К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Python para Ciencia de Datos · LearnSpace
Назад в каталог
courseraАнализ данных

Python para Ciencia de Datos

Курс от Pontificia Universidad Católica de Chile
Начальный≈ 8.8 чИспанский
О курсеНавыкиПрограммаПреподаватели

О курсе

Resultados de aprendizaje: ● Comprender y analizar las herramientas básicas de Python. ● Utilizar herramientas de Python para el desarrollo de técnicas para el manejo y análisis de datos como apoyo a la toma de mejores decisiones, identificando las posibilidades y oportunidades en las organizaciones. ● Identificar las oportunidades y posibilidades que ofrece el uso de la Ciencia de Datos a las organizaciones. Las aplicaciones de técnicas de análisis de datos están siendo cada día más demandadas, debido a su utilización en las organizaciones y a la tendencia mundial de mejorar los procesos de toma de decisiones en base a la evidencia que se puede obtener del análisis de la enorme cantidad de información disponible. Así, la pertinencia del curso está relacionada con la necesaria aplicación de diversos métodos para analizar estos datos. Todo ello, para mejorar diferentes procesos de decisión de corto, mediano y largo plazo de los distintos sistemas dentro de una organización. Este curso busca que profesionales de diversas áreas y con distintas motivaciones logren comprender cómo el uso de adecuado y eficiente de Python como herramienta computacional para el análisis de datos puede mejorar su toma de decisiones dentro de su organización. Para ello se introducirán los conceptos básicos y generales del análisis de datos, se revisará la importancia de visualizar e identificar valor en los datos y cómo los distintos métodos descriptivos, predictivos, y prescriptivos permiten evidenciar oportunidades y justificar decisiones. Para ejemplificar estos conceptos y su desarrollo a través de Python, se verán casos prácticos en industrias como el retail, medicina y logística, entre otras.

Навыки, которые вы освоите

Data AnalysisPython ProgrammingData VisualizationPredictive ModelingData-Driven Decision-MakingDescriptive AnalyticsData ScienceDescriptive StatisticsAnalyticsForecastingPredictive AnalyticsData ProcessingDatabase ManagementRelational DatabasesData Visualization SoftwareAnalytical SkillsData Manipulation

Программа курса

4 модулей · 45 учебных материалов

01Módulo 1: Ciencia de datos y Python16 материалов

Derechos reservados

Derechos reservadosЧтение

Bienvenida

Bienvenida e IntroducciónВидеоRuta de aprendizajeЧтениеActualización de VersionesЧтение

Учитесь у экспертов

Alejandro Cataldo

Profesor Asistente Adjunto

Python para Ciencia de Datos
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 8.8 ч

4 модулей

Язык: Испанский

Часть программы вашего университета
SyllabusЧтение
Tutorial de instalación de PythonВидео
Base de datosЧтение

Clases

Clase 1: Introducción al análisis de datosВидеоClase 2: ¿Qué es la Ciencia de Datos?ВидеоClase 3: Datos, información, decisiones y programación, ¿cómo se integran?ВидеоClase 4: Secuencia de comandos en Python y operaciones básicasВидео

Lecturas obligatorias

Data Science: Concept and Practice ЧтениеArchivo Python 1Чтение

Lecturas complementarias

Microsoft Excel Data Analysis and Business Modeling ЧтениеMaterial complementario de clasesЧтение

Evaluación Módulo 1

Evaluación 1.Задание
02Módulo 2: Manejo de base de datos y manejo de los datos9 материалов

Clases

Clase 5: Conceptos fundamentales de las bases de datosВидеоClase 6: Librería de Python y el concepto de DataframeВидеоClase 7: Extracción directa de información desde un programa PythonВидеоClase 8: Conectores y librerías Python para trabajo con Bases de Datos relacionalesВидео

Lecturas obligatorias

Python para Todos: Explorando la información con Python ЧтениеArchivo Python 2Чтение

Lecturas complementarias

Data. Models and DecisionsЧтениеMaterial complementario de clasesЧтение

Evaluación Módulo 2

Evaluación 2Задание
03Módulo 3: Visualización avanzada de datos9 материалов

Clases

Clase 9: ¿Por qué es importante una visualización adecuada de los datos y resultados?ВидеоClase 10: ¿Cómo crear gráficos en Python?ВидеоClase 11: ¿Cómo crear una interfaz adecuada?ВидеоClase 12: Ejercicio: Visualización Avanzada de DatosВидео

Lecturas obligatorias

Data Science: Concept and PracticeЧтениеArchivo Python 3Чтение

Lecturas complementarias

Microsoft Excel Data Analysis and Business Modeling ЧтениеMaterial Complementario de clasesЧтение

Evaluación Módulo 3

Evaluación 3Задание
04Módulo 4: Analítica descriptiva y predictiva11 материалов

Clases

Clase 13: ¿Qué es, por qué es importante y cómo se modela la incertidumbre?ВидеоClase 14: ¿Qué es la analítica descriptiva y predictiva?ВидеоClase 15: ¿Cómo se utiliza Python en la construcción de modelos predictivos?ВидеоClase 16: Decisiones bajo certidumbre, riesgo e incertidumbreВидео

Lecturas obligatorias

Data Science: Concept and Practice ЧтениеCompeting on analytics: The new science of winning ЧтениеArchivo Python 4Чтение

Lecturas complementarias

Microsoft Excel Data Analysis and Business Modeling ЧтениеMaterial complementario de clasesЧтение

Evaluación Módulo 4

Evaluación 4.ЗаданиеCierre de cursoЧтение