Todo tipo de estudiantes y profesionales interesados en el aprendizaje de Python para el análisis de datos y el entrenamiento de modelos de Inteligencia Artificial.

¿Qué necesitas para participar en el curso?

• Ordenador conectado a Internet.
• Altavoces para poder escuchar, y recomendable webcam para vernos.
• Micrófono para poder hablar. En caso de no contar con micrófono, puedes participar a través del chat de la plataforma.
• El acceso al curso que se facilitará cuando se confirme la inscripción, una vez finalizado el plazo de matrícula.

• Tema 1. Python

Aprenderemos lo necesario para programar sencillas rutinas en Python. Conoceremos las clases básicas incluidas en el lenguaje, (tipos simples, listas, tuplas, diccionarios…), las funciones integradas, las estructuras de control (bucles y la sentencia condicional “if”) y algunas de las librerías integradas (para la generación de números aleatorios, uso de funciones matemáticas y estadísticas, etc.). Un objetivo importante de este primer bloque es entender el concepto de clase y objeto en el paradigma de la Programación Orientada a Objetos. Anaconda y Jupyter.

• • Tipos de datos
  • Funciones
  • Estructuras de control
  • Librerías

• Tema 2. NumPy

NumPy implementa una clase, el array NumPy multidimensional, que amplía enormemente la capacidad de Python para la carga y transformación de datos. Aprenderemos qué es un array NumPy, qué funciones están disponibles para su transformación y aplicaremos este conocimiento en la lectura de ficheros de datos y aplicación de sencillas transformaciones.

• • Introducción a NumPy
  • Arrays NumPy
  • Extracción y modificación de datos
  • Aplicación de funciones

• Tema 3. Pandas

La librería Pandas, construida sobre NumPy, implementa dos clases principales, la Serie y el DataFrame que amplían la funcionalidad de los arrays NumPy. En este bloque aprenderemos a crear y utilizar estas estructuras, las funciones que tienen disponibles y cómo podemos utilizarlas para transformar los datos.

• • Introducción a Pandas
  • Series y Dataframes Pandas
  • Extracción y modificación de datos
  • Aplicación de funciones
  • Limpieza de datos con Pandas

• Tema 4. Herramientas de visualización:

Una parte fundamental en el proceso de carga y transformación de los datos (así como en todos los procesos orientados al entrenamiento de modelos predictivos) es la capacidad de visualización de datos. En este último bloque aprenderemos a utilizar la librería matplotlib (librería referencia en el mundo Python) y la librería Seaborn que, construida sobre matplotlib, nos ofrece una interfaz de alto nivel con gráficos mucho más potentes y armoniosos.

• • Funciones de visualización de Matplotlib
  • Funciones de visualización de Seaborn

• Tema 5. Aplicación al entrenamiento de un modelo predictivo:

Se realizará una dinámica práctica centrada en el entrenamiento de un modelo predictivo sencillo utilizando una Red Neuronal.