Your cart is empty.
Keep shopping
Teach on Udemy
Turn what you know into an opportunity and reach millions around the world.
Learn MorePython para Data Science & Machine Learning en 18 Días
Python para Data Science & Machine Learning en 18 Días
Data Science extremo con Numpy, Pandas, Matplotlib, Seaborn, Scikit Learn, Tensorflow, Machine Learning, y todo lo demás
Bestseller
Highest Rated
Created byFederico Garay, Escuela Directa
Last updated 1/2026
Spanish
What you'll learn
- Aplicarás el Data Science en proyectos de manipulación compleja de información.
- Escribirás código Python de manera global, con confianza y comodidad
- Usarás Pandas para limpiar, transformar, y analizar grandes conjuntos de datos
- Dominarás NumPy para operaciones matemáticas y estadísticas sobre grandes arrays de datos
- Crearás visualizaciones atractivas y reveladoras con Matplotlib, Seaborn y Sci-kit Learn
- Harás predicciones usando algoritmos de Machine Learning
- Usarás Tensorflow para implementar redes neuronales y Deep Learning
- Desarrollarás habilidades para el Análisis Exploratorio de Datos (EDA)
- Al finalizar, serás capaz de recibir una tonelada de datos, y devolver visualizaciones interesantes, que ayuden a tus clientes a tomar decisiones relevantes.
- Serás una persona con el potencial de hacer de nuestro mundo un lugar mejor.
Explore related topics
Coding Exercises
This course includes our updated coding exercises so you can practice your skills as you learn.
See a demo
Course content
19 sections • 220 lectures • 25h 30m total length
- Bienvenido al Curso de Python para Data Science2:17
- Meta del Día 10:57
En esta lección del curso de Python para Data Science conocerás el recorrido del primer día, en el que vamos a instalar python en tu ordenador,así como Jupyter Notebooks. Vamos a comprender los principios básicos de la programación orientada a objetos (OOP), y una introducción al Data Science.
- Preguntas Frecuentes - Importante Leer3:05
Seguro tienes muchas dudas sobre cómo aprovechar este curso de la mejor manera. Aquí encontrarás la respuesta a muchas de ellas.
- Instalar Python y Jupyter6:57
En esta lección del curso de Python para Data Science vas a descargar e instalar Python y los Jupyter Notebooks a través de la distribución de Python llamada Anaconda.
- Jupyter Notebooks10:14
En esta lección del curso de Python para Data Science vas a aprender lo básico para utilizar los cuadernos Jupyter (Jupyter Notebooks). Estructura, funcionamiento, lógica, herramientas básicas, atajos del teclado, guardar y abrir archivos, etc.
- Descarga los Archivos del Curso6:55
- Introducción a la Programación Orientada a Objetos (OOP)3:54
Lo primero que voy a decirte, ahora que estamos por comenzar a escribir código Python, es que en Python todo es un objeto. Repito: en Python todo es un objeto. No te olvides de esto.
¿Por qué esto es importante? Porque si pierdes de vista el concepto de que todo en Python es un objeto, por más avanzado que seas como programador, ahí es cuando vas a comenzar a tener dificultades para planificar tu código adecuadamente.
"Ok Fede, entonces te voy a hacer caso: me voy a acordar de que todo en Python es un objeto".
Bueno, si en Python todo es un objeto, entonces los números son objetos, y por lo tanto, el número 1 es un objeto. El objeto 1.
Con el 1, al igual que con todos los objetos de tipo número, en Python, puedo realizar, entre otras cosas, operaciones matemáticas. Entonces puedo decir que si tomo el objeto 1, y le sumo otro objeto numérico, como el número 2, lo que obtengo es otro objeto, que es el objeto 3.
Entonces en este pequeño código, ya tengo 3 objetos: el número 1, el número 2, y el número 3.
Ya vamos a ver más adelante que los números son solamente uno de los tantos TIPOS de objetos que existen en Python: el TIPO de objetos numérico.
Pero por ahora voy seguir adelante, y voy a tomar este ejemplo para introducir otro concepto importantísimo: Python trabaja con objetos, y por lo tanto es uno de los tantos lenguajes de programación que están estructurados según el paradigma llamado "Programación Orientada a Objetos", que en inglés se abrevia como OOP.
Si bien aún es temprano para explicar este concepto en profundidad, quiero que sepas que Python se corresponde a ese paradigma, porque básicamente todo lo que haremos cuando escribamos código Python será construir, manipular, interactuar y eliminar objetos. Repito: básicamente todo lo que haremos cuando escribamos código Python será construir, manipular, interactuar y eliminar objetos.
La razón por la que te cuento esto antes de comenzar a trabajar con Python, es porque si bien vamos a explicar este concepto mucho más en profundidad en su debido momento, te prometo que si mantienes estos conceptos siempre a la vista desde el inicio, le podrás sacar aún más provecho de este intuitivo y poderoso lenguaje de programación:
* "En Python todo es un Objeto"
* "Python es un lenguaje de Programación Orientada a Objetos".
- Qué es Data Science3:20
Y por supuesto, en este curso sobre Python para Data Science, no podemos comenzar sin explicar brevemente qué es el Data Science.
En inglés "Data Science" significa "ciencia de Datos" o "Ciencias de la Información", y es una disciplina que se encuentra un poco en el medio entre la programación, la estadística y la comunicación.
El Data science no solo es una ciencia, sino que también es de alguna manera, un arte. Es el arte de convertir datos crudos, en información valiosa, que nos va a permitir tomar decisiones, resolver problemas y entender mejor el mundo que nos rodea.
