Programación

PRE2013A45

Contenido

Unidad 1: Fundamentos de Python (Clases 1 a 5)

1 Introducción a Python

• Instalación y configuración del entorno (Anaconda, Jupyter Notebooks).
• Estructura básica de un programa en Python.
• Sintaxis básica: variables, operadores y tipos de datos.
• Ejercicios prácticos.

2 Estructuras de Control

• Introducción a las estructuras de control.
• Condicionales: if, else, elif.
• Bucles: for, while.
• Uso de break, continue y pass.
• Introducción a la comprensión de listas (list comprehensions).
• Ejercicios prácticos.

3 Funciones

• Definición y uso de funciones.
• Parámetros y argumentos.
• Retorno de valores.
• Funciones anónimas (lambdas).
• Ámbito de las variables (scope).
• Documentación de funciones con docstrings.
• Ejercicios prácticos.

4 Estructuras de Datos Avanzadas

• Listas, tuplas, conjuntos y diccionarios.
• Métodos y operaciones comunes.
• Comprensiones de listas, conjuntos y diccionarios.
• Iteradores e iterables.
• Generadores.
• Ejercicios prácticos.

5 Manejo de Archivos y Excepciones

• Lectura y escritura de archivos.
• Manejo de archivos CSV y JSON.
• Introducción al manejo de excepciones.
• Uso de try, except, else y finally.
• Creación y manejo de excepciones propias.
• Ejercicios prácticos.

Unidad 2: Análisis de Datos (Clases 6 a 9)

6 Introducción a Numpy

• Instalación y configuración.
• Creación y manipulación de arrays.
• Operaciones básicas con arrays.
• Indexación y segmentación de arrays.
• Funciones universales (ufuncs).
• Ejercicios prácticos.

7 Manipulación de Datos con Pandas

• Instalación y configuración.
• Introducción a las estructuras de datos: Series y DataFrames.
• Creación y manipulación de DataFrames.
• Indexación, selección y filtrado de datos.
• Operaciones básicas y manejo de datos faltantes.
• Ejercicios prácticos.

8 Visualización de Datos con Matplotlib

• Instalación y configuración.
• Creación de gráficos básicos: líneas, barras, histogramas.
• Personalización de gráficos: títulos, etiquetas, leyendas.
• Subgráficos y figuras.
• Guardado de gráficos en diferentes formatos.
• Ejercicios prácticos.

9 Análisis Exploratorio de Datos (EDA)

• Introducción al EDA.
• Resumen y descripción de datos.
• Agrupamiento y agregación de datos.
• Detección y tratamiento de valores atípicos (outliers).
• Transformación y normalización de datos.
• Ejercicios prácticos.

Unidad 3: Ciencia de Datos (Clases 10 a 15)

10 Introducción a la Ciencia de Datos

• Definición y aplicaciones de la ciencia de datos.
• Flujo de trabajo en ciencia de datos.
• Herramientas y tecnologías comunes.
• Introducción a los datasets y fuentes de datos.
• Ejercicios prácticos.

11 Fundamentos de Estadística para Ciencia de Datos

• Conceptos básicos de estadística: media, mediana, moda.
• Medidas de dispersión: rango, varianza, desviación estándar.
• Distribuciones de probabilidad.
• Pruebas de hipótesis.
• Ejercicios prácticos.

12 Preparación de Datos para Modelado

• Importancia de la preparación de datos.
• Manejo de datos faltantes.
• Codificación de variables categóricas.
• Escalado y normalización de datos.
• División de datos en conjuntos de entrenamiento y prueba.
• Ejercicios prácticos.

13 Introducción al Machine Learning con Scikit-Learn

• Introducción al machine learning.
• Instalación y configuración de Scikit-Learn.
• Flujo de trabajo en machine learning.
• Introducción a los modelos supervisados y no supervisados.
• Ejercicios prácticos.

14 Modelos de Clasificación

• Conceptos básicos de clasificación.
• Modelos de clasificación: K-Nearest Neighbors, Support Vector Machines.
• Evaluación de modelos de clasificación: accuracy, precision, recall, F1-score.
• Ejercicios prácticos.

15 Modelos de Regresión

• Conceptos básicos de regresión.
• Modelos de regresión: regresión lineal, regresión polinómica.
• Evaluación de modelos de regresión: R², error cuadrático medio.
• Ejercicios prácticos.

Evaluación

Evaluación	Ponderación	Fecha de Presentación
Ejercicios prácticos unidad 1	10%	Clases 1 a 5
Ejercicios prácticos unidad 2	10%	Clases 6 a 9
Ejercicios prácticos unidad 3	10%	Clases 10 a 15
Trabajo de aplicación unidad 1	20%	Semana 6
Trabajo de aplicación unidad 2	20%	Semana 10
Trabajo de aplicación unidad 3	30%	Semana 17