Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formación : Python, introducción al tratamiento de datos económicos y científicos

Introducción a Python y sus bibliotecas de cálculo y análisis

Python, introducción al tratamiento de datos económicos y científicos

Introducción a Python y sus bibliotecas de cálculo y análisis



En pocos años, Python se ha convertido en el principal lenguaje de programación para todos los que se dedican al cálculo numérico y al análisis de datos. Se ha vuelto tan potente que ninguna disciplina científica parece capaz, o incluso dispuesta, a escapar de él. Así que, ¡empieza con Python!


ABIERTA
IN-COMPANY
A MEDIDA

Formación en tus instalaciones, en nuestro centro o a distancia

Ref. PYK
  3d - 21h00
Duración, formato, fechas y lugar: ¡Tú decides, nosotros nos encargamos de organizarlo!

Descargar en formato pdf

Compartir este curso por correo electrónico




En pocos años, Python se ha convertido en el principal lenguaje de programación para todos los que se dedican al cálculo numérico y al análisis de datos. Se ha vuelto tan potente que ninguna disciplina científica parece capaz, o incluso dispuesta, a escapar de él. Así que, ¡empieza con Python!


Objetivos pedagógicos
Una vez finalizada la formación, el participante podrá:
Programación con el lenguaje Python
Tener una visión general del ecosistema científico de Python
Conozca las bibliotecas científicas esenciales para la ciencia de datos

Público afectado
Ingenieros, desarrolladores, investigadores, científicos de datos, analistas de datos y cualquier persona que desee conocer el mundo científico de Python.

Requisitos previos
Dominio de un lenguaje de programación o conocimiento de algoritmos.

Modalidades prácticas
Ejercicio
Los temas se ilustran con numerosos ejercicios.
Métodos pedagógicos
Métodos de enseñanza activos, con demostraciones a cargo del formador para que los participantes puedan poner en práctica el material más rápidamente.

Programa de la formación

1
Introducción al lenguaje Python

  • Los principales tipos de datos: cadenas, booleanos, números, listas, tuplas y diccionarios.
  • Estructuras de control: bucles for y while, pruebas if/elif/else.
  • Funciones: creación, paso de parámetros, valores por defecto, argumentos variables.
  • Crear y utilizar bibliotecas.
  • Los principales escollos de Python: tipos mutables y no mutables, asignación por referencia/dirección.
  • El entorno de desarrollo Python/Anaconda.
Trabajo práctico
Manejo de Python con la distribución Anaconda, uso de un IDE, pequeños ejercicios algorítmicos para familiarizarse con el lenguaje. Manejo de fechas.

2
Información adicional sobre la lengua

  • Comprensión de la sintaxis orientada a objetos.
  • Creación de una clase: atributos de clase, atributos de instancia, métodos, funciones especiales.
  • Lee y escribe archivos en formato de texto.
  • Utilizar bibliotecas estándar: bases de datos relacionales y expresiones regulares.
Trabajo práctico
Conexión a una base de datos relacional y análisis de los registros mediante expresiones regulares, para crear un archivo CSV que puedan utilizar las bibliotecas científicas.

3
Presentación del ecosistema científico Python

  • Visión general del ecosistema científico de Python: las bibliotecas esenciales.
  • Saber dónde encontrar nuevas librerías y evaluar su sostenibilidad.
  • Las principales herramientas y software de código abierto para la ciencia de datos.
  • Por qué utilizar una distribución científica como Anaconda.
  • Comprender las ventajas de un entorno virtual y saber cómo utilizarlo.
  • El intérprete iPython y el servidor Jupyter!
  • Prácticas recomendadas para empezar con buen pie un proyecto de ciencia de datos con Python.
  • Formatos de archivos científicos y bibliotecas para manipularlos.
Trabajo práctico
Configuración del entorno de desarrollo. Creación de un entorno virtual, exportación y duplicación de un entorno, uso de cuadernos Jupyter.

4
La pila SciPy

  • La base de las bibliotecas científicas esenciales en las que se basan todas las demás: la pila SciPy.
  • Numpy: cálculo numérico y álgebra lineal (vectores, matrices, imágenes).
  • Scipy, basado en Numpy para: estadística, análisis funcional y geoespacial, procesamiento de señales...
  • Pandas: análisis de datos tabulares (CSV, Excel, etc.), estadísticas, pivotes, filtros, búsquedas, etc.
  • Matplotlib: la biblioteca de visualización de datos esencial para empezar.
Trabajo práctico
Tratamiento de imágenes con Numpy. Primeros gráficos. Análisis estadístico de ficheros CSV. Primeros elementos de mapeo. Transformadas de Fourier.