18 lecciones • 5 horas
Curso práctico en donde aprenderás los elementos básicos para la manipulación de datos estructurados usando la librería Pandas enfocado a su uso en proyectos de Ciencia de Datos y Machine Learning.
Al final de este curso habrás aprendido
- Qué es Pandas su importancia en la Ciencia de Datos y el Machine Learning
- Cómo instalar la librería y cómo acceder a su documentación
- Qué son los DataFrames y las Series, las dos estructuras de datos usadas en Pandas
- Las técnicas esenciales para la manipulación básica de DataFrames y Series (lectura, creación, almacenamiento, selección, ordenamiento, operaciones, atributos y métodos usados en el análisis de datos)
- Cómo usar de manera práctica las técnicas básicas de manipulación de DataFrames y Series para abordar un problema de Análisis de Datos
Requisitos
Se sugiere haber tomado los cursos Python Nivel Básico, Python Nivel Intermedio, Python Nivel Avanzado y NumPy para Ciencia de Datos y Machine Learning disponibles acá en la Academia Online.
Contenido
MÓDULO 1: INTRODUCCIÓN A PANDAS
1 – Qué es Pandas y su importancia en la Ciencia de Datos y el Machine Learning
2 – Instalación de la librería y acceso a la documentación
3 – Series y DataFrames: las dos estructuras de datos en Pandas
MÓDULO 2: MANIPULACIÓN BÁSICA DE DATAFRAMES
4 – Lectura de un DataFrame y atributos básicos
5 – Tipos de datos que podemos almacenar en un DataFrame
6 – Selección y manipulación de columnas y filas
7 – Formas de ordenar DataFrames
8 – Modificando el índice de un DataFrame
9 – Métodos básicos y operaciones sobre un DataFrame
10 – Creación y almacenamiento de DataFrames
MÓDULO 3: MANIPULACIÓN BÁSICA DE SERIES
11 – Lectura y creación de Series
12 – Formas de ordenar una Serie
13 – Atributos y métodos básicos de una Serie
MÓDULO 4: PROYECTO FINAL – ANÁLISIS DE DATOS CON PANDAS
14 – Análisis de datos marketing bebida energizante – Parte 1: planteamiento del problema
15 – Análisis de datos marketing bebida energizante – Parte 2: exploración del set de datos
16 – Análisis de datos marketing bebida energizante – Parte 3: limpieza del set de datos
17 – Análisis de datos marketing bebida energizante – Parte 4: análisis de los datos
18 – Análisis de datos marketing bebida energizante – Parte 5: reporte final y recomendaciones