Te voy a dar el ejemplo más básico que puedo para explicar qué es el Data Science: imagina que tienes esta pequeña tabla en un libro de Excel. Solo tiene 3 registros de ventas de 3 meses seguidos. Es muy sencilla de entender, y cualquiera puede analizar esos datos, y asumir que las ventas han ido creciendo mes a mes.
Pero a ti no te alcanza con eso, y dices "quiero visualizar estos datos de un modo más expresivo, y que me ayude a darle más dimensión a los conocimientos que puedo obtener de esta información". Entonces decides insertar una visualización más atractiva, y para ello elijes un gráfico de líneas.
¡Felicitaciones, ya eres un científico de datos!... Bueno, tal vez estoy exagerando un poco, pero créeme que ESTA es una expresión (super reducida) de la lógica que se aplica en la ciencia de datos, porque esta pequeña pero inteligente acción ahora permite que podamos comprender el comportamiento de las ventas con mucha más claridad, que podamos darle dimensión y perspectiva a esta tendencia de crecimiento, que podamos comprender las implicancias de estos DATOS con sentido de la proporción entre ellos, e incluso que podamos hacernos nuevas PREGUNTAS a partir de ellos, y que de esa manera podamos ser capaces de tomar mejores decisiones.
Para comprender mejor qué es el Data Science, ahora intenta imaginar este mismo procedimiento pero en un contexto donde tienes montañas gigantescas de datos, y donde las posibilidades de análisis y de descubrimiento se expanden enormemente. En el Data Science, la información puede ser tan vasta y variada como las interacciones en redes sociales, transacciones financieras, registros médicos o incluso patrones climáticos con miles o millones de registros. Y en esos niveles, la tarea del científico de datos es mucho más que solo visualizar la información; es descubrir patrones ocultos, predecir tendencias futuras y generar insights que pueden transformar negocios, influir en políticas públicas o incluso salvar vidas.
El Data Science, por lo tanto, es un campo que desafía nuestra forma de pensar y de abordar problemas, y que ofrece nuevas formas de entender y de actuar sobre la información que nos rodea. Es una disciplina que nos capacita para hacer preguntas más profundas y para encontrar respuestas más significativas en un océano de datos.
Si antes de comenzar este curso imaginabas al científico de datos como un frío doctor de laboratorio, ahora te recomiendo comenzar a pensarlo como un valiente explorador que se aventura a lo desconocido, para encontrar tesoros ocultos y traerlos a la vista de todos.
Basta de introducciones. En la próxima sección, ¡ponemos las manos en Python para Data Science!
- Los 10 Errores más Comunes en Python0:14
- Cierre del Día 1 - Preguntas Frecuentes5:21
- Meta del Día 21:19
- Guía para Ejercicios de Código4:24
En esta breve lección especial del curso de Python para Data Science te explico cómo funciona la plataforma especial para realizar ejercicios de código prácticos por ti mismo. Quiero que puedas practicar tu aprendizaje con ejercicios de código reales, en un IDE incorporado al curso que permite ejecutar código de python. El estudiante podrá escribir su propio código y practicar todo lo que explicamos en el curso en estos ejercicios de código para prácticas.
- Variables Numéricas en Python6:12
En esta lección del curso de Python para Data Science, vas a aprender qué son las variables en general, y las variables numéricas en particular.
- Ejercicio Variables Numéricas 1
- Ejercicio Variables Numéricas 2
- Ejercicio Variables Numéricas 3
- Variables de Texto4:55
En etsa lección del curso Python para Data Science, vas a aprender sobre las variables de texto, también llamadas strings.
- Ejercicio Variables de Texto 1
- Ejercicio Variables de Texto 2
- Ejercicio Variables de Texto 3
- Función Type() en Python4:14
En esta lección del curso Python para Data Science, aprenderás la función type, que sirve para identificar el tipo de dato al que pertenece un objeto.
- Ejercicio Type() 1
- Ejercicio Type() 2
- Ejercicio Type() 3
- Números en Python7:12
En esta lección de Python para Data Science vas a aprender todo sobre números en python: tipos de datos numéricos (integers, floats y complex) y las diferentes maneras de utilizarlos.
- Ejercicio Números en Python 1
- Ejercicio Números en Python 2
- Ejercicio Números en Python 3
- Operaciones Matemáticas en Python8:46
En etsa lección del curso de Python para Data Science vas a aprender a realizar todas las operaciones matemáticas básicas en Python: suma, resta, multiplicación, división, división al piso, módulo, potencia y raíz. Para ello conocerás a los operadores matemáticos de Python.
- Ejercicio Operaciones Matemáticas en Python 1
- Ejercicio Operaciones Matemáticas en Python 2
- Ejercicio Operaciones Matemáticas en Python 3
- Proyecto del Día 2: Programa un Conversor de Divisas4:06
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 2. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como las variables de texto, las variables numpericas, los strings, los operadores matemáticos y mucho más.
- Solución al Proyecto del Día 210:49
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 2.
- Soluciones para los Ejercicios de Código del Día 21:01
- Cierre del Día 2 - Preguntas Frecuentes3:57
- Aprender a Aplicar0:21
- Meta del Día 30:50
- Strings en Python8:06
En esta lección del curso Python para Data science vamos a aprender todo sobre el tipo de datos String, que es el tipo de datos de texto.
- Ejercicio Strings 1
- Ejercicio Strings 2
- Ejercicio Strings 3
- Indexar Strings en Python5:36
En esta lección del curso Python para Data Science veremos la propiedad de indexación de los strings, que permite identificar sus elementos internos a partir de su índice.
