Nivel Explorador

Bootcamp

Análisis de datos

Análisis de datos

El nivel exploratorio de Análisis de Datos abarca conceptos fundamentales para entender y trabajar con datos. Incluye la recolección, organización y limpieza de datos, así como la utilización de herramientas básicas para la visualización de datos, como gráficos y tablas a través del lenguaje de programación Python. 

Perfil de ingreso

  • Uso básico de un computador y navegación por internet.
  • Conocimiento básico de un lenguaje de programación preferiblemente Python o R.
  • Habilidades básicas de comprensión de lectura, matemáticas, razonamiento abstracto.

¿Por qué hacer este entrenamiento?

  • Tratar conceptos fundamentales sobre el análisis de datos.
  • Reconocer las aplicaciones de software esenciales más utilizadas en el
  • mercado para el modelado de datos o el análisis predictivo.
  • Realizar carga y administración de datos: estructurados y no estructurados
  • en una herramienta de análisis estadístico como Python.
  • Efectuar el pre-procesamiento y limpieza de datos a través de un análisis descriptivo de datos.

Qué aprenderás

Qué aprenderás

Your Title Goes Here

Your content goes here. Edit or remove this text inline or in the module Content settings. You can also style every aspect of this content in the module Design settings and even apply custom CSS to this text in the module Advanced settings.

Misión 1. Introducción al análisis de datos y herramientas básicas, Estructuras de datos y Manejo de librerías
  • Fundamentos del análisis de datos.
  • Instalación y configuración de Python.
  • Primeros pasos en Python.
  • Datos primitivos
  • Datos compuestos: listas, tuplas, conjuntos, diccionarios y JSON.
  • Numpy
  • Pandas
Misión 2. Manipulación de datos y estadística simple, Estadística descriptiva básica y Estadística descriptiva intermedia
  • Exploración inicial de datos.
  • Calidad de los datos
  • Técnicas de limpieza de datos.
  • Distribuciones de probabilidad, Normal
  • Medidas de tendencia central
  • Varianza
  • Normalidad
  • Curtosis
  • Percentiles
  • Manejo de valores faltantes y datos atípicos.
Misión 3. Análisis descriptivo de datos, Analitica avanzada, Ejercicios prácticos de manipulación de datos (a seleccionar) y Desarrollo del proyecto transversal
  • Transformación de datos.
  • Técnicas de análisis descriptivo.
  • Matplotlib
  • Visualización de datos básicos.
  • Identificación de patrones y tendencias.
  • Interpretación de gráficos
  • Manejo de archivos (persistencia)
  • Carga de dataset
  • Exploración y manipulación de datos
  • Estadísticas básicas e intermedias
  • Análisis e interpretación
  • Integración de todo el conocimiento adquirido.
  • Trabajo en equipo para el desarrollo del informe preliminar.
  • Presentación del proyecto.