Udemy Business

Teach on Udemy

Turn what you know into an opportunity and reach millions around the world.

Learn More

Your cart is empty.

Keep shopping

Python para el análisis de datos

Name: Python para el análisis de datos
Rating: 4.6 (534 reviews)

Domina el poder de la ciencia de datos en Python. El curso perfecto para principiantes sin experiencia en programación.

Highest Rated

Created byErick Oziel Hernández Díaz, CursoPython.com ✅

Last updated 4/2024

Spanish

What you'll learn

Aprenderás a programar Python desde 0 y llegarás a un nivel en el que te sentirás seguro/a de programar como un/a profesionista.
Aprender a programar en Python sin necesidad de instalar nada en tu computadora (trabajarás en línea desde tu explorador favorito).
Aprenderás a manipular y analizar datos utilizando herramientas como Numpy, Pandas y Matplotlib.
Aprenderás a utilizar técnicas avanzadas de aprendizaje automático (machine learning).
Aprenderás sobre visualización de datos, qué tipo de gráficos utilizar para cada situación.
Aprenderás a diferenciar conceptos como inteligencia artificial, aprendizaje automático, ciencia de datos, entre otros.
Aprenderás la importancia de la analítica hoy en día y su relación con la industria 4.0.
Aprenderás a crear tu propia página web que te servirá como portafolio.

Course content

16 sections • 226 lectures • 14h 38m total length

¿Por qué Python? - Presentación11:46
Información de la plataforma - Presentación2:15
Obtener ayuda1:13
Ética en IA - Presentación3:01
Ética en IA - Presentación - Parte 23:44
Instalación - Información general - Presentación2:28
Nota: Ubicación de ejercicios en Google Colab0:26
Preparar archivos en Google Colaboratory (Colab)3:42
[Opcional] Instalación local3:14
Primeros pasos - Trabajar en Google Colab - Código3:23
Sintaxis - Instrucciones - Presentación1:12
Sintaxis - Comentarios - Presentación2:02
Sintaxis - Comentarios - Código2:01
Sintaxis - Indentado (sangría) - Presentación1:19
Sintaxis - Indentado (sangría)- Código1:33
Sintaxis - Variables - Presentación2:24
Sintaxis - Variables - Código2:51
Ejercicio práctico integrador - Capítulo 01 - Introducción0:21

Introducción a los tipos de datos - Presentación4:48
Introducción a los tipos de datos - Código0:55
Tipo de datos: Cadenas de texto - Presentación5:37
Tipo de datos: Cadenas de texto - Presentación - Parte 22:32
Tipo de datos: Cadenas de texto - Código6:00
Tipo de datos: Cadenas de texto - Código - Parte 22:04
Tipo de datos: Cadenas de texto - Código - Parte 31:10
[Opcional] Tipo de datos: Cadenas de texto - Código - Parte 48:12
Tipo de datos: Numéricos - Presentación3:19
Tipo de datos: Numéricos - Código5:04
Formato de cadenas de texto - Presentación3:44
Tipo de datos: Booleano - Presentación2:08
Tipo de datos: Booleano - Código3:29
Tipo de datos: Booleano - Código - Parte 22:31
Introducción a los operadores - Presentación0:38
Operadores aritméticos - Presentación0:38
Operadores aritméticos - Código1:55
Operadores de asignación - Presentación1:25
Operadores de asignación - Código1:47
Operadores de comparación - Presentación1:17
Operadores de comparación - Código1:44
Operadores lógicos - Presentación2:40
Operadores lógicos - Código5:16
Operadores de identidad - Presentación1:38
Operadores de identidad - Código3:20
Operadores de membresía - Presentación1:13
Operadores de membresía - Código2:41
Operadores bit a bit - Presentación0:29
Operadores bit a bit - Código2:28
Ejercicio práctico integrador - Capítulo 02 - Tipos de datos y operadores0:03

Introducción a colecciones - Presentación1:20
Introducción a colecciones - Código1:19
Listas - Presentación2:30
Listas - Presentación - Parte 25:06
Listas - Código10:42
Tuplas - Presentación1:02
Tuplas - Código3:53
Función ZIP() - Presentación1:46
Función ZIP() - Código3:42
Conjuntos - Presentación2:42
Conjuntos - Código9:33
Diccionarios - Presentación1:00
Diccionarios - Código8:33
Ejercicio práctico integrador - Capítulo 03 - Colecciones0:02

