Programa académico - Programación con Python para el

análisis de datos
El presente módulo busca que los y las estudiantes comprendan la importancia de utilizar el lenguaje Python para realizar análisis de datos
más complejos que los que permite SQL, integrando las potencialidades de ambos lenguajes. Para lograrlo, se analizan y aplican diferentes
Descripción
herramientas y funciones de este lenguaje mediante ejemplos prácticos realizados en Jupyter Notebook, que permiten comprender el uso y
verificar la utilidad de estas herramientas.

Competencia general Aplicar técnicas de obtención, limpieza y preparación de datos a través de Python para resolver problemas.

● Licencia de Enseñanza Media completa.

Perfil de ingreso
● Manejo computacional a nivel usuario.

Modalidad B-learning Part Time.

Este módulo de carácter teórico-práctico está diseñado bajo un modelo basado en competencias en el cual se busca que los y las
estudiantes aprendan de forma activa, por lo cual, sus actividades prácticas serán en la misma línea de los ejercicios vistos en clase, de
manera que el participante tendrá claro el paso a paso, y en caso de dudas o consultas, podrá consultar directamente con su tutor. Además,
para el logro de los aprendizajes declarados se trabajará con la metodología denominada Aprendizaje Basado en Proyectos o ABP.

Metodología Para medir el desarrollo de los aprendizajes se realizarán desafíos, los cuales medirán el nivel de logro de los Resultados de aprendizaje
declarados, contando cada uno de estos con un instrumento de evaluación específico (escala de apreciación), que permitirá al estudiante
conocer en detalle los criterios con los cuales será calificado, y ayudará a los y las tutores a corregir en base a criterios uniformes.

Para certificar el logro del perfil de egreso del módulo, se realizará una evaluación final en el que se medirán los aspectos centrales del
módulo a partir de un producto específico.

1
Unidades de aprendizaje
Unidad Competencia Resultados de Contenidos Horas
aprendizaje

Conociendo Utiliza herramientas, Utiliza Python para Semana 1 4 horas

Python comandos y estructuras resolver problemas ● ¿Qué es Python? sincrónicas
(Parte I) básicas de Python para la simples de acuerdo a (2 con docente + 2
creación de programas requerimientos. ● Generar script de Python y ejecutarlo en la consola print() e input() con tutor)]
sencillos.
● Comentarios Desde 6 horas
asincrónicas de
● Tipos de datos (Strings, Numeric, booleanos) trabajo autónomo.
○ Variables
○ Operaciones con strings
○ Operaciones aritméticas básicas

● Jupyter Notebook
○ Agregar bloques
○ Breve introducción a Markdown (títulos y listas es suficiente)
○ Bloque python (ejecutar código)

● Google Colab
○ Utilizar python con Colab

Conociendo Utiliza herramientas, Crea programas Semana 2 4 horas

Python comandos y estructuras utilizando estructuras de ● Diagramas de flujo y algoritmos. sincrónicas
(Parte II) básicas de Python para la control de flujos. ● Operadores matemáticos y lógicos. (2 con docente + 2
creación de programas con tutor)]
sencillos. ● Estructuras de control de flujo
○ Identación Desde 6 horas
○ if-else asincrónicas de
○ for trabajo autónomo.
○ while
○ condicionales e iteraciones anidados

2
 Tipos y Importa datos utilizando Agrupa conjuntos de Semana 3 4 horas
estructuras de diversos métodos, datos en una variable ● Tipos y estructura de datos sincrónicas
datos considerando sus tipos y ocupando distintas ○ Listas (2 con docente + 2
(Parte I) estructuras. estructuras de datos. ○ Tuplas con tutor)]
○ Sets
○ Diccionarios Desde 6 horas
○ Numpy Arrays asincrónicas de
○ Pandas DataFrame >> Elemento clave trabajo autónomo.

