Análise de datos con Python

Módulo Profesional: Análise de datos con Python

Equivalencia en créditos ECTS: 9

Duración: 75 horas

Código: 5101

Resultados de aprendizaxe e criterios de avaliación

1. Manexo, limpeza e normalización de distintos tipos de datos en función do problema a resolver.

Criterios de avaliación

a) Coñécense e impórtanse as librarías usadas en ciencia de datos.

b) Escribiuse código que permite ler datos de distintas orixes (csv, xlsx, entre outros).

c) Escribiuse código que permite exportar datos previamente lidos en ficheiros de distinto formato (csv, xlsx, entre outros).

d) Escribiuse código que permite acceder a bases de datos usando librarías de ciencia de datos.

e) Manéxanse seleccións, actualizacións, adicións e eliminacións de datos dunha base de datos usando as librarías de Python aplicadas á ciencia de datos.

f) Realizáronse probas intermedias de verificación.

2. Limpa e estandariza lotes de datos de forma lóxica e eficiente para o seu tratamento posterior de acordo co problema a resolver.

Criterios de avaliación

a) Analizáronse os datos lidos.

b) Deducíronse as operacións para normalizar e estandarizar datos en Python.

c) Escribiuse código que permite limpar e estandarizar datos baseándose no problema que hai que resolver.

d) Aplicáronse intervalos en series de datos para realizar agrupacións de forma coherente.

e) Identificáronse os datos a converter de categóricos a numéricos.

f) Escribiuse código que modifica variables categóricas en variables cuantitativas en Python.

3. Realiza análises exploratorias en datos tendo en conta o alcance do problema a resolver.

Criterios de avaliación

a) Resumíronse grandes cantidades de datos para a toma de decisións.

b) Foi capaz de responder preguntas relevantes relativas aos datos.

c) Recoñecéronse patróns nos datos.

d) Escribiuse código en Python que permite coñecer a correlación entre variables.

4. Desenvolve modelos en linguaxe Python dando solución ao problema exposto.

Criterios de avaliación

a) Analizouse a relación entre unha variable continua e unha ou máis variables independentes mediante o axuste dunha ecuación lineal.

b) Modelouse unha relación non lineal entre variables independentes e dependentes.

c) Determinouse correctamente a mostra na que se ensaiará o procedemento a avaliar.

d) Realizouse unha predición e comprobouse a súa precisión e validez usando unha mostra de datos válida.

Referencias

Videos

• Curso Analisis de Datos con Python
• 1 Hora aprendiendo Python para Análisis de Datos desde Cero
• Tutorial Python | Análisis de datos
• Máster de especialista en Ciencia de Datos con Python

Libros

• Aprende Pandas y análisis de datos en un fin de semana (Aprende Python nº 6)
• Python para análisis de datos
• Análisis de datos con Python
• Fundamentos del Análisis de Datos con Python: Domina Python y la Ciencia de Datos usando NumPy, Pandas, Matplotlib y Seaborn: Una guía práctica con proyectos y casos de estudio
• Análisis de los datos con Python: es una tarea fácil
• Análisis de datos Python: La guía definitiva para aprender Análisis de datos de Python: 1
• Python Para el Análisis de Datos: Una Guía para Principiantes para Aprender el Análisis de Datos con la Programación Python.
• Python para Inteligencia Artificial: Guía para Principiantes desde Cero: Aprende programación, análisis de datos y Machine Learning sin experiencia previa (Inteligencia Artificial Desde Cero)
• Python para la ciencia de los datos: La guía definitiva para aprender ciencia de datos, análisis de datos, aprendizaje automático y análisis de datos para principiantes con ejercicios paso a paso
• Python for Data Analysis: Data Wrangling with Pandas, Numpy, and Jupyter
• DataSavvy: Iniciate en el Análisis de Datos con Python
• Bootcamp de Análisis de Datos con Python: Dominando Pandas y Matplotlib
• Temas de análisis de datos de Python
• Ciencia de datos desde cero. Segunda edición: Principios básicos con Python
• Análisis de Datos con Python: Data Science Nivel 1
• Análisis de datos de Python para novatos: numpy/pandas/matplotlib/sklearn/keras
• []