Introducción al control de flujo - Presentación0:46
Condicional "IF ... ELSE" (SI ... SI NO) - Presentación2:33
Condicional "IF ... ELSE" (SI ... SI NO) - Código4:49
Alternativa con "MATCH ... CASE" - Código2:00
Función "INPUT()" (ENTRADA) - Presentación1:03
Función "INPUT()" (ENTRADA) - Código2:25
Introducción a bucles - Presentación0:21
Bucle "WHILE ..." (MIENTRAS ...) - Presentación1:41
Bucle "WHILE ..." (MIENTRAS ...) - Código3:30
Bucle "WHILE ..." (MIENTRAS ...) - Código - Parte 23:47
Bucle "FOR ..." (POR CADA ...) - Presentación1:41
Bucle "FOR ..." (POR CADA ...) - Código3:58
Bucle "FOR ..." (POR CADA ...) - Código - Parte 22:34
Función "RANGE()" - Código1:34
Iteración sobre diccionarios - Código4:40
Comprensión de listas - Código5:48
Comprensión de tuplas y diccionarios - Código4:46
Ejercicio práctico integrador - Capítulo 04 - Control de flujo0:02

Funciones - Presentación3:34
Funciones - Código3:38
Funciones - Argumentos - Código6:57
Funciones - Argumentos - Código - Parte 25:50
Funciones - Instrucción PASS - Código1:56
Funciones - Alcance de variables - Código3:21
Funciones - Documentación - Código6:09
Decoradores @ - Presentación2:16
Decoradores @ - Código2:27
Clases - Presentación7:05
Clases - Código6:10
Clases - Atributos - Código1:18
Clases - Métodos - Código1:45
Clases - Atributos - Código - Parte 24:08
Clases - Herencia - Código3:18
Clases - Herencia - Código - Parte 22:41
Clases - Decoradores - Código3:13
Clases - Decoradores - Código - Parte 22:14
Ejercicio práctico integrador - Capítulo 05 - Funciones y clases0:02

Manejo de errores - Presentación1:55
Manejo de errores - Código4:35
Manejo de errores - Código - Parte 25:44
Manejo de archivos - Presentación2:39
Manejo de archivos - Montar carpeta - Código5:14
Manejo de archivos - Código1:31
Manejo de archivos - Código - Part 22:39
Manejo de archivos - Código - Part 32:26
Introducción a librerías - Presentación2:55
Introducción a librerías - Código5:53
Ejercicio práctico integrador - Capítulo 06 - Errores, archivos y librerías0:02

Numpy - Presentación3:46
Numpy - Presentación - Parte 21:12
Numpy - Crear arreglos - Presentación1:57
Numpy - Crear arreglos - Presentación - Parte 21:04
Numpy - Crear arreglos - Presentación - Parte 32:05
Numpy - Crear arreglos - Presentación - Parte 40:57
Numpy - Crear arreglos - Presentación - Parte 51:22
Numpy - Indexado y filtros - Presentación5:33
Numpy - Tipos de datos - Presentación1:07
Numpy - Atributos y métodos - Presentación3:24
Numpy - Operaciones - Presentación2:19
Numpy - Agregar datos - Presentación2:47
Numpy - Combinar y separar arreglos - Presentación1:36
Numpy - Manejo de archivos - Presentación0:41
Numpy - Listas vs Arreglos - Código4:50
Numpy - Crear arreglos - Código4:25
Numpy - Información de arreglos - Código1:37
Numpy - Acceder a arreglos - Código6:17
Numpy - Filtros en arreglos - Código2:04
Numpy - Funciones de agregación - Código1:52
Numpy - Tipos de datos - Código1:11
Numpy - Otras funciones - Código3:33
Numpy - Operaciones - Código3:58
Ejercicio práctico integrador - Capítulo 07 - Librería NumPy0:02
Nota: Avance intermedio0:32

Introducción a la visualización de datos - Presentación1:27
Distribución, relación, composición y comparación - Presentación6:20
Visualización de datos - Código1:29
Gráficas básicas - Código17:50
Visualización - Comparación - Código8:16
Visualización - Relación - Código3:07
Visualización - Distribución - Código6:21
Visualización - Composición - Código7:30
Ejercicio práctico integrador - Capítulo 08 - Visualización de datos0:02

