Presentación
Python es un lenguaje de programación de código abierto, cuya sintaxis es muy fácil de utilizar y aprender, es un lenguaje multiplaforma con una extensa cantidad de herramientas aplicables en distintas áreas de estudio, y es en la actualidad uno de los lenguajes más utilizados por programadores dado que tiene un continuo proceso de actualización además, de contar con una extensa comunidad de usuarios.
El presente curso abarca de 09 clases que inician desde brindar los alcances necesarios del entorno Python y nociones acerca de la estructura numérica para desarrollar códigos o script, conforme al desarrollo de cada clase se irá aprendiendo y aplicando diferente librerías que permitan procesar, analizar y visualizar datos. También, se desarrollará tópicos enfocado a Machine Learning para crear modelos predictivos y ajustar parámetros para completar datos faltantes y Web Scrapping para navegar y creación de códigos para rastrear sitios web automáticamente.
Objetivos
El presente curso tiene como objetivo proporcionar a los participantes las nociones básicas hasta avanzadas para poder entender y desarrollar scripts en el lenguaje de programación Python.
Programa del Curso
El curso está estructurado en nueve sesiones divididas cada sesión en teoría y práctica.
Sesión 01: Entorno de Python y manejo de variables
Instalación y configuración de Miniconda y Jupyter Notebook.
Conceptos básicos y sintaxis básica en Python.
Operaciones básicas con Python y creación de variables
Tipos de datos básicos en Python: Enteros, coma flotante y booleanos
Aprendiendo de operadores de comparación.
Manejo con operadores lógicos.
Definición de expresiones y cálculos con aproximaciones.
Sesión 02: Sentencias de control y manejo de cadena de caracteres
Estructuras de control y sentencias de control de flujo condicional:
Explorando el condicional if - elif - else
Revisión del ciclo while
Sentencias de control de flujo iterativo:
Aprendiendo bucles.
Exploración del bucle for.
Definición de cadenas de caracteres o strings y concatenación de cadenas usando operadores.
Alcances de la indexación y slicing asociado a una secuencia de elementos.
Formateo de cadena de caracteres y uso del método format.
Sesión 03: Estructura de datos y funciones
Exploración y modificación de los elementos de una lista.
Manejo de tuplas como secuencia de elementos.
Alcances de diccionarios como estructuras que contienen elementos.
Definición y manejo de funciones: built-in, print, input.
Creación de funciones bajo una estructura determinada.
Aplicación de un caso práctico.
Sesión 04: Uso del módulo Numpy y Pandas
Aprendiendo Numpy:
Definición de arreglos unidimensionales (vectores).
Manipulación de arreglo bidimensionales (matrices).
Operaciones con matrices, indexación y redimensionamiento de matrices.
Manejo de series y dataframes con Pandas
Importaciones y exportación de archivos DataFrames desde un Excel o CSV.
Manejo de columnas y filas.
Agrupación y normalización con datos climáticos.
Sesión 05: Uso de librerías gráficas con datos climáticos
Alcances librerías gráficas para añadir información descriptiva en un gráfico como títulos, etiquetas y anotaciones.
Procedimientos en el análisis de datos hidrológicos
Análisis gráfico y estadístico de variables climáticas.
Generación de series temporales de precipitación usando la librería Matplotlib.
Análisis de consistencia en la media y la desviación estándar.
Sesión 06: Indicadores estadísticos de eficiencia
Descripción de los principales indicadores estadísticos.
Desarrollo aplicativo de un script para determinar los principales indicadores estadísticos de eficiencia, como: coeficiente de Nash, coeficiente de correlación de Pearson (r), volumen relativo al sesgo, error medio cuadrático, coeficiente de determinación R2.
Presentación de resultados en gráficos como series temporales, box-plot.
Sesión 07: Machine learning con Python
Definición regresión lineal e interpretación de sus parámetros.
Definición de redes neuronales.
Uso del módulo Scikit-learn en Python.
Análisis exploratorio de datos.
Generación de gráficas de distribución de variables.
