| Tipo de edición | Edición única tarde (desempleados/as y ocupados/as |
|---|---|
| Metodología | Presencial |
| Tipo | CURSO |
| Matrícula | Gratuita |
| Fecha inicio | 25/05/2026 |
| Fecha fin | 05/06/2026 |
| Certificación oficial | Si |
| Examen | PCAD - Certified Associate Data Analyst with Python |
| Nº inscritos | 0 |
Este curso ofrece una inmersión profunda en la ciencia de datos, proporcionando las habilidades necesarias para procesar, analizar, modelar y visualizar datos utilizando Python. Este curso prepara a los/las participantes para la certificación PCAD™ – Analista de Datos Asociado Certificado con Python.
Este curso intermedio permite a los/las participantes profundizar en la programación Python específicamente para análisis de datos. Se enseñan habilidades fundamentales requeridas en el campo del análisis de datos, introduciendo los principales conjuntos de herramientas, conceptos y metodologías utilizadas por analistas y científicos/as de datos. Además, se capacita a los/as participantes en la programación en Python para adquirir, limpiar, analizar, resumir y presentar datos de manera precisa y eficaz.
- Diseñar, desarrollar, depurar, ejecutar y refactorizar scripts de Python;
- Pensar algorítmicamente para analizar problemas e implementarlos como procesos informáticos;
- Crear y procesar matrices utilizando operaciones matemáticas de la biblioteca NumPy;
- Manipular y analizar datos utilizando la biblioteca pandas;
- Realizar visualizaciones de datos utilizando la biblioteca de trazado matplotlib;
- Comprender el papel de un científico de datos en proyectos de análisis de datos;
- Cree y desarrolle su propio portafolio de programación para destacarse entre la multitud en el mercado laboral;
Este curso está dirigido a profesionales y entusiastas del análisis de datos que busquen profundizar en técnicas avanzadas de ciencia de datos utilizando Python. Es ideal para analistas de datos en etapa intermedia, científicos/as de datos aspirantes, y cualquier profesional interesado en mejorar sus habilidades de análisis de datos. También beneficia a estudiantes de campos relacionados que deseen obtener certificaciones reconocidas como la PCAD™ para mejorar su competitividad en el mercado laboral. Además, es adecuado para profesionales de sectores como el financiero, marketing, salud, y tecnología, que requieran análisis de datos detallados para informar decisiones estratégicas.
Instructor oficial con la certificación PCAD – Certified Associate Data Analyst with Python.
- Duración :
40 horas - Metodología :
Presencial - Matrícula :
Gratuita - Tecnología :
- Python
- Python Institute
- Data Science
- Beneficios :
- Opción gratuita de un examen de certificación oficial
- Diploma de asistencia
- Módulos transversales :
- Igualdad de 5 horas
1. Adquisición y preprocesamiento de datos
- Métodos de recolección de datos: encuestas, entrevistas, scraping web, APIs.
- Integración de datos desde múltiples fuentes y formatos.
- Almacenamiento de datos: CSV, JSON, Excel, bases de datos, data lakes y almacenamiento en la nube.
- Datos estructurados vs no estructurados y sus implicaciones.
- Limpieza y estandarización de datos: detección de errores, imputación, normalización, escalado.
- Validación e integridad: reglas de tipo, rango y consistencia.
- Preparación para el análisis: extracción, reestructuración, formatos wide/long, división de conjuntos de entrenamiento/test.
2. Programación y bases de datos
- Sintaxis y estructuras de control en Python.
- Definición y uso de funciones, estructuras de datos básicas (listas, diccionarios, conjuntos, tuplas).
- Buenas prácticas de scripting: PEP 8, documentación con PEP 257.
- Manejo de módulos y paquetes con pip.
- Tratamiento de excepciones y robustez del código.
- Programación orientada a objetos para modelado de datos y workflows.
- Consultas SQL: SELECT, JOIN, GROUP BY, HAVING, etc.
- Operaciones CRUD (Create, Read, Update, Delete).
- Conexión a bases de datos desde Python (sqlite3, pymysql).
- Consultas parametrizadas y prevención de inyecciones SQL.
- Conversión de tipos entre SQL y Python.
3. Análisis estadístico
- Medidas de tendencia central y dispersión.
- Distribuciones estadísticas básicas: normal, uniforme.
- Correlación (Pearson) y detección de outliers.
- Bootstrap y muestreo para inferencia estadística.
- Regresión lineal y logística: aplicación, interpretación, limitaciones.
4. Análisis y modelado de datos
- Uso de Pandas y NumPy para limpieza, organización y transformación de datos.
- Acceso a datos con loc, iloc, slicing, filtros condicionales.
- Reestructuración: merge, join, pivot, melt.
- Agrupación y agregaciones con groupby y tablas dinámicas.
- Creación de modelos supervisados simples y evaluación de su precisión.
- Prevención de sobreajuste y comprensión del sesgo-varianza.
5. Comunicación y visualización de datos
- Creación de visualizaciones con Matplotlib y Seaborn: histogramas, boxplots, scatterplots, heatmaps.
- Personalización de gráficos: etiquetas, leyendas, títulos, colores.
- Evaluación de representaciones visuales según el tipo de datos y audiencia.
- Narrativa basada en datos: adaptar el mensaje a públicos técnicos y no técnicos.
- Presentación de resultados respaldados con evidencias cuantitativas y visuales.