Envíanos tu consulta

Buscar cursos

Catálogo 2024

¡Últimas plazas!Cursos Servicios FUNDAE Plataforma LMS

Solicitar información

Buscar cursos

Solicitar información

Cursos/Cursos de Big Data/Curso Análisis y visualización de datos con Python

Curso completo de Análisis y visualización de datos con Python

DISPONIBLE EN MODALIDAD:

Aula Virtual Personalizada

Empieza en el mundo de la ciencia de datos a través del análisis de datos y la creación de visualizaciones con Python para la toma de decisiones a nivel profesional

Formación en Análisis y visualización de datos con Python bonificable para empresas

¿A quién va dirigido?

Desarrolladores, con experiencia en Python, que quieran empezar en el mundo de la ciencia de datos a través del análisis de datos y la creación de visualizaciones para la toma de decisiones a nivel profesional

Objetivos

Aprender los fundamentos del análisis de datos
Aprender a utilizar las distintas soluciones que brindan las librerías de Python para el análisis y visualización de datos
Aprender a encontrar relaciones entre distintos orígenes de datos (Excel, csv, bases de datos, etc.)
Aprender a tratar los datos de manera profesionar y crear informes visuales que permitan sacar conclusiones

¿Qué vas a aprender?

Empieza en el mundo de la ciencia de datos a través del análisis de datos y la creación de visualizaciones con Python para la toma de decisiones a nivel profesional

Requisitos

Tener experiencia desarrollando con Python, bases de datos y tener conocimientos fundamentales de ciencia de datos
Son necesarios permisos de instalación en el equipo en el que se realice la formación
Tener acceso (revisar configuraciones proxy en caso de tenerlas) a una cuenta Community de Azure Databricks
Disponer de una cuenta de Google con acceso a Google Colab donde poder realizar pruebas de modelos
Tener Python 3, Git, Docker Desktop y un IDE para desarrollar en Python instalado previamente (por ejemplo Pycharm) instalados previamente en el equipo

Temario del curso

tema 1

Introducción al análisis de datos con Python

¿Qué es el análisis de datos?
Importancia y aplicaciones del análisis de datos
Tareas en el análisis de datos
Tipos de datos: numéricos, categóricos, texto, fechas, etc.
Instalación de Python y configuración del entorno de trabajo
Configuración del IDE y plugins de interés
Creación de proyecto y primeros pasos

tema 2

Preparación de datos

Obtención y carga de datos desde diferentes fuentes (CSV, Excel, API, bases de datos, etc.)
Limpieza y transformación de datos
Manejo de valores faltantes y nulos
Eliminación de duplicados
Corrección de errores y valores atípicos
Normalización y estandarización de datos
Manipulación y filtrado de datos
Selección de columnas relevantes
Filtrado de filas según condiciones
Ordenamiento de datos
Aplicación de funciones y transformaciones a los datos

tema 3

Análisis exploratorio de datos

Estadísticas descriptivas
Medidas de tendencia central (media, mediana, moda)
Medidas de dispersión (varianza, desviación estándar)
Resumen estadístico (mínimo, máximo, percentiles)
Análisis univariable y multivariable
Histogramas y gráficos de distribución
Boxplots y diagramas de caja y bigotes
Matrices de correlación
Análisis de frecuencia y tablas de contingencia
Visualización de datos
Gráficos de barras y columnas
Gráficos de líneas y áreas
Gráficos de dispersión y correlación
Gráficos de torta y donut
Heatmaps y mapas de calor

tema 4

Procesamiento y transformación de datos

Agrupación y segmentación de datos
Agrupación por categorías o rangos
Segmentación temporal
Reducción de dimensionalidad
Análisis de componentes principales (PCA)
Análisis discriminante lineal (LDA)
Normalización y estandarización de datos
Escalamiento de variables
Normalización min-max
Discretización y binning de datos
Conversión de variables continuas a categóricas
Creación de intervalos o rangos de valores
Extracción de características y selección de variables
Selección de características relevantes
Extracción de características mediante técnicas como PCA o LDA

tema 5

Análisis de datos temporales y series de tiempo

Manipulación y transformación de fechas y horarios
Análisis de estacionalidad y tendencias en series de tiempo
Métodos de suavizado y pronóstico
Análisis de componentes de series de tiempo
Descomposición y detección de anomalías

tema 6

Modelado y predicción

Selección de modelos adecuados al tipo de problema
Entrenamiento y evaluación de modelos
Separación de conjuntos de entrenamiento y prueba
Métricas de evaluación (precisión, recall, F1-score, etc.)
Validación cruzada y ajuste de hiperparámetros
Grid Search y Random Search
Validación cruzada k-fold
Algoritmos de aprendizaje supervisado (regresión lineal, regresión logística, árboles de decisión, SVM, etc.)
Algoritmos de aprendizaje no supervisado (agrupamiento, detección de anomalías, reducción de dimensionalidad)
Algoritmos de aprendizaje profundo (redes neuronales, CNN, RNN, etc.)
Interpretación y análisis de los resultados del modelo

