Introducción (Resumen):

En este programa se mostrarán las diferentes formas de construir códigos con Python a través de VisualStudio o Google Collab con vistas a Jupyter Notebook identificando la lógica de indexado de Python y las operaciones básicas predefinidas sin adiciones de librerías.
Se mostrarán los pasos para la lectura de archivos, validar que la carga es correcta y cómo es que Python interpreta la lectura de dicha información.
Se presentarán las librerías Pandas y Numpy con una serie de librerías nuevas que permitan realizar la visualización de los datos, así como algunas otras operaciones de correlación, gráficos y diagramas para comenzar a cimentar las bases para un correcto desarrollo de modelos.

Objetivo del Programa (Resumen):

Tomando como base las problemáticas de la vida real y la explotación y exploración de los datos, el objetivo es desarrollar y pulir las habilidades de programación usando el lenguaje Python con el objetivo de generar las bases para el desarrollo de modelos estadísticos.

Perfil del Participante:

No se necesita ser experto en algún tema de matemáticas o programación, sin embargo, se requiere de la lógica para el desarrollo del lenguaje de programación con Python.

Perfil de Egreso:

Al final del programa el participante será capaz de:
– Validar e interpreta la lectura de información cargada en Python.
– Uso de distintas librerías de Python necesarias para la lectura y operaciones
sobres bases de datos.
– Realizar la visualización de los datos, así como algunas operaciones de
correlación, gráficos y diagramas para un correcto desarrollo de modelos
– Explicar la metodología SEMMA para un correcto desarrollo, validación e
implementación de modelos

Temario del Programa.

1. Introducción a Python. Lógica interna y programación
2. Lectura de archivos de datos externos y operaciones básicas de Python
3. Pandas, dataframes. y operaciones. Unión, Cruces, Búsquedas, Alteraciones
4. Uso de librería Pandas, Numpy y entre otrasnecesarias para la lectura y operaciones
sobres las bases de datos
5. Librerías en Python para el desarrollo de modelos y visualización
6. Proceso para desarrollar, implementar modelos