Curso de introducción al análisis y modelado de datos con Python (pandas y scikit-learn)

La mejor forma de aprender a programar es haciendo algo útil, por lo que esta introducción a Python se centrará alrededor de una tarea común: solucionar problemas de análisis y modelado de datos comunes en el entorno académico e industrial. Python dispone de dos librerías principales para ello, pandas y scikit-learn. La primera, pandas, permite el manejo eficiente y sistemático de datos con formato de tabla. La segunda, scikit-learn, reúne los principales algoritmos de Machine Learning (aprendizaje automático) bajo una misma interfaz. Ambas librerías disponen de licencia totalmente libre y gratuita, incluso para empresas. No sorprende, por tanto, que empresas del calibre de Google o Microsoft no solo usen si no que financien dichos proyectos.

xkcd-python

¿Qué vamos a dar?

En esta ocasión haremos una breve introducción a Python siguiendo parte materiales de AeroPython. En contreto, cubriremos:

  • Los conceptos y manejo de pandas, analizando datos de diferentes archivos y representandólo en gráficas
  • Fundamentos del ajuste de datos a modelos de aprendizaje automático mediante scikit-learn

Duración: 6 horas

Coste: ¡Gratuito! (plazas limitadas)

Horario y aulas:

Jueves 22 y viernes 23 de febrero de 15:30 a 18:30 h en el edificio Politécnica (Laboratorio L24, ver mapa)

Requisitos:

  • Conocimientos de programación. Conocimientos básicos de cualquier lenguaje de programación (MATLAB, Python, Java, C/C++ o similares)
  • Visualización previa del curso online de Python. Si bien Python es uno de los lenguajes más fáciles de aprender, no cubriremos toda la sintaxis y posibilidades del lenguaje en esta ocasión. Todas sus funcionalidades y librerías serán referenciadas a este material online durante el curso.
  • Poder asistir a la totalidad del curso
  • Ser estudiante de la UA o formar parte del colectivo PDI o PAS.

Inscripción:

El plazo de solicitud de inscripción se abrirá el sábado 17 de febrero a las 12:00 h siendo accesible desde esta página web. Las plazas son limitadas y se asignaran por riguroso orden de entrada. Se prevén bastantes inscripciones así que comprueba tu horario y si ya es seguro que puedes asistir, te recomendamos ponerte una alarma para apuntarte y evitar sorpresas ;).

Pre-inscripción
  • Debido a la alta demanda y las plazas limitadas, se confirmará la inscripción vía email. Te recomendamos que estés pendiente de nuestras redes sociales (Twitter, Facebook) para recibir la información más inmediata. Para cualquier duda que tengáis podéis usar las mismas, los comentarios, nuestro formulario de contacto o preguntarnos en la universidad.

¿Por qué Python y no MATLAB/GNU Octave, R, etc.?

Utilizaremos Python porque:

  1. Es libre, gratuito, bien documentado y se puede ejecutar en cualquier ordenador (Windows, MacOS o Linux).
  2. Tiene una gran (y creciente) base de usuarios de diversos campos.
  3. La experiencia demuestra que Python es más fácil de aprender que cualquier otro lenguaje.

En este taller trabajaremos con Jupyter Notebook (IPython) aunque podrá ser seguido desde cualquier ordenador con Python 3 instalado. Además de Python, haremos uso de librerías especializadas como NumPy y matplotlib para procesar y representar datos de forma más eficiente. Recomendamos instalar Anaconda con Python 3 en los ordenadores.

¿Por qué es gratuito?

Este curso es posible gracias a la generosa financiación de la EPS y sus actividades del Mes Cultural.

¿Qué tiene de diferente este taller frente a otros?

Este taller permitirá a los estudiantes de la EPS de la Universidad de Alicante sean capaces de manejar herramientas fundamentales para el análisis y modelado de datos con los que se enfrentarán en su vida profesional.

Aprende más sobre Python

El ecosistema Python es muy amplio y se encuentra plena evolución, si quieres saber más puedes ver nuestro curso online y el blog de Pybonacci:logo-python-ingenieros

Podcast: Descubre Python en 30 min
Cuando Nature recomienda Python como alternativa
Curso online gratuito de Python científico

Tags: ,

No comments yet.

Deja un comentario