Curso Algoritmos BigData
con Python

La relevancia del Bigdata en estos momentos radica en lo referente al análisis, la extracción, el análisis y la estructuración de datos, que es donde el bigdata se vuelve útil. Para ello, lo que se necesita es desarrollar ese trabajo de la manera más eficiente, y ahí es donde Python juega un papel tan importante, habiendo demostrado ser un lenguaje de manejo sencillo y de gran eficiencia en el análisis de datos.

Sobre el Curso de Algoritmos BigData
con Python

Con este curso práctico aprenderás desde cero los fundamentos de Python para Data Science y la visualización de datos, tendrás conocimientos prácticos sobre sentencias, estructuras y librerías, y su posterior utilización para el análisis de grandes volúmenes de información. 

 Duración:

200 Horas / 3-5 meses

 Modalidad:

Presencial, Telepresencial y Online

 Requisitos Previos:

Conocimientos básicos de informática e internet

obre la certificación:

El curso incluye un seminario de certificación de 25 horas para prepararte para la certificación oficial de Python (Microsoft 90-381).

Para qué te prepara este curso:

Al ser un lenguaje tan potente y tan flexible, se emplea en el desarrollo de páginas web y la interpretación de interfaces gráficas de usuario y escritorio, lo que te abrirá un mundo de posibilidades para abordar diferentes proyectos en todo tipo de empresas y sectores diferentes. Se estima que los expertos analistas de BigData serán los perfiles más demandados durante los próximos años.

Temario:

Formación Técnica

Introducción a Python

Introducción
Conceptos básicos, marco competitivo actual y tendencias futuras.

Power BI
Instalación, presentación del entorno, elaboración de aplicaciones básicas.

Introducción a R
Instalación de R y Rstudio. Presentación del entorno. Conceptos básicos de trabajo: importación de vistas y librerías.

Tidyverse
Presentación de la librería. Utilización de dplyr con ejemplos de programación.

Ggplot2
Introducción a la gramática de gráficos. Ejemplos de programación de las principales opciones. Presentación del material de consulta en Internet.

Power BI con Ggplot2 sobre R
Programación desde Power BI con Ggplot2 sobre R.

Anaconda
Instalación. Presentación del entorno y carga de librerías. Presentación de Jupyter bajo Python y R. Ejemplos básicos de exploración de datos con ggplot y pandas-profiling. Ejemplos básicos de Python. Ejercicios tutorizados.

Knime
Instalación. Presentación del entorno y carga de librerías. Tratamiento de flujo de datos. Ejemplos básicos de flujo. Ejercicios de programación tutorizados.

Formación Específica

Entornos de desarrollo<br />

Anaconda y Júpyter.
Google Colab.

Elementos básicos del lenguaje. Tipos, operaciones y estructuras básicas de control.

Variables y asignación de valores.
Tipado dinámico.
Tipos básicos de datos.
Números.
Cadenas.
Booleanos.
Operadores.
Tipos de datos complejos. Creación, modificación y acceso.
Listas.
Tuplas.
Diccionarios.
Reglas básicas de sintaxis.
Estructuras de Control de Flujo.
“Encoding”.
Asignación múltiple.
Estructuras de control de flujo condicionales.
Estructuras de control iterativas: bucle while y bucle for.

Funciones

Definición de funciones.
Parámetros.
Parámetros posicionales.
Parámetros por nombre.
Parámetros arbitrarios posicionales y por nombre.
Desempaquetado de parámetros.
Llamadas dinámicas a funciones o de retorno.
Determinar la existencia de una función.
Recursividad.

Programación Orientada a Objetos.<br /> Conceptos, Elementos y Características.

¿Qué es la programación orientada a objetos (POO)?
Clases y Objetos. Atributos y métodos.
Herencia, Herencia múltiple.
Polimorfismo.
Encapsulamiento.
Métodos especiales en Python.

Introducción a la jerarquía de tipos en Python.<br /> Guía de estilo PEP8 para Python.<br /> Módulos y Paquetes.

Módulos.
Paquetes.
Espacios de Nombre.

Tipo String como objeto.<br /> Métodos y operaciones.

Métodos de formato.
Métodos de conversión.
Métodos de Búsqueda.
Métodos de Validación.
Métodos de Sustitución.
Métodos de unión y división.

Fechas y Horas<br /> .

Introducción a la problemática de zonas horarias.
Creación de fechas y horas con zona horaria.
Cambio entre zonas horarias.
Uso básico de fechas y horas.
Paso de formato “string” a fecha y horas.
Paso de fechas y horas a “string“.

Tipos de datos complejos como objetos. Métodos y operaciones<br /> .

Listas.
Cadenas.
Diccionarios.

Las funciones como objetos y usos especiales<br /> .

Funciones de orden superior.
Iteración de orden superior sobre listas.
map().
fliter().
reduce().
Funciones lambda (funciones anónimas).
Sintaxis.
Compresión de listas.
Generadores.
Decoradores.

Excepciones.

Concepto y uso.
Excepciones en Python.

Entrada/Salida y Ficheros<br /> .

Entrada estándar.
Salida estándar.
Acceso a la línea de comandos.
Ficheros.
Modos de apertura.
Métodos.
Propiedades.
Bloque with en el tratamiento de ficheros.

Serialización.

Introducción a JSON.
Serialización con JSON.

Módulos de acceso al sistema operativo e interacción con el interprete.

Módulo OS.
Módulo SYS.

Expresiones regulares y su gestión en Python Multiproceso y multihilo. Acceso a bases de datos con Python (SQLite y MySQL)

Repaso bases de datos relacionales y SQL.
Introducción a las bases de datos con Python.
Conexión y operaciones sobre base de datos con Python.

IoT. Algunas librerías a tener en cuenta<br />

IoT. Algunas librerías a tener en cuenta.

SOLICITA MÁS INFORMACIÓN
SOLICITA MÁS INFORMACIÓN

¿Quieres este curso gratis?

Todos los cursos y másters de Cloud Formación son bonificables a través de Fundae, por lo que tienes la oportunidad de formarte tú o a tus trabajadores a un precio reducido o incluso gratis en algunos casos. Calcula tu crédito de Fundae y solicita más información