- Ejercicio Indexar Strings en Python 1
- Ejercicio Indexar Strings en Python 2
- Ejercicio Indexar Strings en Python 3
- Filtrar Strings en Python7:23
En esta lección del curso Python para Data Science aprenderemos a filtrar los strings a travez de métodos propios de string como count(), strip() o split() que nos permiten manipular strings según nuestras necesidades.
- Ejercicio Filtrar Strings en Python 1
- Ejercicio Filtrar Strings en Python 2
- Ejercicio Filtrar Strings en Python 3
- Input en Python5:54
En esta lección del curso Python para Data Science aprenderemos a recibir ingresos del usuario a través de la declaración input. También aprenderemos a guardar los ingresos de usuario en variables para poder manipularlos o mostrarlos en pantalla.
- Ejercicio Input() en Python 1
- Ejercicio Input() en Python 2
- Ejercicio Input() en Python 3
- Formateo de Strings en Python4:37
En esta lección del curso Python para Data Science aprenderemos a formatear strings para poder incluir valores variables o numéricos de un modo práctico y legible.
- Ejercicio Formateo de Strings en Python 1
- Ejercicio Formateo de Strings en Python 2
- Ejercicio Formateo de Strings en Python 3
- Proyecto del Día 3: Programa un Analizador de Texto2:15
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 3. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como los strings, la indexación de strings, filtrar strings, input, formateo de cadenas y mucho más.
- Solución al Proyecto del Día 312:06
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 3.
- Soluciones para los Ejercicios de Código del Día 31:05
- Cierre del Día 3 - Preguntas Frecuentes4:32
- Meta del Día 41:35
- Listas en Python15:02
En esta lección del curso Python para Data Science vamos a aprender que son las listas, uno de los tipos de datos más comunes en python, que al mismo tiempo son una colección o secuencia de elementos.
- Ejercicio Listas en Python 1
- Ejercicio listas en Python 2
- Ejercicio listas en Python 3
- Tuplas en Python12:30
En esta lección del curso Python para Data Science vamos a aprender que son las tuplas, uno de los tipos de datos más comunes en python, que al mismo tiempo son una colección o secuencia de elementos.
- Ejercicio tuplas en Python 1
- Ejercicio tuplas en Python 2
- Ejercicio tuplas en Python 3
- Diccionarios en Python7:14
En esta lección del curso Python para Data Science vamos a aprender que son los diccionarios, uno de los tipos de datos más comunes en python, que al mismo tiempo son una colección o secuencia de elementos.
- Ejercicio Diccionarios en Python 1
- Ejercicio Diccionarios en Python 2
- Ejercicio Diccionarios en Python 3
- Booleanos en Python7:39
En esta lección del curso Python para Data Science vamos a aprender que son los booleanos, uno de los tipos de datos más comunes en python.
- Ejercicio Booleanos en Python 1
- Ejercicio Booleanos en Python 2
- Ejercicio Booleanos en Python 3
- Estructuras de Control en Python - IF9:57
En esta lección del curso Python para Data Science vamos a aprender qué son las estructuras de control, para permitir que tu código tome decisiones según el cumplimiento de condiciones. En esta lección aprenderemos a usar la palabra clave IF para establecer esas condiciones.
- Ejercicio de Control en Python - IF 1
- Ejercicio de Control en Python - IF 2
- Ejercicio de Control en Python - IF 3
- Estructuras de Control en Python - IF - ELIF - ELSE8:54
En esta lección del curso Python para Data Science vamos a aprender qué son las estructuras de control, para permitir que tu código tome decisiones según el cumplimiento de condiciones. En esta lección aprenderemos a usar las palabras claves IF, ELIF y ELSE para establecer esas condiciones.
- Ejercicio de Control en Python - IF - ELIF - ELSE 1
- Ejercicio de Control en Python - IF - ELIF - ELSE 2
- Ejercicio de Control en Python - IF - ELIF - ELSE 3
- Proyecto del Día 4: Programa una Agenda Telefónica2:05
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 4. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como las listas, tuplas, diccionarios y booleanos, así como las estructuras de control IF, ELIF y ELSE.
- Solución al Proyecto del Día 411:55
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 4.
- Soluciones para los Ejercicios de Código del Día 42:55
- Cierre del Día 4 - Preguntas Frecuentes5:48
- Meta del Día 51:29
- Loops en Python - Loop For10:16
En esta lección del curso Python para Data Science vamos a aprender el concepto de loops en python y en especial el tipo de loop llamado loop for
- Ejercicio Loops en Python - Loop For 1
- Ejercicio Loops en Python - Loop For 2
- Ejercicio Loops en Python - Loop For 3
- Función Range en Python4:15
En esta lección del curso de Python para Data Science vamos a conocer la función range() que nos permite crear rangos numéricos de un modo muy sencillo y práctico.
- Ejercicio Range en Python 1
- Ejercicio Range en Python 2
- Ejercicio Range en Python 3
- Loops en Python: Loop While7:43
En esta lección del curso de Python para Data Science vamos a conocer otro tipo de loops en python, que es el loop while.
- Ejercicio Loop While 1
- Ejercicio Loop While 2
- Ejercicio Loop While 3
- Funciones en Python11:17
En etsa lección del curso de Python para Data Science vamos a aprender un concepto fundamental en programación con Python, que son las Funciones. Las funciones en programación son bloques de código reutilizables que permiten compartimentalizar nuestro código en secciones manejables, repetibles y fpaciles de actualizar.
