Máster Data Analytics Online

Tema 1: ¿Por qué aprender Python?

• El lenguaje Python en el mundo actual
• Aplicaciones de Python en el desarrollo software
• Características generales del lenguaje

Tema 2: Primeros pasos con Python

• Herramientas y entornos de desarrollo
• Configurando el entorno de desarrollo
• Características de Python
• Primer programa Python

Tema 3: Sintaxis de Python

• Tipos de datos y variables
• Entrada y salida
• Instrucciones de control de flujo
• Principales funciones del lenguaje
• Pip y utilización de módulos Python
• Manejo de cadenas y fechas

Tema 4: Estructuras de datos

• Listas y tuplas
• Diccionarios
• Utilización de lambdas
• Manejo de cadenas y fechas

Tema 5: Programación orientada a objetos con Python

• Clases y objetos
• Atributos
• Constructores
• Herencia
• Sobrescritura de métodos
• Metaclases y decoradores
• Uso de type
• Excepciones

Tema 6: Acceso a ficheros y bases de datos

• Lectura y escritura en ficheros
• Módulos para acceso a ficheros
• Acceso a ficheros CSV
• Acceso a ficheros JSON
• Bases de datos relacionales y documentales
• Módulo para acceso a bases de datos MySQL
• Acceso a bases de datos MongoDB

Tema 7: Librerías para manipulación de datos

• • Principales librerías para el tratamiento de datos en Python
  • Utilización de la librería Numpy
  • Manipulación de arrays con Numpy
  • Pandas
  • Series y Dataframes Pandas
  • Agrupamiento de datos con Pandas
  • Métodos de cálculo
  • Ordenación de datos
  • Visualización de datos con Pandas
  • Tratamiento de CSV y JSON con Pandas

• Tema 1: Funciones avanzadas
  • Listas
  • Ejercicio de listas
  • Compresión de listas
  • Diccionarios
  • Funciones Lambdas
• Tema 2: Programación orientada a objetos
  • Clases y objetos
  • Destructores y atributos especiales
  • Herencia
  • Ejercicio de Herencia
  • Sobrescritura
  • Métodos especiales
• Tema 3: Multitarea
  • Fundamentos de multitarea
  • Multitarea con threading
  • Sincronización de tareas
• Tema 4: Metaprogramación
  • Conceptos generales de metaprogramación
  • Manipulación de clases
  • Metaclases
  • Creación de multiclases
  • Decoradores
• Tema 5: Módulos y paquetes
  • Módulos I
  • Módulos II
  • Paquetes
  • Distribución de paquetes
• Tema 6: Acceso a datos
  • Ficheros
  • Ficheros y otros métodos
  • Ejercicio de gestión de empleados
  • Manipulación JSON
  • Gestión de empleados JSON
  • Fundamentos MongoDB
  • Inserción de documentos MongoDB
  • Recuperación, actualización, eliminación MongoDB
  • Ejercicio MongoDB
• Tema 7: Acceso a APIS
  • Acceso a recursos externos
  • Manipulación de respuesta
  • API REST
  • Ejemplos APIS
  • Autentificación API
• Tema 8: Scripts de administración
  • Módulo SYS
  • Módulo Subprocess
  • Salida subprocesos
  • El Módulo OS

• Tema 1: Introducción
  • Presentación de Power BI
  • Uso de Power BI
  • Los bloques de creación de Power BI
• Tema 2: Obtención de datos
  • Introducción a Power BI Desktop
  • Conexión a orígenes de datos
  • Limpieza y transformación de los datos con el Editor de consultas
  • Tareas comunes de consultas
• Tema 3: Modelado
  • Introducción al modelado de datos
  • Administración de las relaciones de datos
  • Creación de columnas calculadas
  • Optimización de los modelos de datos
  • Creación de tablas calculadas
  • Creación de medidas
• Tema 4: Elaborar informes y visualizaciones
  • Elaborar informes
  • Creación y personalización de visualizaciones básicas
  • Gráficos de columnas
  • Segmentadores de datos
  • Gráficos de barras. Jerarquías
  • Gráficos de líneas
  • Gráficos de áreas
  • Gráficos circulares
  • Gráficos combinados
  • Gráficos de dispersión
  • Mapa de burbujas
  • Mapa de formas o coropletico
  • Tablas
  • Matrices
  • Personalización de informes con formas, cuadros de texto e imágenes
  • Personalización de informes con opciones de formato y diseño de página
  • Power BI Q&A preguntas y respuestas
• Tema 5: Introducción a DAX
  • Introducción a DAX
  • Funciones de fecha y hora
  • Funciones de texto
  • Funciones matemáticas
  • Funciones de agregación
  • Funciones de recuento

