Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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
● Jupyter Notebook
○ Agregar bloques
○ Breve introducción a Markdown (títulos y listas es suficiente)
○ Bloque python (ejecutar código)
● Google Colab
○ Utilizar python con Colab
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
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
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
5
Calendario académico