- Ejercicio Funciones en Python 1
- Ejercicio Funciones en Python 2
- Ejercicio Funciones en Python 3
- Funciones que Llaman Funciones en Python7:22
En esta lección del curso de Python para Data Science vamos a conocer cómo utilizar las funciones de un modo que permita invocar funciones desde adentro de otras funciones. Esto permite estructurar tu código en cadenas de reacción que permiten organizar todo el funcionamiento de tu código.
- Ejercicio Funciones que Llaman Funciones en Python 1
- Ejercicio Funciones que Llaman Funciones en Python 2
- Ejercicio Funciones que Llaman Funciones en Python 3
- Proyecto del Día 5: Programa un Generador de Tablas de Multiplicar3:04
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 5. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como Loops, Loop For, Loop While, Función Range, y todo sobre Funciones en Python en general.
- Solución al Proyecto del Día 57:43
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 5.
- Soluciones para los Ejercicios de Código del Día 52:10
- Cierre del Día 5 - Preguntas Frecuentes3:43
- Meta del Día 61:01
- Importar Pandas en Python3:54
En esta lección del curso de Python para Data Science vamos a aprender a importar Pandas en nuestros cuadernos Jupyter para poder utilizar todas sus herramientas de manejo de conjuntos de datos en Python
- Tipos de Datos en Pandas7:42
En esta lección del curso de Python para Data Science conoceremos los principales tipos de datos que Pandas incorpora a Python: Series y DataFrames
- Ejercicio Tipos de Datos en Pandas 1
- Ejercicio Tipos de Datos en Pandas 2
- Ejercicio Tipos de Datos en Pandas 3
- DataFrames en Pandas7:38
En esta lección del curso de Python para Data Science vamos a conocer al tipo de datos más importante de Pandas, que son los DataFrames.
- Ejercicio DataFrames en Pandas 1
- Ejercicio DataFrames en Pandas 2
- Ejercicio DataFrames en Pandas 3
- Series en Pandas8:32
En esta lección del curso de Python para Data Science conoceremos al segundo tipo de datos más importante en Pandas, que son las Series.
- Ejercicio Series en Pandas 1
- Ejercicio Series en Pandas 2
- Ejercicio Series en Pandas 3
- Operaciones Básicas con Series de Pandas1:52
En esta lección del curso de Python para Data Science aprenderemos a realizar las principales operaciones matemáticas básicas con las Series de Pandas.
- Ejercicio Operaciones Básicas con Series de Panda 1
- Ejercicio Operaciones Básicas con Series de Panda 2
- Ejercicio Operaciones Básicas con Series de Panda 3
- Limpieza de Datos en Pandas12:25
En esta lección del curso de Python para Data Science aprenderemos a realizar limpieza de datos en Pandas, aplicando métodos para modificar el tipo de datos, eliminar valores nulos, reemplazar valores nulos, etc.
- Ejercicio Limpieza de Datos en Pandas 1
- Ejercicio Limpieza de Datos en Pandas 2
- Ejercicio Limpieza de Datos en Pandas 3
- Filtrado de Series en Pandas8:09
En esta lección del curso de Python para Data Science aprenderemos a filtrar Series en Pandas, para poder obtener los resultados necesarios, seleccionar registros y filas, etc.
- Filtrado de Series en Pandas 1
- Filtrado de Series en Pandas 2
- Filtrado de Series en Pandas 3
- Agregación de Series en Pandas2:46
En esta lección del curso de Python para Data Science, vas a conocer los métodos de agregación de series en Pandas. La agregación consiste en un conjunto de herramientas poderosa para resumir nuestros datos. Básicamente una agregación es una operación que combina varios valores de datos en un solo valor representativo, como un promedio o una suma total.
- Agregación de Series en Pandas 1
- Agregación de Series en Pandas 2
- Agregación de Series en Pandas 3
- Proyecto del Día 6: Programa un Análisis de Resultados Deportivos4:03
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 6. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como DataFrames, Series, Limpieza de Datos, Operaciones Básicas, Filtrado de Series, Agregación de Series, y todo lo aprendido hasta el momento sobre Pandas de Python.
- Solución al Proyecto del Día 69:33
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 6.
- Respuestas al proyecto del Día 6
- Soluciones para los Ejercicios de Código del Día 64:30
- Cierre del Día 6 - Preguntas Frecuentes3:47
- Meta del Día 70:57
- Trabajar con DataFrames de Pandas5:53
En esta lección del curso de Python para Data Science continuaremos aprendiendo todo sobre Pandas, en este caso el trabajo con el tipo de datos conocido como DataFrames.
- Trabajar con DataFrames de Pandas 1
- Trabajar con DataFrames de Pandas 2
- Trabajar con DataFrames de Pandas 3
- Ordenar y Agrupar DataFrames en Pandas8:28
En esta lección del curso de Python para Data Science aprenderemos los métodos sort_values() y groupby(), que son necesarios para ordenar y agrupar DataFrames en Pandas.
- Ordenar y Agrupar DataFrames en Pandas 1
- Ordenar y Agrupar DataFrames en Pandas 2
- Ordenar y Agrupar DataFrames en Pandas 3
- Fusionar DataFrames en Pandas con merge()6:46
En esta lección del curso de Python para Data Science vamos conocer el método merge() para fusionar DataFrames en Pandas.
- Fusionar DataFrames con merge 1
- Fusionar DataFrames con merge 2
- Fusionar DataFrames con merge 3
- Combinar DataFrames en Pandas con join()3:12
En esta lección del curso de Python para Data Science, vamos a aprender a combinar DataFrames usando el método join() de Pandas.
