informática y Electrónica S.L.- CIF: B32233710 C/ Curros Enriquez 18 -1º Teléfono: 988253836 Email: infor@deltapci.com
    “En nombre de la empresa tratamos la información que nos facilita con el fin de enviarle información relativa al curso solicitado, así como, publicidad relacionada con nuestros productos y servicios por cualquier medio (email o teléfono).
    Los datos proporcionados se conservarán en mientras no solicite el cese de la actividad. Los datos no se cederán a terceros salvo en los casos en que exista una obligación legal.
    Los datos se almacenan en los Servidores de nuestro proovedor IONOS CLOUD S.L.U ., Sociedad que está inscrita en el Registro de Operadores de redes y servicios de comunicaciones electrónicas de la Comisión del Mercado de las Telecomunicaciones.
    Usted tiene derecho a obtener confirmación sobre si en Delta PC Informática y Electrónica S.L. estamos tratando sus datos personales por tanto tiene derecho a acceder a sus datos personales, rectificar los datos inexacto o solicitar su supresión cuando los datos ya no sean necesarios para los fines que fueron recogidos, enviando un correo electrónico a infor@deltapci, Asunto: Baja”
    No será enviado el Formulario de Contacto hasta que se acepten las condiciones de uso y política de privacidad.

    1. Introducción al Análisis de Datos
      • ¿Qué es Python y qué nos proporciona para el análisis de datos?
      • Instalación Python + Jupyter
      • Importar librerías y fuentes de datos
      • Visualización básica con Matplotlib
      • Flujograma de un proyecto Data Science
      • Resumen
    2. Fundamentos del lenguaje Python
      • Variables en Python
      • Creación de listas y extracción de datos
      • Conceptos avanzados de creación de listas
      • Uso de funciones en Python (in-built)
      • Creación de funciones en Python y argumentos flexibles
      • Funciones lambda
      • Métodos en Python
      • Cómo crear diccionarios en Python
      • Uso de función zip para creación de diccionarios en base a listas
      • Operadores en Python
      • Bucles en Python
      • Comprensión de listas en python
      • Resumen
    3. Conceptos de Estadística para el Análisis de Datos
      • Variables y Conceptos básicos
      • Varianza de una variable
      • Correlación de variables
      • Histogramas
      • Análisis con percentiles (CDF)
      • Funciones densidad de probabilidad
      • Cálculo de previsiones (forecast) y media móvil
      • Resumen
    4. Calculo numérico con Numpy
      • Introducción a la librería Numpy
      • Selección de datos con array Numpy
      • Arrays 2D en Numpy
      • Cálculo estadístico con NumPy
      • Resumen
    5. Análisis de datos con Pandas
      • Introducción a la librería Pandas ¿qué es un dataframe?
      • Creación de un dataframe a partir de un diccionario
      • Cómo importar datos desde un fichero de texto plano (txt, csv…)
      • Selección de datos en un dataframe Pandas
      • Métodos útiles de un dataframe Pandas
      • Eliminar duplicados, valores erróneos y columnas de un dataframe Pandas
      • Interpolación de datos
      • Filtrar datos en un dataframe Pandas
      • Ordenación valores en un dataframe Pandas
      • Crear columnas en un dataframe para cadenas de texto
      • Crear columnas en un dataframe a partir de un diccionario con map
      • Crear columnas en un dataframe a partir de funciones lambda
      • Crear columnas en un dataframe a partir de funciones condicionales
      • Renombrar y reordenar columnas de un dataframe Pandas
      • Cómo crear pivot tables en Pandas
      • Uso de groupby en Pandas
      • Concatenación de dataframes (union)
      • Combinación de dataframes
      • Resumen
    6. Importación y exportación con Pandas
      • Cómo importar datos desde un fichero Excel
      • Introducción a las BBDD relacionales / Modelos de datos
      • Cómo importar datos desde una BBDD SQL
      • Cómo importar datos desde una página web
      • Cómo importar datos desde una página web (Web scraping)
      • Cómo importar datos desde un fichero semi-estructurado JSON
      • Cómo importar datos desde Redes Sociales
      • Cómo importar datos desde Cloud (AWS / Azure / Google Cloud)
      • Exportación de datos a csv y Excel
      • Exportación de datos a BBDD SQL
      • Resumen
    7. Visualización de datos en Python – Matplotlib
      • Consejos para la visualización de datos
      • Introducción a la librería Matplotlib
      • Creación de un gráfico de línea, bar, scatter
      • Personalización de gráficos (título, etiquetas, ticks, leyenda, límites de ejes, anotaciones…)
      • Creación de box & whiskers plot
      • Creación de un histograma y CDF
      • Gráfico de media móvil
      • Visualización de gráficos múltiples (subplots)
      • Aplicación de estilos
      • Creación de gráficos a partir de objeto groupby
      • Creación de histogramas en 2D
      • Creación de mapas geográficos con basemap y Google maps
      • Resumen
    8. Visualización de datos en Python – Seaborn
      • Introducción a la librería Seaborn
      • Seaborn – Creación de Regresión Lineal
      • Seaborn – Stripplot
      • Seaborn – Swarmplot
      • Seaborn – Violinplot
      • Seaborn – Uso de jointplot
      • Seaborn – Uso de pairplot
      • Seaborn – Correlación con heatmap
      • Resumen
    9. Series temporales en Python
      • Series temporales en Pandas: Extracción y parsing
      • Series temporales: Filtrado
      • Series temporales: Remuestreo – Diezmado (downsampling)
      • Series temporales: Remuestreo – Interpolación (upsampling)
      • Visualización de series temporales
      • Previsiones basadas en datos históricos
      • Resumen
    10. Ejecución e interconexión de Python con otras plataformas
      • Generación de scripts de python y automatización de tareas
      • Uso de Python en herramienta de Business Intelligence Power BI
      • Resumen
    Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Más información
    Privacidad