Introduction to Programming in Python

Sin horarios | Dirigido a profesionales que desean trabajar en análisis de datos y están interesados en agregar la programación con Python a sus competencias laborales.

5 weeks (64h.)

Academic information

Why study this course?
  • Lenguaje más extendido: Python es, según el índice TIOBE (The Importance of Being Earnest), el lenguaje de programación más utilizado en la actualidad, lo que lo convierte en una habilidad clave en el mercado laboral.
  • Versatilidad y claridad: Es uno de los lenguajes de programación más versátiles, multiplataforma y fácil de usar. IEEE Spectrum lo define como un lenguaje multiparadigma, dinámico y multipropósito, diseñado para ser rápido de aprender, usar y comprender, con una sintaxis limpia y uniforme.
  • Lenguaje interpretado: Python es un lenguaje interpretado, lo que significa que no requiere compilación, a diferencia de otros lenguajes como Java o C/C++, lo que facilita el desarrollo y la ejecución en tiempo real.
  • Curva de aprendizaje: Python es fácil de leer y escribir debido a su alta similitud con el lenguaje humano. Además, al ser multiplataforma y de código abierto, es gratuito y accesible, permitiendo desarrollar software sin restricciones
Program aims
  • Comprender el entorno de trabajo en Python y su configuración
  • Identificar y utilizar las principales variables y tipos de datos en Python
  • Introducir los conceptos de programación orientada a objetos
  • Aplicar funciones, bucles y estructuras de control para la resolución de problemas en Python
  • Familiarizarse con las principales librerías de Python, como Pandas, datetime y NumPy, para el análisis de datos
  • Aprender a crear visualizaciones efectivas con herramientas como Plotnine, Matplotlib y Plotly
Professional skills

Al finalizar este curso, adquirirás las competencias necesarias para programar en Python, desde los fundamentos básicos hasta el manejo avanzado de datos. Serás capaz de trabajar con variables, estructuras de control y funciones, así como manipular grandes volúmenes de datos usando Pandas. Además, dominarás herramientas para el análisis numérico con NumPy y la visualización de datos con Matplotlib, Plotnine y Plotly, lo que te permitirá abordar proyectos de programación y análisis de datos con un enfoque profesional y eficaz.

Methodology
  • Practical activities from minute 1
  • Cada unidad incluye un examen tipo test, y al final del curso, the estudiantes resolverán un caso práctico guiado

Study plan

1. Python basics

This unit is designed to facilitate the learning and understanding of fundamental programming concepts using the Python language. Python is a versatile and easy-to-learn language that has become a popular choice for both beginners and experienced developers due to its clear and readable syntax.

  • Introduction to Python
  • Variables in Python
  • Types of objects
  • Control structures
  • Functions
2. Intermediate Python

This unit covers a variety of key concepts and techniques in data analysis using the Pandas library in Python. From manipulating DataFrames to performing advanced operations such as merging and aggregating datasets, the content covers a broad spectrum of essential skills for any data professional.

  • Introduction to Pandas
  • Basic Pandas
  • Pandas intermediate
  • Advanced Pandas
3. Advanced Python

This unit explores two fundamental tools for data processing in Python: the datetime library and NumPy. The datetime library provides functionality for handling dates and times accurately, allowing arithmetic operations and comparisons between them. NumPy, on the other hand, stands as a pillar of scientific computing, providing support for multidimensional arrays and high-performance mathematical functions.

  • Datetime in Python
  • The NumPy library
4. Visualisation in Python

En esta unidad se abordan diversos aspectos relacionados con la creación y personalización de gráficos utilizando herramientas como Plotnine, Matplotlib y Plotly. Se inicia con la instalación de librerías clave y la carga de datos para su posterior manipulación. Se exploran distintos tipos de gráficos, desde líneas y barras hasta cajas, histogramas y dispersión. Además, se destacan los métodos para añadir títulos, personalizar ejes y modificar la apariencia de los gráficos.

  • Plotnine
  • Matplotlib
  • Plotly
*The academic program may be subject to changes in line with the changing demand for specific skills in the market. Your employability is our goal.