- Combinar DataFrames en Pandas con join() 1
- Combinar DataFrames en Pandas con join() 2
- Combinar DataFrames en Pandas con join() 3
- Concatenar DataFrames en Pandas con concat5:01
En esta lección del curso de Python para Data Science vamos a aprender a concatenar DataFrames usando el método concat de Pandas.
- Concatenar DataFrames en Pandas con concat 1
- Concatenar DataFrames en Pandas con concat 2
- Concatenar DataFrames en Pandas con concat 3
- Datos Relacionados con el Tiempo en Pandas11:46
En esta lección del curso de Python para data Science vamos a aprender a manipular y operar con datos temporales, o datos relacionados al tiempo, como fechas y horas, usando los métodos date_range(), to_datetime(), Timedelta(), etc.
- Datos Relacionados con el Tiempo en Pandas 1
- Datos Relacionados con el Tiempo en Pandas 2
- Datos Relacionados con el Tiempo en Pandas 3
- Abrir y Escribir Archivos desde Pandas8:51
En esta lección del curso de Python para Data Science, vamos a aprender cómo podemos crear DataFrames a partir de archivos de diversos orígenes, así como crear archivos externos a partir de nuestros conjuntos de datos en Pandas.
- Abrir y Escribir Archivos desde Pandas 1
- Abrir y Escribir Archivos desde Pandas 2
- Abrir y Escribir Archivos desde Pandas 3
- Acceder a Elementos del DataFrame con 'loc' e 'iloc'7:33
En esta lección del curso de Python para Data Science seguimos avanzando con las herramientas de Pandas, y en este caso conoceremos a loc e iloc para localizar elementos dentro de nuestros DataFrames por sus etiquetas o por sus valores.
- Acceder a Elementos del DataFrame con 'Ioc' e 'iloc' 1
- Acceder a Elementos del DataFrame con 'Ioc' e 'iloc' 2
- Acceder a Elementos del DataFrame con 'Ioc' e 'iloc' 3
- Proyecto del Día 7: Programa un Analizador de Ventas2:06
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 7. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos como DataFrames, Series, Limpieza de Datos, Operaciones Básicas, Filtrado de Series, Agregación de Series, Ordenar y Agrupar DataFrames, Fusionar DataFrames, Combinar DataFrames, Concatenar DataFrames, trabajar con Datos temporales (Fechas y Horas), cómo Escribir y Abrir Archivos Externos en Pandas, y localizar elementos con loc e iloc, y todo lo aprendido hasta el momento sobre Pandas de Python.
- Solución al Proyecto del Día 712:45
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 7.
- Soluciones para los Ejercicios de Código del Día 75:41
- Cierre del Día 7 - Preguntas Frecuentes4:13
- Meta del Día 81:21
- Introducción a NumPy5:27
En esta lección del curso de Python para Data Science vamos a conocer a NumPy, la poderosa biblioteca de Python para el análisis de datos, especializada en calculos complejor y matemática avanzada.
- Introducción a NumPy 1
- Introducción a NumPy 2
- Introducción a NumPy 3
- Arrays de NumPy6:50
En esta lección del curso de Python para Data Science vamos a conocer un tipo de datos propio de Numpy, ya que NumPy nos brinda un nuevo tipo de datos que es una estructura de datos, en realidad, y que se llama array.
- Examen NumPy
- Tipos de Arrays en NumPy3:51
En esta lecci[on del curso de Python para Data Science vamos a conocer los dos tipos de arrays que usaremos> arrays unidimensionales y arrays bidimensionales.
- Tipos de Arrays en NumPy 1
- Tipos de Arrays en NumPy 2
- Tipos de Arrays en NumPy 3
- Manipulación de Arrays en NumPy6:24
En esta lección del curso sobre Python para Data Science, aprenderás a manipular los arrays de diversas maneras, como haciendo concatenaciones de arrays u operaciones matemáticas con arrays.
- Manipulación de Arrays en NumPy 1
- Manipulación de Arrays en NumPy 2
- Manipulación de Arrays en NumPy 3
- Indexación y Segmentación en Arrays de NumPy8:01
En esta lección del curso de Python para Data Science, vamos a aprender cómo acceder a elementos específicos de un array de NumPy a través de la indexación, vamos a aprender a cortar (o hacer slicing) a nuestros arrays para obtener subconjuntos, y vamos a usar índices booleanos para filtrar datos en los arrays.
- Indexación y Segmentación en Arrays de NumPy 1
- Indexación y Segmentación en Arrays de NumPy 2
- Indexación y Segmentación en Arrays de NumPy 3
- Forma y Estructura de los Arrays de NumPy5:05
En esta lección del curso de Python para Data Science vamos a entender cómo cambiar la forma y el tamaño de los arrays de NumPy, y para eso vamos a aprender a utilizar algunos métodos especiales como transpose(), shape, reshape(), flatten(), ravel(), etc.
- Forma y Estructura de los Arrays de NumPy 1
- Forma y Estructura de los Arrays de NumPy 2
- Forma y Estructura de los Arrays de NumPy 3
- Operaciones Avanzadas y Funciones Universales en NumPy8:02
En esta lección del curso de Python para Data Science, vamos a aprender varios recursos que nos van a permitir realizar operaciones más avanzadas con arrays. Primero te enseñaré el broadcasting, que es una estrategia que nos permite extender operaciones de un modo curioso pero muy eficiente, y luego las funciones universales (ufuncs).