Sesión 08: Aplicación de redes neurales para completar datos faltantes en Python
Análisis de correlación y cálculo de matriz de distancias.
Definición de datos de entrenamiento como primer modelo de regresión lineal.
Dimensionamiento de la red neural.
Transformación de variables predictoras.
Entrenamiento de la red neural y definición de valores de testeo.
Generación de gráficas de los datos de precipitación.
Sesión 09: Aplicación de Web Scraping para extracción de datos
Alcances de web scraping.
Descarga y extracción de datos climáticos.
Extracción de bases de datos.
Tratamiento de información de estaciones climáticas.
Análisis y generación de gráficos interactivos.
Método didáctico
La metodología de impartición del curso es online (en vivo), donde se expondrán los temas de una manera clara y detallada.
El contenido del curso incluye materiales teóricos y prácticas.
El acceso a los video-tutoriales después de desarrollado el curso es de cinco meses.
Soporte online mediante el moodle para consultas con respecto al contenido del curso.
Envío de certificado digital al finalizar el curso por 45 horas.
Fechas y horario
Octubre del 2022 (Hora GMT -5: 00 - Perú)
Sábado 29 de 5:00 pm - 7:00 pm
Domingo 30 de 5:00 pm - 7:00 pm
Noviembre del 2022 (Hora GMT -5: 00 - Perú)
Sábado 05 de 5:00 pm - 7:00 pm
Domingo 06 de 5:00 pm - 7:00 pm
Sábado 12 de 5:00 pm - 7:00 pm
Domingo 13 de 5:00 pm - 7:00 pm
Sábado 19 de 5:00 pm - 7:00 pm
Domingo 20 de 5:00 pm - 7:00 pm
Sábado 26 de 5:00 pm - 7:00 pm
Capacitador
ING. RICHARD GÓMEZ
Especialista en Telecomunicaciones de la Universidad Nacional de Ingeniería, con experiencia en la elaboración de programas para manipulación de datos y modelamiento predictivo.
En el ámbito profesional, se ha especializado en el manejo del lenguaje de programación Python y sus librerías para Data Science y Machine Learning, tales como Pandas, Numpy, Scikit-learn, además de tener dominio en otros lenguajes de programación (C++, Java, NodeJS, GO), manejo de Bases de Datos (SQL y no SQL) e APIs.
Formación:
Algoritmos y estructuras de datos
Métodos estadísticos y estocásticos
Programación orientada a objetos
Data Science.
Costos
Inversión en soles: S /. 700
Inversión en dólares: $. 225
Costos promocionales hasta el 28 de Octubre 2022
Inversión en soles: S /. 550
Inversión en dólares: $. 175
Medios de Pago
DEPÓSITO PARA PARTICIPANTES DE PERÚ
Titular: Henry Gómez Salazar
DNI: 46431639
DEPÓSITO EN BCP
En Soles (PEN):
N ° Cuenta: 193-91681369-0-41
Código de Cuenta Interbancaria:
002 19319168136904115
En Dólares (USD):
N ° Cuenta: 193-91681383-1-55
DEPÓSITO EN BBVA
En Soles (PEN):
N ° Cuenta: 0011-0814-0223823837
Código de Cuenta Interbancaria:
01181400022382383718
En Dólares (USD):
N ° Cuenta: 0011-0814-0223824256
Código de Cuenta Interbancaria:
01181400022382425610
DEPÓSITO PARA PARTICIPANTES EXTRANJEROS
DEPÓSITO C / TARJETA DE CRÉDITO - PAYPAL
DEPÓSITO POR WESTERN UNION O MONEY GRAM
Datos del destinatario:
Henry Michael Gómez Salazar
DNI: 46431639
Dirección: Intihuatana 126 Coop. Chancas de Andahuaylas Etapa 1, Santa Anita, Lima, Perú.
* Nota: Enviar escaneado la constancia de
pago y el número MTCN a:
academic.rhydro@gmail.com
Registro
Rellenar la ficha de registro y luego enviar el voucher escaneado a academic.rhydro@gmail.com