● Carga de datos
○ Carga de archivos planos con numpy
○ Carga de archivos con Pandas

Tipos y Importa datos utilizando Importa distintos tipos Semanas 4 4 horas

estructuras de diversos métodos, de archivos (CSV, XLSX, ● Introducción a DataFrames (PANDA) sincrónicas
datos considerando sus tipos y API) a un DataFrame de ○ Elementos (2 con docente + 2
(Parte II) estructuras. Pandas de acuerdo a ○ Indexación por columnas con tutor)]
requerimientos, para ○ Creación de DataFrames
trabajar con ellos. ○ Operaciones y métodos Desde 6 horas
○ Combinación de DataFrames asincrónicas de
trabajo autónomo
● Explorando un DataFrame
○ Conteos
○ Estadística descriptiva

● Orden, Ranking e indexación de un DataFrame

○ sort()
○ rank()
○ iloc
○ loc
○ df[condición]
○ query

Manipulación Manipula datos utilizando Utiliza funciones de Semana 5 4 horas

y funciones y herramientas Python para manipular y ● Manipulación de DataFrames sincrónicas
de Python y SQL. limpiar datos. ○ Combinar y unir datos - df.merge

3
transformació ○ Creación de columnas calculadas (2 con docente + 2
n de datos Crea funciones que ○ Tablas pivote (pd.pivot_table, index, values,aggfunc) con tutor)]
(Parte I) permiten reutilizar código ○ Trasposición
creado a partir de ○ Funciones lambda Desde 6 horas
diversos requerimientos. asincrónicas de
● Transformación y limpieza de datos trabajo autónomo.
○ Duplicados (duplicates - drop.duplicates)
○ Datos faltantes (
● El método apply (df.apply)
● Reemplazar datos

Manipulación Manipula datos utilizando Utiliza funciones de Semana 6 4 horas

y funciones y herramientas Python para manipular y ● Discretización de datos sincrónicas
transformació de Python y SQL. limpiar datos. ○ El método pc.cut() (2 con docente + 2
n de datos ○ El método np.where con tutor)]
(Parte II) Crea funciones que ○ El método pd.get_dummies()
permiten reutilizar código ● Manipulación de strings Desde 6 horas
creado a partir de ● Manipulación de Date & Time asincrónicas de
diversos requerimientos. ○ Cambiando formatos (pd.to_datetime, formatos especiales) trabajo autónomo.
○ Filtrado por fecha

Manipulación Manipula datos utilizando Utiliza funciones de Semana 7 4 horas

y funciones y herramientas Python para manipular y sincrónicas
● Funciones - Definición básica
transformació de Python y SQL. limpiar datos. (2 con docente + 2
○ Componentes de una función
n de datos con tutor)]
○ Parámetros y argumentos
(Parte III) Crea funciones que
○ Retornos
permiten reutilizar código Desde 6 horas
○ Principio DRY y buenas prácticas
creado a partir de asincrónicas de
● Funciones, argumentos y variables
diversos requerimientos. trabajo autónomo.
○ Parámetros obligatorios y optativos
○ Funciones como variables
● Funciones y DataFrames
● Python y SQL

4
 Prueba Semana de prueba Desde 6 horas
● Los y las estudiantes contarán con una semana adicional para poder asincrónicas de
desarrollar la prueba del módulo de manera asincrónica. trabajo autónomo.

Implementación

Características notebook* Plataformas y Software**

● Sistema Operativo: Windows, Linux o Mac ● Anaconda Python

● Procesador: Intel Core I3 ● Jupyter Notebook
● RAM: 8 GB, 128 SSD ● Numpy
Recursos de Información ● Pandas
● BeautifulSoup
● pyplot
● Seaborn
● statsmodels
● scikit-learn
* El notebook es por cuenta de todos los participantes: docente, ayudante y estudiantes.
** Programas open source, por lo que el estudiante no necesita incurrir en gastos de licencias.

5
Calendario académico

Clases Autoaprendizaje Tutoría

Unidad
(sincrónico) (asincrónico) (sincrónico)

Conociendo Python (Parte I) 2 horas Desde 6 horas 2 horas

Conociendo Python (Parte I) 2 horas Desde 6 horas 2 horas

Tipos y estructura de datos (Parte I) 2 horas Desde 6 horas 2 horas

Tipos y estructura de datos (Parte II) 2 horas Desde 6 horas 2 horas

Manipulación y transformación de datos (Parte I) 2 horas Desde 6 horas 2 horas

Manipulación y transformación de datos (Parte I) 2 horas Desde 6 horas 2 horas

Manipulación y transformación de datos (Parte II) 2 horas Desde 6 horas 2 horas

Prueba 0 horas Desde 6 horas 0 horas

Receso 0 horas 0 horas 0 horas