- Operaciones Avanzadas y Funciones Universales en NumPy 1
- Operaciones Avanzadas y Funciones Universales en NumPy 2
- Operaciones Avanzadas y Funciones Universales en NumPy 3
- Tratamiento de Datos Faltantes con NumPy8:08
En esta lección del curso de Python para Ciencia de Datos, vamos a hablar sobre el tratamiento de los datos faltantes, o datos no válidos (NaN). La limpieza de datos es un tema que ya hemos abordado en los días de Pandas, por lo que no es necesario volver a destacar su importancia. Uno de los aspectos más delicados de la limpieza de datos, como hemos visto, es cómo tratar a los datos faltantes. Volveremos a retomar ese tema, pero esta vez para aprender cómo lo hacemos con NumPy, con los métodos que esta librería dispone para manejar, identificar y sustituir datos faltantes, como np.isnan(), np.nanmean(), etc.
- Tratamiento de Datos Faltantes con NumPy 1
- Tratamiento de Datos Faltantes con NumPy 2
- Tratamiento de Datos Faltantes con NumPy 3
- Importación y Exportación de Datos con NumPy10:33
En esta lección del curso de Python para Data Science, vamos a aprender cómo importar datos desde archivos externos para cargarlos en nuestros arrays de NumPy, y también vamos a aprender el proceso inverso: cómo exportar nuestros arrays de NumPy hacia archivos externos, como Excel o csv. NumPy tiene herramientas que facilitan la importación de datos desde varios tipos de archivos, y es bastante similar a como lo hacemos con Pandas.
- Importación y Exportación de Datos con NumPy 1
- Importación y Exportación de Datos con NumPy 2
- Importación y Exportación de Datos con NumPy 3
- Integración de NumPy con Pandas6:07
El objetivo de esta lección del curso de Python para Data Science, es que puedas comprender cómo pueden trabajar juntos NumPy y Pandas en el análisis de datos. Para eso, vamos a aprender a convertir estructuras de datos entre Pandas y NumPy.
Pandas, como hemos visto, es una biblioteca de Python que proporciona estructuras de datos (Series y DataFrames), así como también nos brinda muchas y muy importantes herramientas de análisis de datos.
NumPy y Pandas están estrechamente integrados, y de hecho, Pandas se basa en NumPy para realizar muchas de sus operaciones.
- Integración de NumPy con Pandas 1
- Integración de NumPy con Pandas 2
- Integración de NumPy con Pandas 3
- Proyecto del Día 8: Programa un Análisis Meteorológico3:01
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 8. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos relacionados a Numpy, como arrays, tipos de arrays (arrays unidimensionales y arrays bidimensionales), manipulación de arrays, segmentación de arrays, indexación de arrays, forma y estrucutra de los arrays, operaciones avanzadas con arrays y funciones universales (ufuncs), tratamiento de datos faltantes con NumPy, Importación de datos con NumPy, exportación de datos con NumPy, y la integración de Pandas con NumPy.
- Solución al Proyecto del Día 813:32
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 8.
- Soluciones para los Ejercicios de Código del Día 85:24
- Cierre del Día 8 - Preguntas Frecuentes5:32
- Meta del Día 91:33
- Visualizaciones de Datos con Matplotlib5:39
En esta lección del curso de Python para Data Science, aprenderemos sobre Matplotlib, que es otra biblioteca creada para Python. Así como Numpy fue creada para cálculos, y Pandas para estructurar datos, Matplotlib es un biblioteca especial creada para la visualización de datos. En esta lección te voy a mostrar una pequeña aplicación práctica de Matplotlib, que creo que te va a dar una idea del poder que estás por alcanzar.
- Visualizaciones de Datos con Matplolib
- Estructura Principal de Matplotlib8:06
Antes de avanzar con el curso de Python para Data Science, en esta lección quiero que nos tomemos un par de minutos para conocer las partes globales de los gráficos de Matplotlib. En la lección anterior vimos cómo construir un gráfico simple.
El elemento más grande de nuestros gráficos es el lienzo que los contiene, y se llama figura, o figure, en inglés. Sería como la pared donde cuelgas tus cuadros, y en este caso, el único cuadro que tiene colgado, es nuestro gráfico. Y el gráfico que se encuentra en su interior se llama axes. Un figure puede contener más de un axes.
- Estructura Principal de Matplotlib 1
- Estructura Principal de Matplotlib 2
- Estructura Principal de Matplotlib 3
- Gráficos de Línea (Line Plots) en Matplotlib13:05
En esta lección del curso de Python para Data Science, comencemos nuestro recorrido de creación de visualizaciones con la más simple de todas, que son los gráficos de líneas (line plots).
- Gráficos de Línea (Line Plots) en Matplotlib 1
- Gráficos de Línea (Line Plots) en Matplotlib 2
- Gráficos de Línea (Line Plots) en Matplotlib 3
- Histogramas en Matplotlib11:06
En esta lección del curso de Python para Data Science, vamos a aprender a crear histográmas con Matplotlib. Los gráficos de tipo histograma son abordajes muy útiles para mostrar la distribución de valores. Por eso se los considera en la categoría de gráficos de distribución estadística. Un histograma muestra con qué frecuencia se repiten los valores que hay en nuestros datos. Mientras más alta es una barra, significa que ese valor más veces aparece repetido entre nuestros registros.
- Histogramas en Matplotlib 1
- Histogramas en Matplotlib 2
- Histogramas en Matplotlib 3
- Gráficos Scatter en Matplotlib13:08
En esta lección del curso de Python para Data Science, va,os a aprender a hacer gráficos Scatter con Matplotlib.