Introducción a la librería Pandas - Presentación2:44
Pandas - Conexión a Google Drive1:55
Pandas - Introducción - Código6:45
Pandas - Entradas - Código16:57
Pandas - Datos 1D - Código5:21
Pandas - Datos 2D - Código7:39
Pandas - Múltiples dimensiones - Código1:53
Pandas - Acceder a valores - Código6:56
Pandas - Filtros - Código6:59
Pandas - Funciones de agregación - Código3:14
Pandas - Manipulación de Series y DataFrames - Código4:49
Pandas - Gráficos - Código8:54
Pandas - Métodos y atributos - Código6:35
Pandas - Reemplazo de valores - Código1:39
Pandas - Apply() - Código6:03
Pandas - Groupby() - Código6:34
Pandas - Tabla pivote - Código4:48
Pandas - Manejo de valores faltantes - Código5:33
Pandas - Manejo de valores duplicados - Código5:11
Pandas - Combinar DataFrames - Código5:11
Pandas - Combinar DataFrames - Joins - Código6:16
Pandas - Combinar DataFrames - Joins - Código - Parte 24:32
Pandas - Reportes - Código9:50
Pandas - Salidas - Código4:19
Pandas - Conexión a bases de datos - Código13:31
Ejercicio práctico integrador - Capítulo 09 - Librería Pandas0:02

Introducción a la inteligencia artificial (IA) - Presentación1:21
Ciencia de datos - Presentación1:38
Industria 4.0 - Presentación2:58
Niveles de analítica - Presentación2:27
¿Por qué es tan relevante la analítica hoy en día? - Presentación3:56
Introducción al aprendizaje automático (machine learning) - Presentación1:33
Tipos de aprendizaje automático - Presentación3:12
Tipos de aprendizaje automático - Presentación - Parte 24:48
Preprocesamiento - Presentación4:25
Selección de algoritmos de aprendizaje automático - Presentación1:47
Selección de algoritmos de aprendizaje automático - Presentación - Parte 23:52
Métricas y validación cruzada - Presentación10:04
Infraajuste y sobreajuste (underfitting & overfitting) - Presentación2:34
Optimización de hiperparámetros - Presentación3:35

Requirements

¿Quieres aprender a programar en Python y utilizarlo en el análisis de datos? ¡Genial! ¡No necesitas experiencia previa en programación para empezar! ¡Así es, no hay requisitos para este curso! Solo necesitas una mente curiosa y ganas de aprender (bueno … también una computadora con acceso a internet y una cuenta en Gmail y GitHub, veremos de todas maneras cómo crearla por si no tienes una)

Description

Muchas gracias por tu interés en el curso. Aquí te dejo más detalles:

No hay requisitos: Ideal para principiantes, este programa te guiará desde cero con los conceptos básicos pasando por visualización de datos hasta técnicas avanzadas de aprendizaje automático, todo sin necesidad de experiencia previa en programación. (si ya tienes experiencia previa en Python y solamente te interesa la parte de análisis de datos, puedes comenzar desde el capítulo de librería Numpy)
Trabaja en línea: No necesitas instalar Python en tu computadora, trabaja completamente en línea desde tu explorador favorito (aunque recomendamos Google Chrome).
Herramientas clave y análisis de datos: Domina herramientas como Numpy, Pandas, Matplotlib, Scikit-learn entre otras. Aprende a manipular y analizar datos eficientemente.
Soporte continuo: Accede a un amplio material de apoyo, ejercicios motivadores y una comunidad activa que te ayudará en tu progreso y comprensión.
Desarrolla tu portafolio: Crea tu propia página web personal con Django, un proyecto que no solo consolida tu aprendizaje sino que también sirve como un valioso componente de tu portafolio profesional.

Únete a este viaje transformador y abre las puertas a nuevas oportunidades en el mundo del análisis de datos. ¡Inscríbete hoy, te esperamos en la primera lección!

Muchas gracias por tu preferencia.

Atentamente,

Erick Oziel Hernández Díaz | CursoPython․com

LinkedIn @ErickOzielHernandezDiaz

Más información y cupones de descuento en nuestra página.

NOTA: Basándonos en el feedback, se han agregado más ejercicios prácticos y recursos adicionales.

Who this course is for:

Estudiantes, profesionistas, emprendedores y cualquier persona que quiera aprender Python desde 0 e iniciarse en el mundo del análisis de datos.

Python para el análisis de datos

What you'll learn

Explore related topics

Course content

INTRODUCCIÓN18 lectures • 49min

TIPOS DE DATOS Y OPERADORES30 lectures • 1hr 21min

COLECCIONES14 lectures • 53min

CONTROL DE FLUJO18 lectures • 48min

FUNCIONES Y CLASES19 lectures • 1hr 8min

ERRORES, ARCHIVOS Y LIBRERÍAS11 lectures • 36min

LIBRERÍA NUMPY25 lectures • 1hr

VISUALIZACIÓN DE DATOS9 lectures • 52min

LIBRERÍA PANDAS26 lectures • 2hr 34min

APRENDIZAJE AUTOMÁTICO14 lectures • 48min

Requirements

Description

Who this course is for: