Temario del curso
Fundamentos de Python para tareas de datos
- Instalación de Python y configuración del entorno de desarrollo
- Fundamentos del lenguaje: variables, tipos de datos, estructuras de control
- Escritura y ejecución de scripts simples en Python
Manejo de archivos: CSV y Excel
- Lectura y escritura de archivos CSV usando el módulo csv y Pandas
- Trabajo con archivos Excel usando openpyxl/xlrd y Pandas
- Ejercicios prácticos: automatización de conversiones de archivos
Introducción a Pandas
- Conceptos básicos de DataFrame: creación, indexación, selección y filtrado
- Operaciones de agregación y agrupación
- Operaciones comunes de limpieza: valores ausentes, duplicados y conversiones de tipos
Introducción a Polars
- Conceptos de Polars y características de rendimiento en comparación con Pandas
- Operaciones básicas de DataFrame en Polars
- Ejemplo de caso de uso: cuándo elegir Polars sobre Pandas
Transformación avanzada de datos (Nivel intermedio)
- Uniones complejas, funciones de ventana y operaciones de pivoteo en Pandas
- Patrones eficientes de procesamiento de datos con Polars
- Encadenamiento de operaciones y optimización del uso de memoria
Automatización de procesos con Python
- Escritura de scripts para automatizar tareas repetitivas de datos y pasos ETL
- Programación de scripts con programadores de tareas del SO o programadores de tareas
- Registro de eventos (logging), manejo de errores y notificaciones
Empaquetado de scripts y buenas prácticas
- Creación de ejecutables con PyInstaller o herramientas similares
- Estructuración de proyectos, entornos virtuales y gestión de dependencias
- Fundamentos de control de versiones y documentación de flujos de trabajo
Mini-proyecto práctico
- Tarea de principio a fin: lectura de archivos brutos, limpieza y transformación de datos, generación de salidas
- Automatización del flujo de trabajo y empaquetado como script ejecutable o binario
- Revisión y mejoras basadas en retroalimentación de pares
Resumen y próximos pasos
Requerimientos
- Conocimiento básico de conceptos de programación o disposición para aprender
- Familiaridad con el uso de la línea de comandos o terminal para la instalación de paquetes
- Experiencia trabajando con hojas de cálculo (CSV/Excel)
Público objetivo
- Analistas de datos y personal de operaciones que automatizan tareas de datos
- Ingenieros analíticos que buscan scripting ligero para ETL
- Profesionales interesados en flujos de trabajo de datos prácticos basados en Python
Reseñas (3)
Los ejercicios prácticos relacionados con el contenido realmente ayudan a comprender más sobre cada tema. Además, el estilo de comenzar la clase con una conferencia y continuar con ejercicios prácticos es bueno y útil para relacionarlo con la conferencia presentada anteriormente.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Curso - Introduction to Data Science and AI using Python
Traducción Automática
El formador estuvo muy disponible para responder todas las preguntas que hice
Caterina - Stamtech
Curso - Developing APIs with Python and FastAPI
Traducción Automática
Conocimiento interesante
Gabriel - MINDEF
Curso - Machine Learning with Python – 4 Days
Traducción Automática