La palabra Scatter significa algo así como desparramar. Entonces los scatter plots, o gráficos scatter, se llaman así porque lo que hacen es tomar todos los registros individuales que hay en nuestros datos y desparramarlos como puntos en una cuadrícula, como puedes ver en este ejemplo que nos muestra el sitio oficial de matplotlib.
Vamos a crear nuestros propios gráficos de dos formas diferentes. Primero con el método plot(), que ya hemos usado para crear gráficos de líneas, y luego con el método scatter() que es más dedicado, pero mi objetivo es que lo puedas aprender a hacer de ambas maneras.
- Gráficos Scatter en Matplotlib 1
- Gráficos Scatter en Matplotlib 2
- Gráficos Scatter en Matplotlib 3
- Gráfico Pastel (Pie Plot) con Matplotlib6:18
En esta lección del curso de Python para Data Science aprenderemos a crear gráficos de pastel (pie plots) con Matplotlib.
Pocos gráficos son tan populares y tan fáciles de interpretar como los gráficos circulares, también conocidos como gráficos de torta, o gráficos pastel, o en inglés "pie charts". Por supuesto que no los podíamos dejar fuera de estas explicaciones.
Hacer un gráfico circular es muy sencillo, porque el único parámetro que nos pide pie() es x, es decir que solo nos pide una secuencia de valores.
- Gráfico Pastel (Pie Plot) con Matplotlib 1
- Gráfico Pastel (Pie Plot) con Matplotlib 2
- Gráfico Pastel (Pie Plot) con Matplotlib 3
- Creación de Múltiples Gráficos con Matplotlib4:53
En esta lección del curso de Python para Data Science, vamos a aprender cómo crear múltiples gráficos (también conocidos como subgráficos o "subplots") dentro de un único "figure" en Python, utilizando la biblioteca Matplotlib. Esta habilidad es esencial para la comparación visual de diferentes conjuntos de datos o para mostrar distintos aspectos de un mismo conjunto de datos.
- Creación de Múltiples Gráficos con Matplotlib 1
- Creación de Múltiples Gráficos con Matplotlib 2
- Creación de Múltiples Gráficos con Matplotlib 3
- Estilo para tus Gráficos con Matplotlib4:34
En esta lección del curso de Python para Matplotlib quiero enseñarte un recurso de matplotlib que aplica para cualquier tipo de gráficos que estemos creando. Me refiero a la función style.use(), que se utiliza para establecer un estilo visual específico para tus gráficos. Esto es útil porque te permite cambiar rápidamente la apariencia de tus gráficos sin tener que modificar cada elemento individualmente. Piénsalo como cambiar de ropa a tus gráficos.
- Estilo para tus Gráficos con Matplotlib 1
- Estilo para tus Gráficos con Matplotlib 2
- Estilo para tus Gráficos con Matplotlib 3
- Crea Cualquier tipo de Gráficos desde Matplotlib11:51
En esta lección del curso de Python para Data Science vamos a aprender a crear cualquier tipo de gráficos con Matplotlib.
Hace un par de lecciones hice mención a los beneficios de saber descubrir por ti mismo los recursos con los que cuentas cuando estás trabajando con un determinado gráfico en matplotlib, y como tu ya sabes esa misma lógica aplica para todos los objetos de Python: un buen programador no es el que sabe y se acuerda todo lo que un objeto puede hacer, sino aquel que sabe como navegar en la documentación con type, dir y help, para descubrir por sí mismo cómo funcionan las cosas.
En esta lección vamos a ir en el mismo sentido, porque luego de haberte enseñado cómo construir los principales tipos de gráficos en Matplotlib, ahora quiero enseñarte como construir cualquier tipo de gráfico, incluso aquellos que hoy no existen y que el día de mañana matplotlib agregue a su colección.
Entonces lo que te voy a enseñar es como surfear en la documentación para hacerlo por ti mismo. Como puedes ver en la galería de gráficos de Matplotlib hay muchas y muy vistosas opciones, y quiero que seas capaz de decir "esté gráfico me sirve", y que lo puedas usar por ti mismo.
- Crea Cualquier tipo de Gráficos desde Matplotlib 1
- Crea Cualquier tipo de Gráficos desde Matplotlib 2
- Crea Cualquier tipo de Gráficos desde Matplotlib 3
- Proyecto del Día 9: Programa una Consulta Meteorológica Interactiva3:23
En esta lección del curso de Python para Data Science te voy a dar la consigna para resolver el proyecto de código en python para el día 9. Vas a poner en práctica todo lo que aprendiste a lo largo del día.
Este proyecto incluirá conceptos relacionados a Matplotlib, como visualizaciones de datos con Matplotlib, la estructura principal de Matplotlib, Crear gráficos de línea con Matplotlib, gráficos de pastel con matplotlib, darle estilo a tus gráficos con Matplotlib, etc.
- Solución al Proyecto del Día 918:40
En esta lección del curso de Python para Data Science, te compartiré mi solución al proyecto del día 9.
- Soluciones para los Ejercicios de Código del Día 96:02
- Cierre del Día 9 - Preguntas Frecuentes5:21
- Meta del Día 101:17
- Introducción a Seaborn5:59
En esta lección del curso de Python para Data Science vas a conocer a Seaborn y todas sus herramientas para crear visualizaciones atractivas.
