Análisis avanzado de datos con Python - eLearning

450,00 EUR

  • 30 hours
eLearning

Libera el poder de los datos con el Análisis Avanzado de Datos usando Python y transforma información en bruto en conocimientos empresariales significativos. Este curso integral está diseñado para ayudarte a dominar las técnicas modernas de análisis de datos utilizando las bibliotecas más potentes de Python, incluidas NumPy, Pandas y Matplotlib.

Características clave

Idioma

Curso y material en inglés

Nivel

Nivel intermedio-avanzado

Acceso

1 año de acceso a la plataforma de aprendizaje

Más de 9 horas de videos a demanda

con más de 30 horas de estudio recomendadas

8 evaluaciones calificadas automáticamente

29 ejercicios prácticos guiados

4 tareas

y 55 cuestionarios de repaso

Certificación

Certificación de finalización del programa incluida

Hero

Resultados de aprendizaje

Al final de este curso, serás capaz de:

Manipulación

Utiliza Python para la manipulación y el análisis avanzado de datos

Pandas

Limpia, transforma y preprocesa conjuntos de datos complejos usando Pandas

NumPy

Realiza cálculos numéricos de forma eficiente usando NumPy

Matplotlib

Crea visualizaciones de datos significativas con Matplotlib

Exploratorio

Aplica técnicas de análisis exploratorio de datos (EDA) para descubrir información valiosa

Formato de datos

Trabajar con formatos de datos estructurados y no estructurados

Decisión

Realiza análisis estadísticos para tomar mejores decisiones

Conjuntos de datos

Combina múltiples conjuntos de datos para obtener conocimientos analíticos más profundos

Resolución de problemas

Gana confianza para resolver problemas de datos del mundo real usando Python

Hero

Cronograma del curso

  1. Análisis exploratorio de datos en Python

    Lección 01

    • ¿Qué es EDA?
    • Perfilado de un conjunto de datos
    • Resumen de variables categóricas
    • Resumir variables cuantitativas
    • Combinación de conjuntos de datos
    • Reestructuración de conjuntos de datos
    • Correlación
  2. Análisis de datos confirmatorio en Python

    Lección 02

    • Introducción a CDA
    • De la exploración a la confirmación
    • Caso de estudio: pruebas A/B
    • Comprobación de la normalidad
    • Fundamentos de la regresión lineal
    • Regresión con Stats Models
    • Muestras independientes con prueba t
    • Regresión múltiple
  3. Pandas intermedio

    Lección 03

    • Introducción a Pandas intermedio
    • Índice múltiple
    • Fechas y horas
    • Remuestreo
    • Funciones de ventana
    • Valores faltantes
    • Reasignación de valores
    • Expresiones regulares
  4. Datos no estructurados en Python

    Lección 04

    • Descripción general de los datos no estructurados
    • Preprocesamiento de imágenes
    • Segmentación de imágenes
    • Representación de la imagen
    • Conceptos básicos de NLTK
    • Acceso a corpus
    • Procesamiento de corpus
    • Análisis y etiquetado de corpus
  5. Trabajar con APIs en Python

    Lección 05

    • ¿Qué es una API?
    • Conceptos básicos de la API REST
    • APIs REST en Python
    • APIs de streaming en conceptos básicos
    • APIs de streaming en Python
    • Procesamiento de datos en streaming
    • Mejores prácticas para tokens de API
  6. Computación paralela con Dask

    Lección 06

    • Dask y computación paralela
    • Dataframes de Dask
    • Procesamiento de datos en Dask
    • Operar con dataframes de Dask
    • Visualización de dataframes de Dask
    • Visualización del rendimiento con el panel de control de Dask
  7. Seaborn intermedio

    Lección 07

    • Visualización de la distribución
    • Temas personalizados y paletas de colores
    • Fuentes personalizadas y anotaciones
    • Jointpilot y Jointgrid
    • Visualización de la regresión
    • Facetgrid
  8. Visualización interactiva con Plotly y Bokeh

    Lección 08

    • Visualizaciones estáticas vs dinámicas
    • Conceptos básicos de Plotly
    • Plotly Express en profundidad
    • Objetos de gráfico
    • Presentación de Bokeh
    • Personalización de gráficos en Bokeh
    • Personalización de diseños en Bokeh
analítica de datos

¿Quién debería inscribirse en este programa?

Requisitos previos

  • Conocimientos básicos de programación en Python
  • Familiaridad con los conceptos fundamentales de programación (variables, bucles, funciones)
  • Tener conocimientos básicos de matemáticas o estadística es útil, pero no obligatorio
  • Interés en el análisis de datos y la resolución de problemas

Aspirantes a analistas de datos y científicos de datos

Desarrolladores de software que hacen la transición a roles de datos

Analistas de negocio que trabajan con decisiones basadas en datos

Profesionales que buscan mejorar sus habilidades en Python y analítica

Comenzar curso ahora

Declaraciones

Licencias y acreditación

Este curso se ofrece de acuerdo con el Acuerdo del Programa de Socios y cumple con los requisitos del Acuerdo de Licencia

Política de equidad

Se anima a los candidatos a ponerse en contacto con AVC para recibir orientación y apoyo durante todo el proceso de adaptación.


Preguntas frecuentes

Contact background

¿Necesita soluciones corporativas o integración LMS?

¿No encontraste el curso o programa que encajaría para tu empresa? ¿Necesitas integración con un LMS? ¡Escríbenos! ¡Resolveremos todo!