• Tema 1: Presentación del curso
• Tema 2: Obtención de datos
  • Conexión a orígenes de datos SQL
  • Diferencia con DirectQuery
• Tema 3: Más visualizaciones
  • Velocímetro
  • Cascada
  • Importar KPI
  • Esquema jerárquico
  • Añadir visualizaciones
  • Trucos para visualizaciones
• Tema 4: Funciones DAX avanzadas
  • Crear tabla de datos
  • Crear tabla de métricas
  • Operadores lógicos
  • Funciones lógicas
  • Funciones de agregación
  • Funciones de relación
  • Funciones filtro
  • Tabla calendario
  • Funciones de inteligencia de tiempo
  • Funciones varias
  • Parámetros de hipótesis.
  • Medidas vs variables
  • Parámetros de consulta
• Tema 5: Introducción a la publicación y uso compartido
  • Publicación de informes
  • Compartir informes y paneles
  • Aplicaciones
  • Puertas de enlace
  • Seguridad a nivel de fil

• Requisitos previos
• Objetivos de cómo podemos fusionar estas tecnologías
• Python para importar datos en Power BI
• Python para transformar datos en Power BI
• Python para visualizar datos en Power BI

• Lenguaje SQL y gestores de bases de datos en Python
• Profundizando en SQLite: El gestor SQL más rápido
  • Introducción a SQLite
  • Instalación y primeras conexiones
  • Creación, edición y eliminación de bases de datos y tablas
  • Operaciones esenciales de manipulación de datos (CRUD: Create, Read, Update, Delete)
  • Consultas SQL esenciales (selects)
  • Relaciones entre tablas
  • Consultas SQL avanzadas (selects y joins)
  • Importación y exportación
• Conexión de SQLite a Power BI usando ODBC

• Introducción al análisis de datos
  • ¿Qué es Python y qué nos proporciona para el análisis de datos?
  • Instalación Python + Jupyter
  • Importar librerías y fuentes de datos
  • Visualización básica con Matplotlib
  • Flujograma de un proyecto Data Science
• Fundamentos del lenguaje Python
  • Variables en Python
  • Creación de listas y extracción de datos
  • Conceptos avanzados de creación de listas
  • Uso de funciones en Python (in-built)
  • Creación de funciones en Python y argumentos flexibles
  • Funciones lambda
  • Métodos de Python
  • Cómo crear diccionarios en Python
  • Uso de función zip para creación de diccionarios en base a listas
  • Operadores en Python
  • Bucles en Python
  • Comprensión de listas en Python
• Conceptos de estadística para el análisis de datos
  • Variables y conceptos básicos
  • Varianza en una variable
  • Correlación de variables
  • Histogramas
  • Análisis con percentiles (CDF)
  • Funciones densidad de probabilidad
  • Cálculo de previsiones (forecast) y media móvil
• Cálculo numérico con Numpy
  • Introducción a la librería Numpy
  • Selección de datos con array Numpy
  • Arrays 2D en Numpy
  • Cálculo estadístico con Numpy
• Análisis de datos con Pandas
  • Introducción a la librería Pandas, ¿qué es un dataframe?
  • Creación de un dataframe a partir de un diccionario
  • Cómo importar datos desde un fichero de texto plano (txt, csv…)
  • Selección de datos en un dataframe Pandas
  • Métodos útiles de un dataframe Pandas
  • Eliminar duplicados, valores erróneos y columnas de un dataframe Pandas
  • Interpolación de datos
  • Filtrar datos en un dataframe Pandas
  • Ordenación de valores en un dataframe Pandas
  • Crear columnas en un dataframe para cadenas de texto
  • Crear columnas en un dataframe a partir de un diccionario con map
  • Crear columnas en un dataframe a partir de funciones lambda
  • Crear columnas en un dataframe a partir de funciones condicionales
  • Renombrar y reordenar columnas de un dataframe Pandas
  • Cómo crear pivot tables en Pandas
  • Uso de groupby en Pandas
  • Concatenación de dataframes (union)
  • Combinación de dataframes
• Importación y exportación con Pandas
  • Cómo importar datos desde un fichero Excel
  • Introducción a las BBDD relacionales / Modelos de datos
  • Cómo importar datos desde una BBDD SQL
  • Cómo importar datos desde una página web
  • Cómo importar datos desde una página web (web scraping)
  • Cómo importar datos desde un fichero semi-estructurado JSON
  • Cómo importar datos desde redes sociales
  • Cómo importar datos desde cloud (AWS / Azure / Google Cloud)
  • Exportación de datos a csv y Excel
  • Exportación de datos a BBDD SQL
• Visualización de datos en Python. Matplotlib
  • Consejos de visualización de datos
  • Introducción a la librería Matplotlib
  • Creación de un gráfico de línea, bar, scatter
  • Personalización de gráficos (título, etiquetas, ticks, leyenda, límites de ejes, anotaciones…)
  • Creación de box & whiskers plot
  • Creación de un histograma y CDF
  • Gráfico de media móvil
  • Visualización de gráficos múltiples (subplots)
  • Aplicación de estilos
  • Creación de gráficos a partir de un objeto groupby
  • Creación de histogramas en 2D
  • Creación de mapas geográficos con basemap y Google maps
• Visualización de datos en Python. Seaborn
  • Introducción a la librería Seaborn
  • Seaborn – Creación de regresión lineal
  • Seaborn – Stripplot
  • Seaborn – Swarmplot
  • Seaborn – Violinplot
  • Seaborn – Uso de jointplot
  • Seaborn – Uso de pairplot
  • Seaborn – Correlación con heatmap
• Series temporales en Python
  • Series temporales en Pandas: extracción y parsing
  • Series temporales: filtrado
  • Series temporales: remuestreo – diezmado (downsampling)
  • Series temporales: remuestreo – interpolación (upsampling)
  • Visualización de series temporales
  • Previsiones basadas en datos históricos
• Ejecución e interconexión de datos de Python con otras plataformas
  • Generación de scripts de Python y automatización de tareas
  • Uso de Python en herramienta de business intelligence Power BI

