Estudiante: Modalidad para estudiantes pre-grado universitarios o institutos. Adjuntar foto de carnet vigente o boleta de matrícula.
Estudiante: Modalidad para estudiantes pre-grado universitarios o institutos. Adjuntar foto de carnet vigente o boleta de matrícula.
¡Analiza, modela y visualiza datos con Python como un experto!
Modalidad: Transmisión en vivo vía Microsoft Teams
Docentes, gerentes y ejecutivos con experiencia real
Metodología de aprendizaje moderna
Proyecto integrador: Aplicación práctica
Cursos online gratuitos:
- Excel Intermedio Online, SQL Server Online, Python Fundamentals y Habilidades para el empleo
¿Qué aprenderás en el curso?
SENIOR DATA ARCHITEC MANAGER en BCP
Especialista en Business Intelligence, Business Analytics, Data Mining y Web Mining. Ingeniero Estadístico con Especialización en Intelligence & Business Solutions, Business Intelligence y Programador de Bases de Datos. Especialista con más de 20 años de experiencia en proyectos de Business Analytics, CRM, Data Mining y Big Data en empresas como TELEFÓNICA, BANCO FALABELLA, BANCO DE CRÓDITO DEL PERÚ, EL COMERCIO, entre otras.
A nombre de WE Educación Ejecutiva con 30 horas académicas, avalado por IBM® Partner World.
Python y su importancia en el mundo
Variable y operadores en Python
Entendiendo los tipos de datos básicos: Enteros, flotantes, string
Operaciones básicas de aritméticas y de texto
Caso 1: Operaciones aritméticas
Caso 2: Operaciones con string
Taller 1: Crea una calculadora con Python
Listas: Append, insert, pop, remove, clear
Tuplas, diccionarios, conjuntos
Textos, índices & slicing, lectura por teclado y variables
Funciones: index, count, len, extend, reverse, sort, entre otros
Caso 1: Condicionales anidadas
Caso 2: Operaciones con diccionarios
Taller 2: Realiza operaciones con estructuras de datos
Estructuras condicionales: (If, Else)
Estructuras repetitivas (for, while) y el uso de break y continue
Creación y sintaxis de funciones
Variables locales y globales
Caso 1: Condicionales anidadas
Caso 2: Funciones de bucles y condicionales
Taller 3: Aplicación de estructuras selectivas para la toma de decisiones lógicas
Funciones lambda, documentación y organización del código en módulos
Uso de librería Pandas, series y dataframes
Lectura de Datasets: txt, csv, xlsx
Creación de campos y uso de sentencias: group by, delete, drop
Combinación y cruce de Datasets
Caso 1: Análisis estadístico de datos con pandas
Caso 2 manipulación de datos en un dataset:
Taller 4: Exploración de datos de un caso de negocio con pandas
Librerías de data Viz: Matplotlib
Creación y personalización de gráficos con Matplotlib
Qué gráfico usar según tu necesidad: Comparación, relación, distribución y composición
Buenas prácticas en la visualización de datos
Caso 1: Análisis visual de datos con Matplotlib
Caso 2: Creación de distintos tipos de gráficos
Taller 5: Análisis exploratorio de datos con Matplotlib
Seaborn y su optimización sobre Matplotlib
Creación y manipulación de gráficos con Seaborn
Gráficos univariados, bivariados y multivariados
Caso 1: Análisis estadístico de datos con Seaborn
Caso 2: Creación de distintos tipos de gráficos
Taller 6: Análisis avanzado de datos con Seaborn

