Sin horarios | 2 horas diarias recomendadas | Revisión de los conceptos clave de programación necesarios para abordar el tratamiento y aprovechamiento de los datos mediante código. Aprenderás el lenguaje de programación en Python, que podrás practicar mediante material práctico autocorregible.
Estas son algunas de las funciones que podrás desempeñar al especializarte en Data Science: Data Scientist, Data Analyst, Data Engineer, experto en visualización de datos, experto en arquitecturas de almacenamiento y procesamiento de datos, experto en machine learning, experto en inteligencia de negocio, Chief Data Officer (CDO), Business Analytics, Business Intelligence. A través del Máster Data Science Online adquieres los conocimientos técnicos requeridos para optar a las siguientes certificaciones: AWS Certified Data Analytics, Google Data Analytics Certificate, IBM Data Analytics Professional, Associates Certified Analytics Professional (aCAP), Professional Certification BigML Certified Engineer.
Presentación del plan de estudios, de herramientas de trabajo, funcionamiento del programa y presentación del grupo.
Esta unidad está diseñada para facilitar el aprendizaje y la comprensión de los conceptos fundamentales de programación utilizando el lenguaje Python. Este es un lenguaje versátil y fácil de aprender, que se ha convertido en una opción popular, tanto para principiantes como para desarrolladores experimentados, debido a su sintaxis clara y legible.
En esta unidad se abordan una variedad de conceptos y técnicas clave en el análisis de datos utilizando la biblioteca Pandas en Python. Desde la manipulación de DataFrames hasta la realización de operaciones avanzadas como la fusión y agregación de conjuntos de datos, el contenido abarca un amplio espectro de habilidades esenciales para cualquier profesional que trabaje con datos.
En esta unidad se exploran dos herramientas fundamentales para el procesamiento de datos en Python: la librería datetime y NumPy. La librería datetime ofrece funcionalidades para manejar fechas y horas de manera precisa, permitiendo operaciones aritméticas y comparaciones entre ellas. Por otro lado, NumPy se erige como un pilar de la computación científica, proporcionando soporte para matrices multidimensionales y funciones matemáticas de alto rendimiento.
En esta unidad se abordan diversos aspectos relacionados con la creación y personalización de gráficos utilizando herramientas como Python, 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.