Curso Python para análisis de datos 20 horas.
Las clases cubren desde conceptos básicos de Python hasta el análisis y visualización de datos utilizando bibliotecas como Pandas, NumPy, Matplotlib, Seaborn, Plotnine y Plotly. Se hace un fuerte énfasis en el uso de Pandas para la manipulación y análisis de datos tabulares, y se exploran diversas técnicas de visualización para comprender y comunicar los resultados. El contenido se presenta de forma práctica, con ejemplos concretos y ejercicios aplicados.
Objetivo: Capacitar a ejecutivos en el uso de Python para automatizar la generación de informes, reducir errores operativos y mejorar la toma de decisiones a nivel corporativo.
Curso en vivo por Zoom para particulares y cursos presenciales para empresas.
Contenido
- Objetivo: Familiarizarse con el entorno de Python y los tipos de datos básicos.
- Contenido:
- Variables y Tipos de Datos: int, float, str.
- Operaciones básicas y asignación de variables.
- Estructuras de datos: Listas, Tuplas, Conjuntos, Diccionarios.
- Entrada y salida de datos con la función input().
- Uso de condicionales if/else para control de flujo.
- Funciones clave: type(), input(), operadores aritméticos.
- Objetivo: Profundizar en el manejo de tuplas y conjuntos.
- Contenido:
- Tuplas: Creación, acceso a elementos, longitud (len()), comparación.
- Conjuntos: Creación, adición (add()), eliminación (remove()), pertenencia (in, not in).
- Funciones clave: len(), add(), remove(), in, not in.
- Objetivo: Aprender a cargar y explorar datos con Pandas.
- Contenido:
- DataFrames: Creación a partir de archivos Excel.
- Lectura de datos: pd.read_excel().
- Exploración básica: df.head(), df.dtypes, df.iloc[].
- Selección de columnas.
- Librerías: pandas.
- Funciones clave: pd.read_excel(), df.head(), df.dtypes, df.iloc[].
- Objetivo: Manipular y filtrar DataFrames para obtener información relevante.
- Contenido:
- Agrupación de datos: df.groupby().
- Agregación de datos: .agg([‘sum’, ‘count’, ‘min’, ‘max’, ‘mean’]).
- Filtrado de filas: Creación de nuevos DataFrames basados en condiciones.
- Transformación de tipos de datos: .astype().
- Conversión de texto a fechas: pd.to_datetime().
- Librerías: pandas, datetime.
- Funciones clave: df.groupby(), .agg(), pd.to_datetime(), .astype().
- Objetivo: Crear visualizaciones básicas con Matplotlib.
- Contenido:
- Gráficos de líneas: plt.plot().
- Personalización: plt.xlabel(), plt.ylabel(), plt.title(), plt.tick_params().
- Líneas de referencia: plt.axhline().
- Librerías: matplotlib.pyplot, numpy.
- Funciones clave: plt.plot(), plt.xlabel(), plt.ylabel(), plt.title(), plt.axhline().
- Objetivo: Crear visualizaciones más avanzadas con Seaborn.
- Contenido:
- Gráficos de líneas: sns.lineplot().
- Gráficos de barras: sns.barplot().
- Personalización de gráficos.
- Librerías: seaborn, matplotlib.pyplot.
- Funciones clave: sns.lineplot(), sns.barplot().
- Objetivo: Aprender a usar la sintaxis declarativa de Plotnine para la visualización de datos.
- Contenido:
- Creación de gráficos: ggplot() + aes() + geom_line().
- Personalización: theme(), element_text().
- Librerías: plotnine.
- Funciones clave: ggplot(), aes(), geom_line(), theme().
- Objetivo: Combinar DataFrames y crear nuevas columnas basadas en cálculos.
- Contenido:
- Unión de DataFrames: pd.merge().
- Creación de nuevas columnas: Realizar cálculos y aplicar funciones (.apply()).
- Librerías: pandas.
- Funciones clave: pd.merge(), .apply().
- Objetivo: Crear gráficos interactivos con Plotly.
- Contenido:
- Gráficos de dispersión: px.scatter().
- Gráficos de barras: px.bar().
- Histogramas: px.histogram().
- Gráficos de torta: px.pie().
- Gráficos Sunburst y Treemap: px.sunburst(), px.treemap().
- Subgráficos: make_subplots().
- Librerías: plotly.express, plotly.graph_objects, plotly.subplots.
- Funciones clave: px.scatter(), px.bar(), px.pie(), px.sunburst(), px.treemap(), make_subplots().
- Objetivo: Aplicar todos los conocimientos adquiridos en un proyecto práctico.
- Contenido:
- Análisis completo de un conjunto de datos.
- Creación de informes y visualizaciones.
- Resolución de problemas de negocio.
- Librerías: Todas las vistas en el curso: pandas, numpy, matplotlib, seaborn, plotnine, plotly, datetime.
- Funciones clave: Todas las vistas en el curso.
Nuestros cursos
Beneficios Clave:
- Automatización de Informes:
- Ahorro significativo de tiempo en la preparación de informes diarios, semanales y mensuales.
- Reducción de errores operacionales mediante la automatización de procesos.
- Herramientas Modernas para la Toma de Decisiones:
- Análisis de datos avanzado para una toma de decisiones más informada y estratégica.
- Visualización de datos interactiva para una mejor comprensión de las tendencias y patrones.
- Desarrollo de Habilidades Técnicas:
- Adquisición de habilidades en Python, una de las herramientas más demandadas en el análisis de datos.
- Capacidad para personalizar y adaptar las herramientas de análisis a las necesidades específicas de la empresa.
- Dirigido a: Profesionales de administración, finanzas, contabilidad, ingenierías.
- Máximo 20 alumnos por curso.
- Obtención de certificado con evaluación aplicada.
- Clases 2 veces por semana, duración 5 semanas.
- Requisito manejar Excel básico-intermedio.
- Campus virtual 24/7.
- Cursos altamente demandados en el mercado laboral.
- Forma de pago transferencia o tarjeta de crédito.
- Cursos en vivo por Zoom y presenciales.
- Capacitaciones cerradas para empresas.
- Capacitaciones para alumnos particulares.
Profesores
Manuel Oliva: Fundador de ProgramBI. Magíster Data Science Universidad Adolfo Ibañez. Experiencia laboral en la banca y corredora de bolsa en áreas de inversiones & riesgos financieros. Profesor MBA e Ingeniería Comercial en la Universidad Gabriela Mistral.
Emanuel Berrocal: Experto en Inversiones, como porfolio manager de renta fija en la mesa de dinero del Banco Itaú, Ingeniero Civil Matemático de la Universidad de Chile, Diplomado en Estadística Universidad Católica.
Rodrigo Vega: Ingeniero Comercial de la Universidad de Chile, Experto en visualización y análisis masivos de datos. Especialista en Businness Intelligence en Ecomsur. Con experiencia en asesorías de reportes dinámicos a grandes empresas.
Clientes de empresas y particulares
