Temario del curso de Python

Para la realización del itinerario formativo, proponemos la realización de una serie de temas que permitirán ir conociendo desde los aspectos generales de la analítica avanzada de datos hasta los modelos matemáticos avanzados de Machine Learning o cómo visualizar los resultados.

• Tema 1. Introducción a la analítica de datos
  • 1.1 Entorno de programación: JupyterNotebooks
  • 1.2 Conceptos básicos de programación en Python
  • 1.3 Plataformas de datos
• Tema 2. Tratamiento de datos
  • 2.1 Principales librerías: Pandas
  • 2.2 Ingesta de datos
  • 2.3. Transformaciones
  • 2.4. SparkDataframe
• Tema 3. PySpark
  • 3.1. Introducción a PySpark
  • 3.2. Configuración
  • 3.3. SparkDataframe
• Tema 4. Análisis avanzado de datos
  • 4.1 Librerías de análisis de datos: MLib, Scikit-learny TensorFlow
  • 4.2 Modelos matemáticos supervisados
  • 4.3 Modelos matemáticos no supervisados
  • 4.4 Implementación de:
    • 4.4.1 Regresiones
    • 4.4.2 Redes Neuronales
    • 4.4.3 Clusters
    • 4.4.4 Árboles de decisión
    • 4.4.5 Gradientboosting
    • 4.4.6 Randomforest
    • 4.4.7 Análisis de supervivencia
  • 4.5 Ensembles de modelos
• Tema 5. Visualización de datos
  • 5.1 Principales librerías. MatPlotLib
  • 5.2 Visualización resultados tratamiento de datos. Principales gráficos
  • 5.3 Visualización resultados modelos. Principales gráficos

Requisitos deseables del alumnado

Conocimientos y experiencia en el tratamiento de datos

Requisitos de material

• Ordenador (Windows o Linux) con conexión a internet.
• Preinstalación del entorno. Componentes:
  • Python 3.7 (o superior) – https://www.python.org/downloads/
  • Anaconda (Python 3.7 version) – https://www.anaconda.com/distribution/