Skip to content

[Actualizado a 21 de sep de 2026]

ANÁLISIS DE DATOS EN PYTHON🔗

Normativa del módulo🔗

Seguiremos la normativa oficial Real Decreto 566/2024, de 18 de junio, por el que se establece el Curso de especialización de Formación Profesional de Grado Superior en Desarrollo de aplicaciones en lenguaje Python y se fijan los aspectos básicos del currículo..

Temporización del curso🔗

  • T0. Herramientas - 5w

    1. GIT
    2. venv
    3. docker
    4. Estilos
    5. require
    6. Test unitarios
    7. Jupyter Notebook

  • T1. Captura, limpieza y normalización de datos - 8w

  • T2. Limpieza y estandarización de lotes de datos - 8w
  • T3. Análisis exploratorios de datos - 5w
  • T4. Desarrollo de modelos - 4w
  • Evaluación - 1w

Total: 124 horas (31 sem).

T0. Herramientas🔗

Desarrolla el RA0:

En este RA trabajaremos las herramientas básicas para desarrollo con Python.

Contenidos:

  1. Control de versiones con GIT
  2. Entornos virtuales con venv
  3. Contenedores docker
  4. Estilos de codificación (PEP8)
  5. Trabajo con APIs con require (Postman like)
  6. Test unitarios (pytest o unittest)
  7. Jupyter Notebook

T1. Captura, limpieza y normalización de datos.🔗

Desarrolla el RA1: Manejo, limpieza y normalización de distintos tipos de datos en función del problema a resolver.

Contenidos🔗

  • Librerías más usadas en ciencias de datos en Python.
  • Gestión de ficheros contenedores de datos.
  • Conexión con BBDD.
  • Tipos de datos: numéricos, categóricos, temporales y texto.

  • Lectura y escritura de datos en distintos formatos: CSV, Excel, JSON, Parquet, HDF5, Feather.

  • Manipulación y transformación de datos con las librerías pandas y numpy.

  • Introducción al uso de estructuras multidimensionales con xarray.

Esta unidad se organiza para que se comprenda ese flujo y se aplique en casos reales.

T2. Limpieza y estandarización en lotes🔗

Desarrolla el RA2: Limpia y estandariza lotes de datos de forma lógica y eficiente para su tratamiento posterior de acuerdo al problema a resolver.

Contenidos🔗

  • Instalación y configuración de Pandas.
  • Técnicas de limpieza de datos: detección y tratamiento de valores ausentes, duplicados y formatos inconsistentes.
  • Transformación de datos: estandarización, normalización y codificación de variables categóricas.
  • Agrupación, agregación y restructuración de datos.
  • Automatización de flujos de preprocesamiento con herramientas como scikit-learn.

T3. Análisis exploratorios🔗

R.A.3 Realiza análisis exploratorios en datos teniendo en función del alcance del problema a resolver.

Contenidos🔗

  • Diagramas de dispersión.
  • Análisis estadístico descriptivo: medidas de tendencia central y dispersión.
  • Identificación de relaciones y correlaciones entre variables.
  • Visualización gráfica de los datos mediante matplotlib y/o seaborn.
  • Exploración de distribuciones, detección de valores atípicos y patrones.
  • Visualización avanzada de datos multidimensionales con xarray (opcional).

Pysaurio permite buscar, extraer y depurar información de un conjunto de archivos del mismo tipo; y crear con toda la información seleccionada un archivo, por ejemplo, del tipo CSV.

El módulo Tabulate, desarrollado por Sergey Astanin, permite imprimir en la salida estándar o escribir en un archivo de texto tablas con datos tabulados con varios formatos conocidos. Los datos se alinean automáticamente atendiendo a su tipo (cadena, entero y flotante) aunque es posible cambiar la configuración por defecto.

T4. Desarrollo de modelos🔗

Desarrolla RA4: Desarrolla modelos en lenguaje Python dando solución al problema planteado.

Contenidos🔗

  • Aplicación de modelos de regresión y clasificación utilizando scikit-learn.
  • Preparación de los datos para modelado: división en conjuntos de entrenamiento y prueba.
  • Evaluación del rendimiento del modelo con métricas adecuadas.
  • Automatización del proceso mediante pipelines.
  • Guardado y reutilización de modelos entrenados.

Material OBLIGATORIO🔗

  • Bolígrafos (2 colores).

Orientación profesional🔗

Las actividades profesionales asociadas a esta función se aplican en:

  • Analista de datos.
  • Especialista en la elaboración de informes analíticos para la toma de decisiones.
  • Desarrollador de soluciones orientadas a la inteligencia de negocios mediante el análisis de datos.

Bibliografía🔗

Realizaremos un seguimiento del "Curso de tratamiento de datos"

Si ya sabes programar utiliza "Python para impacientes"

Si os gustan los libros en papel: "Inventa tus propios juegos de computadora con Python".

... y muchos, muchos más