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