Formacion para el empleo

Python avanzado

12/04/2025 - 31/05/2025

Sábado

25 Horas / 9:00-14:00

De acuerdo a las instrucciones de la convocatoria, en esta acción formativa no podrá participar el personal al servicio de las Administraciones Públicas.

OBJETIVOS

Python es uno de los principales lenguajes existentes hoy en día para la realización de procesos de Inteligencia Artificial y Análisis de Datos. Sin embargo, para la realización de un proceso de análisis de datos es necesario realizar un correcto tratamiento de los datos para lograr que sean un input correcto para un sistema de Inteligencia Artificial.
En el presente curso se profundizará en el manejo de los datos, tanto de distintas tablas como en una misma tabla, así como en la mejora de la calidad de los datos, de forma que los alumnos adquieran los conocimientos necesarios para lograr que sus datos constituyan un input valido para un sistema de Inteligencia Artificial.
El objetivo del presente curso es lograr que los asistentes sean capaces de trabajar con datos de manera eficiente, permitiendo realizar las transformaciones previas necesarias para realizar un proyecto de analítica avanzada, así como de realizar contrastes estadísticos básicos para conocer la importancia de las variables.

CONTENIDOS

1. Unión de tablas:

Concatenación de tablas.
Unión de tablas en función de una o varias variables:
Left join
Right join.
Inner join.
Outer join.
Ejercicios prácticos.

2. Modificaciones avanzadas:

Selección de elementos únicos.
Transformación de caracteres de forma individualizada.
Transformación de caracteres de forma masiva.
Transformación del formato de las variables.
Ejercicios prácticos.

3. Transformación de tablas:

Agregaciones simples.
Agregaciones compuestas.
Verticalización de tablas.
Normalización de tablas.
Ejercicios prácticos.

4. Filtrados:

Eliminación de duplicados.
Filtrado por valores.
Filtrado por otra tabla.
Filtrado por las observaciones de otra tabla.
Selección de elementos diferentes.
Filtrado por los valores de una variable de otra tabla.
Ejercicios prácticos.

5. Tratamiento de valores perdidos:

Definición y problemas de su no tratamiento.
Eliminación de las observaciones.
Imputación de estadísticos básicos: media, mediana y moda.
Métodos de imputación múltiple (MICE).
Ejercicios prácticos.

6. Outliers:

Definición.
Problemas de su no tratamiento.
Eliminación de las observaciones
Determinación de los outliers.
Transformación de los outliers.
Creación de nuevas variables dummy.
Ejercicios prácticos.

7.Tratamiento de valores perdidos:

Definición.
Eliminación de las observaciones.
Imputación de estadísticos básicos: media, mediana y moda.
Métodos de imputación múltiple (MICE).
Modelos para imputar variables.
Ejercicios Prácticos.

8.Contraste de hipótesis:

Qué es un contraste de hipótesis?
Hipótesis Nula.
Hipótesis Alternativas.
Distribución Teórica.
Estadístico del Contraste.
P-Valor.
Tabla ANOVA y Contraste de Tuckey.

* Cursos subvencionados al 100% prioritariamente para trabajadores en activo

CONTACTA CON NOSOTROS

EU e-Privacy Directive

Python avanzado

NEWSLETTER