• Introducción a la Certificación
  • Características del PL-300 y conocimientos evaluados
  • Tipos de preguntas y ejemplos
  • Opciones de certificación y normativa
  • Otros exámenes de certificación de Power BI
  • Cómo realizar la inscripción al examen
  • Recomendaciones para el examen
• Preparar datos
  • Introducción al análisis de datos
  • Preparación de datos para su análisis con Power BI
    • Obtener datos desde origen
    • Limpieza de los datos
    • Transformar y cargar datos
  • Resumen de tipos de preguntas y ejemplos para cada caso
• Modelar datos
  • Modelado de datos con Power BI
    • Diseñar e implementar un modelo de datos
    • Crear cálculos de modelos mediante DAX
    • Optimizar el rendimiento del modelo
  • Resumen de tipos de preguntas y ejemplos para cada caso
• Visualizar y analizar datos
  • Compilación de objetos visuales de Power BI
  • Informes con Power BI
    • Crear informes
    • Mejorar los informes para facilidad de uso y narración
    • Identificar patrones y tendencias
  • Resumen de tipos de preguntas y ejemplos para cada uso
• Implementación y mantenimiento de recursos
  • Administración de áreas de trabajo con Power BI
  • Administración de conjunto de datos con Power BI
    • Administración de modelos semánticos
  • Resumen de tipos de preguntas y ejemplos para cada caso

• Transformando datos en conocimiento: El poder combinado de Python, Power BI y SQL.

En el Trabajo Fin de Máster, los participantes abordarán un caso práctico centrado en la gestión y análisis de datos de ventas de productos o servicios. Este desafío es común en empresas que buscan optimizar sus estrategias comerciales y mejorar la eficiencia operativa mediante el análisis de sus datos de ventas. La problemática radica en la falta de integración y análisis efectivo de los datos de ventas, lo que puede conducir a decisiones basadas en información incompleta o inexacta.

Los estudiantes emplearán Python para extraer y transformar estos datos, SQL para su almacenamiento y gestión eficiente, y Power BI para crear visualizaciones interactivas que faciliten la interpretación y la toma de decisiones estratégicas. Este proyecto proporcionará a los participantes una experiencia práctica en la resolución de problemas de gestión de ventas, preparándolos para enfrentar desafíos similares en entornos empresariales reales y mejorando su competitividad en el mercado laboral.