Python Fundamentals
Python Fundamentals
PYTHON FUNDAMENTALS
FOR DATA SCIENCE
DURACIÓN: 32 HORAS
En este curso online, obtendrás los conocimientos y habilidades para empezar el uso del lenguaje Python como
herramienta de trabajo, así como manipular los datos y construir funciones con múltiples enfoques. Asimismo, te
servirá de introducción al campo de Ciencia de Datos para seguir otros cursos especializados.
DIRIGIDO
Profesionales, egresados y estudiantes, interesados en utilizar la programación en lenguaje Python.
METODOLOGÍA
El enfoque práctico-reflexivo de cada una de las sesiones virtuales en tiempo real, así como la participación de los
estudiantes en un ambiente interactivo de clases moderado por el instructor, permitirá el aprendizaje de
contenidos y su aplicación en la resolución de contextos reales, utilizando herramientas digitales para el
aprendizaje significativo.
BENEFICIOS
Acceso a la plataforma de Microsoft Azure Lab Services, desde cualquier PC o laptop con una conexión de Internet
de 2 Mbps como mínimo.
• La máquina virtual estará configurada con el software y hardware necesario, con velocidad 2.1 Gbps de navegación
disponible para las sesiones de clases.
• Correo institucional de Cibertec.
• Licencia de Office 365 (Word, Excel, Power Point, etc.).
• Acceso a Microsoft OneDrive y Microsoft Teams.
PRE-REQUISITOS
• Conocimiento de algoritmos (nivel básico).
• Conocimiento de estadística (nivel básico).
CERTIFICACIONES
• Al término de la capacitación obtendrás un certificado de "Python Fundamentals for Data Science", a
nombre de Cibertec.
• Al completar satisfactoriamente los cursos obligatorios de la línea de especialización y uno de los cursos
opcionales se te acreditará con una "Especialización en Ciencia de Datos".
LÍNEA DE ESPECIALIZACIÓN
R Fundamentals for Data Science MCSA Azure Data
Data Sciense for Developer Scientist Associate
CONCEPTOS Y TERMINOLOGÍA
CONTENIDO
CONTENIDOTEMÁTICO
TEMÁTICO
Introducción a Python Funciones • Matrices. Funciones adicionales
• Historia de Python. • Definiciones de funciones. • Dataframes. • Manejo de errores.
• Zen de Python. • Variables locales y • Series. • Expresiones lambda.
• Usos de Python. variables globales. • Operaciones. • Map Reduce.
• Intérprete. • Llamadas a funciones. • Decoradores.
• Anaconda. • Argumentos. Base de datos en Python • Generadores.
• Funciones recursivas. • Estructuradas. • List Comprehensions.
Tipos de Objetos • Documentación del código. • No estructuradas.
• Números. • SQL Alchemy. Web Scraping
• Cadenas (strings). Módulos y Librerías • Data wrangling. • Beautiful Soup.
• Listas. • Arquitectura. • HTML.
• Diccionarios. • Import. Estadísticas • Xpath.
• Tuplas. • Librerías útiles. • Estadística Descriptiva. • CSS.
• Ficheros. • Estadística Multivariada.
Clases Preprocesamiento de
Sentencias y sintaxis • Atributos. Gráficas Datos en Pandas
• Jerarquía. • Operadores. • Histogramas. • Análisis exploratorio.
• Sentencias. • Objetos. • Mapas de calor. • Carga de archivos.
• Indentación. • Programación orientada • Box plot. • Estadísticas de resumen.
• Sentencia If. a objetos. • Dispersión. • Manejos de NULL.
• While. • Barras. • Índices, iloc, loc.
• For. Paquete de Numpy • Lineal. • Conversión tipo de datos.
• Iteraciones. y Pandas • Métodos.
• Vectores. • Numpy.