Exploratory Data Analysis (EDA) Práctico
Exploratory Data Analysis (EDA) Práctico
Embedded Files
En este curso en línea aprenderás a explorar datos, describir lo que muestran y a decir con rigor qué se puede concluir aplicando un Análisis Exploratorio de Datos (EDA) práctico utilizando NumPy, pandas, Matplotlib, Seaborn, SciPy y statsmodels. El programa te llevará desde la identificación de sesgos y la evaluación de calidad de datos hasta la inferencia estadística y la comunicación de hallazgos.
Al finalizar el taller, serás capaz de construir un flujo de análisis que cubra
Distinción de tipos de variables e identificación de sesgos en la recolección de datos.
Evaluación de la calidad de los datos: duplicados, inconsistencias y valores faltantes.
Descripción de distribuciones e identificación de valores atípicos.
Comparación de grupos y medición de relaciones sin confundir correlación con causalidad.
Aplicación de pruebas de hipótesis clásicas (t de Student, chi cuadrada, ANOVA) y bootstrap, con sus supuestos.
Interpretación del tamaño del efecto y comunicación de hallazgos con un informe.
Detalles del evento
Detalles del evento
Fechas: Del 19 al 29 de octubre.
Días: Lunes a jueves.
Horario: 6:30 pm a 8:30 pm. (CDMX)
Duración Total: 16 horas en modalidad taller (8 sesiones de 2 horas).
Nivel: Intermedio - Avanzado.
Sobre el taller
Sobre el taller
El taller está estructurado de manera progresiva a través de cuadernos de Jupyter, en las que construirás, pieza por pieza, un flujo de análisis exploratorio completo. Cada bloque introduce conceptos nuevos y los integra al análisis que ya tienes funcionando, de modo que al terminar cuentes con un entorno listo y reproducible en GitHub Codespaces.
Datos y su calidad. Trabajarás con NumPy y pandas esenciales, comprendiendo los distintos tipos de variables y aprendiendo a manejar los valores faltantes.
Describir y comparar. Aplicarás estadística descriptiva y agregación para entender los datos[cite: 1, 2]. Analizarás las relaciones entre variables y crearás visualizaciones efectivas.
Inferencia estadística. Abordarás la incertidumbre y realizarás contraste de hipótesis[cite: 1, 2]. Analizarás proporciones, compararás más de dos grupos y calcularás el tamaño del efecto.
Proyecto integrador. Consolidarás todo lo aprendido en un EDA completo que integra todos los pasos, culminando en la generación de un informe de hallazgos.
Requisitos
Requisitos
Una cuenta personal de GitHub: El material del taller se ejecutará directamente desde entornos de Codespaces.
Una cuenta de Google: Las evaluaciones y el seguimiento del curso se realizarán mediante Google Classroom.
Acceso estable a Internet.
Cuenta en Google Cloud Platform (opcional).
Conocimientos básicos de cualquier lenguaje de programación.
Conocimientos básicos sobre git y control de versiones.
Estar familiarizado con un Visual Studio Code o un IDE similar.
Conocimientos básicos de administración de servidores Linux (deseable).
Temario
Temario
Módulo I. Datos y su calidad
Módulo I. Datos y su calidad
Introducción y uso práctico de herramientas esenciales con NumPy y Pandas.
Identificación, clasificación y comprensión de los distintos tipos de variables.
Técnicas y estrategias para la identificación y el manejo de valores faltantes en los conjuntos de datos.
Módulo II. Describir y comparar
Módulo II. Describir y comparar
Aplicación de estadística descriptiva para entender la distribución y forma de los datos.
Técnicas de agregación para resumir información.
Análisis profundo de las relaciones existentes entre múltiples variables.
Diseño y creación de visualizaciones de datos efectivas para comunicar patrones.
Módulo III. Inferencia estadística
Módulo III. Inferencia estadística
Conceptos fundamentales sobre el manejo de la incertidumbre en los datos.
Aplicación práctica de pruebas de contraste de hipótesis.
Análisis de proporciones y evaluación comparativa de más de dos grupos.
Cálculo, evaluación e interpretación formal del tamaño del efecto.
Módulo IV. Proyecto integrador
Módulo IV. Proyecto integrador
Desarrollo paso a paso de un Análisis Exploratorio de Datos (EDA) completo e integrador.
Estructuración, redacción y presentación de un informe formal de hallazgos.
Material incluido
Material incluido
Notebooks ejecutables con el contenido completo del curso.
Sesiones en vivo.
Acceso exclusivo a las grabaciones de las sesiones.
Diplomas
Diplomas
Para obtener un diploma es necesario:
Obtener al menos un 70% de aciertos en las evaluaciones semanales.
Asistir al menos al 80% de las sesiones.
Pago via PayPal
Pago via PayPal
El costo del taller es de US$29.00 dólares o $499.96 MXN (I.V.A. incluido)
Pago mediante depósito o transferencia en pesos y descuentos
Pago mediante depósito o transferencia en pesos y descuentos
Favor de contactarnos a contacto@pythonista.io en caso de:
Querer hacer el pago mediante depósito o transferencia bancaria en pesos mexicanos.
Requerir descuentos para grupos (más de 10 personas).
Formulario de registro.
Formulario de registro.
Por favor llene el formulario de registro una vez que haya realizado el pago.
Una vez verificado, se le enviará una invitación via correo electrónico con los detalles del taller.
Política de reembolso.
Política de reembolso.
El asistente podrá pedir un reembolso completo hasta 24 horas antes del taller.
El asistente será reembolsado al 100% en caso de que el taller sea cancelado.
No se dará de alta al taller a menos que haya completado el formulario de registro exitosamente y el pago haya sido verificado.
En caso de dudas o comentarios pueden enviar un correo con sus datos y comprobante de pago a contacto@pythonista.io
Page updated
Report abuse