Python for Data Analytics

Acerca de este curso

Este curso oficial de Python Institute está pensado para principiantes, te introduce desde cero tanto en la programación en Python como en el análisis de datos. Aprenderás a trabajar con datos del mundo real, comprender cómo se estructuran y utilizar Python para recopilar, limpiar, organizar, analizar y presentar información de forma clara y significativa.

En el mundo actual impulsado por la IA, los datos son la base de todo: desde dashboards hasta modelos de machine learning. Este curso te ayudará a comprender cómo los datos se convierten en información y cómo la información se transforma en conocimiento útil, proporcionándote las habilidades esenciales necesarias para trabajar con tecnologías modernas.

Al completar este curso, estarás preparado para dar tus primeros pasos hacia carreras relacionadas con analítica de datos, inteligencia artificial, business intelligence y tecnología.

¿A quién va dirigido?

Este curso es ideal para:

• Principiantes con pocos o ningún conocimiento de Python y sin experiencia previa en análisis de datos.
• Estudiantes que desean comprender cómo se recopilan, limpian, analizan y presentan los datos.
• Estudiantes y profesionales en etapas iniciales de su carrera que se preparan para puestos de nivel inicial relacionados con datos.
• Personas que están aprendiendo Python y quieren aplicar sus conocimientos de programación en un contexto práctico orientado a datos.
• Cualquier persona interesada en trabajar con inteligencia artificial que quiera comprender la capa fundamental de los datos: cómo se preparan, analizan e interpretan antes de utilizarse en sistemas de machine learning e IA.
• Personas que deseen entender mejor cómo se crea, valida e interpreta la información, y desarrollar un pensamiento crítico sobre los datos tanto en contextos cotidianos como profesionales.
• Cualquier persona que quiera prepararse para el examen de certificación PCED™.

Objetivos

A lo largo de este curso adquirirás las siguientes habilidades:

• Comprender los conceptos fundamentales de los datos, los tipos y fuentes de datos, el ciclo de vida de los datos y las consideraciones éticas relacionadas con su uso.
• Utilizar fundamentos de Python como variables, cadenas de texto, condicionales, bucles, funciones y módulos en tareas relacionadas con datos.
• Trabajar con listas, diccionarios, tuplas y conjuntos para organizar y procesar información.
• Leer y escribir archivos de texto y archivos CSV.
• Limpiar y validar datos, incluyendo el tratamiento de valores faltantes, duplicados y etiquetas inconsistentes.
• Aplicar agregaciones básicas, estadísticas descriptivas, operaciones con NumPy y técnicas de análisis exploratorio de datos.
• Comunicar conclusiones mediante visualizaciones, storytelling, informes orientados a la audiencia y diseño de presentaciones.

Duración

40 horas - Modalidad online

Programa

Módulo 1. Introducción al Análisis de Datos.

• ¿Qué son los datos?
• Fuentes, recopilación y almacenamiento de datos.
• Introducción al Big Data.
• El ciclo de vida de los datos.
• Diferencias entre análisis de datos, analítica de datos y ciencia de datos.
• Flujo de trabajo en analítica de datos.
• Consideraciones éticas y legales en analítica de datos.

Módulo 2. Fundamentos de Python para el Análisis de Datos.

• Variables y tipos de datos.
• Cadenas de texto.
• Lógica condicional.
• Bucles.
• Listas.
• Diccionarios.
• Tuplas y conjuntos.
• Creación y uso de funciones.
• Manejo de errores.
• Módulos, importaciones y documentación en Python.

Módulo 3. Adquisición y Preprocesamiento de Datos.

• Trabajo con archivos de entrada y salida (I/O).
• Trabajo con archivos CSV – Parte 1.
• Trabajo con archivos CSV – Parte 2.
• Limpieza y validación de datos – Parte 1.
• Limpieza y validación de datos – Parte 2.
• Limpieza y validación de datos – Parte 3.
• Limpieza y validación de datos – Parte 4.

Módulo 4. Análisis de Datos y Técnicas Exploratorias.

• Implementación de agregaciones y conteo de datos.
• Uso de funciones matemáticas para análisis de datos.
• Comprensión de datos mediante estadística descriptiva.
• Introducción a NumPy.
• Análisis condicional.
• Primer análisis exploratorio de datos (EDA).
• Uso de IA en análisis de datos.

Módulo 5. Comunicación de Insights y Reporting.

• Visualizaciones con impacto.
• Cómo interpretar gráficos y extraer conclusiones.
• Identificación de gráficos engañosos.
• Fundamentos de data storytelling.
• Storytelling de datos: flujo, transiciones y gráficos.
• Comunicación centrada en la audiencia.
• Preparación de presentaciones efectivas: propósito, audiencia y jerarquía visual.
• Fundamentos de diseño de presentaciones: tipografías, colores y accesibilidad.