- Introducción a Seaborn
- Relación Estadística en Seaborn9:09
En esta lección del curso de Python para Data science vamos a ver cómo aplicar visualizaciones de Seaborn para la relación estadística
- Relación Estadística en Seaborn
- Representación Distributiva en Seaborn9:50
En esta lección del curso de Python para Data science vas a conocer cómo aplicar Seaborn para visualizar la Representación Distributiva
- Representación Distributiva en Seaborn
- Variables Categóricas en Seaborn12:11
En esta lección del curso de Python para Data Science, vas a aprender cómo usar Seaborn para representar variables categóricas
- Variables Categóricas en Seaborn
- Vista Múltiple para Datasets Complejos en Seaborn4:43
En esta lección del curso de Python para Data science vas a aprender cómo visualizar múltiples datasets complejos usando herramientas de Seaborn
- Vista Múltiple para Datasets Complejos en Seaborn
- Funciones de Nivel Inferior en Seaborn12:50
En esta lección del curso de Python para Data Science, vas a aprender cómo usar Seaborn a travpes de sus funciones de nivel inferior
- Funciones de Nivel Inferior en Seaborn
- Valores Preconfigurados y Personalizados en Seaborn11:08
En esta lección del curso de Python para Data Science, vas a aprender a aplicar Seaborn con valores preconfigurados y con valores personalizados.
- Valores Preconfigurados y Personalizados en Seaborn
- Nivel de Figura vs. Nivel de Axes en Seaborn9:57
En esta lección del curso de Python para Data Science, vas a aprender a diferenciar la manipulación de gráficos y visualizaciones a través del nivel de figura, y del nivel de axes en Seaborn.
- Nivel de Figuras vs. Nivel de Axes en Seaborn
- Proyecto del Día 10: Crea un Dashboard de Análisis Exploratorio de Datos5:15
- Solución al Proyecto del Día 1014:03
- Cierre del Día 10 - Preguntas Frecuentes4:53
Requirements
- Tener un ordenador conectado a internet
- Ser un explorador curioso
- No se requiere ningún conocimiento previo de Python ni de Data Science
- Traer buena onda. No se admiten estudiantes sin una sonrisa en la cara
Description
"Python TOTAL", el curso Best-Seller que ha enseñado Python desde cero a miles y miles, necesitaba un complemento perfecto: "Python TOTAL para Data Science y Machine Learning".
¿Por qué hacía falta?
Porque con este curso, además de aprender Python desde cero, podrás llevarlo hacia la ciencia del momento: Data Science (o Ciencias de la Información), para poder programar herramientas capaces de procesar cantidades monumentales de información, y de generar no solo visualizaciones relevantes, informativas y atractivas, sino también predicciones a partir de los datos que disponemos.
Con "Python Total para Data science & Machine Learning" podrás ayudar a quienes toman decisiones a entender mejor el contexto y la realidad sobre la cual están operando, para poder ser eficaces, eficientes y acertivos en sus decisiones.
¿Que encontrarás en este curso?
18 días de aprendizaje intenso y práctico
Cientos de ejercicios de código en la plataforma (3 por cada lección)
Vientos de archivos de código descargable
Proyectos díarios del mundo real para aplicar lo aprendido
Decenas de bases de datos para prácticas
Cuestionarios
Lecciones teóricas y prácticas hechas con amor por la simplicidad
¿Qué temas cubre este curso?
Python básico
Pandas
NumPy
Matplotlib
Seaborn
Scikit Learn
Tensorflow
Machine Learning
Excel y Power BI para Data Science
Algoritmos de Aprendizaje Supervisado, No Supervisado y por Reforzamiento
Bases de Datos
APIs
Deep Learning
Etica y Provacidad en Data Science
y muchísimo más
¿Por qué puedo ayudarte?
Mi nombre es Federico Garay, soy instructor Best-Seller con la medalla "Socio de Udemy". Mis cursos han enseñado a cientos de miles de personas a programar, y mi calificación promedio no baja de 4.7 estrellas.
Amo enseñar. Amo buscar la explicación simple de las cosas. Quiero que todos entiendan y que nadie se quede atrás.
Contesto TODAS las preguntas de mis estudiantes en menos de 24-48 horas.
Si ya has visto otros cursos exitosos como Python Total o Excel Total, no dudarás en aprender conmigo, porque además de crecer, te vas a divertir.
¿Puedes hacer este curso sin haber hecho el de Python Total?
Claro que sí. En este curso retomamos de manera dinámica lo aprendido en Python TOTAL desde cero, para que nadie se quede afuera. No quiero que tengas que comprar nada extra, y quiero que con este curso obtengas todo el conocimiento y las habilidades necesarias para ser un científico de datos, ya sea que tengas experiencia, o que nunca hayas programado en tu vida.
Estoy seguro de que no te arrepentirás, por eso te invito a probar el curso, y si no es lo que buscabas cuentas con la garantía de Udemy de devolución del 100% de tu dinero dentro de los 30 días.
No le demos más vueltas, este es el curso que necesitas.
Te espero en la lección #1
Fede
Who this course is for:
- Personas sin experiencia en programación que están decididos a cambiar el rumbo de su vida transformándose en científicos de datos
- Estudiantes iniciales o avanzados de carreras relacionadas a la informática
- Programadores que desean llevar sus habilidades hacia la disciplina de las Ciencias de la Información
- Emprendedores que desean tener dominio del poder de la información para llevar sus proyectos al siguiente nivel al gozar de una posición ventajosa
- Curiosos e inquietos que han escuchado que esto de la programación es genial y quieren ver de qué se trata
- Adolescentes y jóvenes que están buscando dónde comenzar el camino de su desarrollo
- Personas GRANDES que no le temen a los desafíos y que han dicho "yo estoy a tiempo de montarme en la profesión que quiera"
- Este curso es para tí, porque lo he hecho por amor a las personas que son como yo: alguien que quiere aprender de todo.