tema 7

Visualización avanzada de datos

Visualización interactiva con librerías como Plotly, Bokeh y Seaborn
Gráficos geoespaciales y mapas
Visualización de redes y grafos
Dashboards y paneles de control

tema 8

Análisis y visualización de datos en la nube

Introducción a soluciones en la nube para análisis de datos (Google Cloud Platform, Microsoft Azure, Amazon Web Services)
Uso de DataBricks para análisis y procesamiento de datos a gran escala
Trabajando con Google Colab
Despliegue de aplicaciones Python en la nube utilizando servicios como Flask, Heroku, AWS Lambda, etc.
Integración de bases de datos en la nube (Firebase, MongoDB Atlas, PostgreSQL en la nube)

tema 9

Administración de proyectos de análisis de datos

Organización y estructura de proyectos de análisis de datos
Uso de control de versiones con Git y GitHub
Creación y mantenimiento de entornos virtuales con virtualenv o conda
Documentación de proyectos y buenas prácticas de programación
Colaboración y trabajo en equipo en proyectos de análisis de datos

tema 10

Creación de soluciones mantenibles, extensibles y seguras

Diseño de arquitecturas escalables para proyectos de análisis de datos
Modularidad y reutilización de código
Automatización de tareas y procesos
Gestión de dependencias y actualización de librerías
Pruebas unitarias y de integración en proyectos de análisis de datos

tema 11

Seguridad y privacidad en el análisis de datos

Protección de datos sensibles y cumplimiento de regulaciones
Anonimización y pseudonimización de datos
Seguridad en la transferencia y almacenamiento de datos
Identificación y mitigación de riesgos de seguridad en proyectos de análisis de datos
Protección contra ataques y amenazas comunes

tema 12

Visualización avanzada de resultados

Creación de gráficos interactivos con Dash y Bokeh
Creación de informes y presentaciones con Jupyter Notebook y R Markdown
Integración de visualizaciones en aplicaciones web y dashboards interactivos
Visualización de resultados en entornos de realidad virtual y aumentada
Mejores prácticas de diseño y comunicación visual en la presentación de resultados

tema 13

Ética en el análisis y visualización de datos

Consideraciones éticas en la recopilación y uso de datos
Sesgos y equidad en el análisis de datos
Responsabilidad y transparencia en la toma de decisiones basadas en datos
Cumplimiento de regulaciones y políticas de privacidad
Impacto social y ético del análisis de datos

tema 14

Resolución de problemas y solución de errores en el análisis de datos

Identificación y depuración de errores en el análisis de datos
Uso de herramientas de depuración y visualización de datos
- Estrategias de resolución de problemas en el análisis de datos
Investigación y búsqueda de soluciones a problemas específicos
Manejo de errores comunes en la manipulación y análisis de datos
Optimización del rendimiento y eficiencia en el análisis de datos
Gestión de excepciones y manejo de errores durante la ejecución del código

tema 15

Aplicaciones prácticas del análisis y visualización de datos

Análisis de datos financieros y económicos
Análisis de datos de marketing y comportamiento del consumidor
Análisis de datos en el sector de la salud y medicina
Análisis de datos en el ámbito de la energía y medio ambiente
Análisis de datos en redes sociales y análisis de sentimientos

tema 16

Proyecto final: Desarrollo de un sistema de análisis y visualización de datos

Definición de requisitos y alcance del proyecto
Diseño de la arquitectura del sistema
Implementación del sistema utilizando las técnicas y herramientas aprendidas
Pruebas y validación del sistema
Documentación y presentación del proyecto

Testimonios de nuestros clientes

“Empecé a formarme recientemente con ellos y estoy muy sorprendido de la metodología y la calidad de los contenidos. He hecho varios cursos online con otros proveedores pero con ninguno he terminado tan satisfecho como con Imagina.”

“Mi empresa contrató un Aula Virtual Personalizada con Imagina, después de tener malas experiencias con otras academias y nos sorprendió la profesionalidad con la que trabajan. Hicimos 3 reuniones técnicas con Martín antes de empezar la formación y quedamos encantados con el resultado, sin duda repetiremos.”

Curso de Análisis y visualización de datos con Python bonificado para Empresas a través de FUNDAE

Somos entidad organizadora de FUNDAE, todas nuestras formaciones se pueden bonificar hasta el 100%, sujeto a vuestro crédito disponible y a cumplir con todos los requisitos de realización establecidos por la Fundación Estatal para el Empleo.

Si desconoces el funcionamiento de las bonificaciones, ofrecemos el servicio de gestión en FUNDAE, consúltanos cualquier duda que te surja.

Descargar Guía FUNDAE

Contáctanos

¿Qué formación necesitas?

En Imagina llevamos más de 14 años ofreciendo formación para empresas, estamos especializados en el área técnica y de ofimática, adaptando nuestras formaciones a vuestras necesidades. Déjanos tus datos, y nos pondremos en contacto contigo para informarte sobre el curso que mejor se ajuste a lo que buscas. Cuéntanos tus necesidades y podremos asesorarte sobre la modalidad que mejor se adapte: Curso Online o Aula Virtual Personalizada