| Nombre | Contreras Peruyero Adriana Haydeé |
|---|---|
| Curso | Temas selectos de análisis numérico y computación científica II - 3 hrs/sem |
| Tema | Computo científico para el análisis de datos |
| Objetivo | El objetivo de este curso es que el estudiante obtenga las herramientas básicas de análisis de datos con diferentes programas y pueda abordar problemas reales en el ámbito laboral. Además, se abordarán temas de buenas prácticas de programación y como tener un repositorio bien documentado. Se trabajarán los programas de Python, SQL, Shell, Git, PowerBI y R. |
| Temario | 1. Git y Github a) Repositorios b) Flujo de trabajo en Git c) Comparando cambios d) Crear Ramas e) Actualizando ramas f ) Revertir cambios g) Resolver conflictos 2. Shell a) Manipulación de archivos y directorios b) Manipulación de datos c) Tuberías y filtros d) Ciclos e) Scripts f ) Descarga y limpieza de bases de datos 3. Python a) Tipos de datos b) Flujo de control c) Visualización de datos d) Manipulación de bases de datos e) Análisis exploratorio de bases de datos f ) Funciones y scripts g) Buenas practicas h) Procesamiento de alto rendimiento i) Programación en paralelo 4. SQL a) Bases de datos y manipulación b) Explorar datos categóricos y texto no estructurado c) Comparación con los otros programas d) Valores faltantes e) Combinar bases de datos 5. Power BI a) Introducción a Power BI b) Transformando y visualizando datos c) Manipulación de bases de datos d) Análisis exploratorio de bases de datos e) Variables categóricas y continuas 6. R* a) Tipos de datos b) Manipulación de bases de datos c) Análisis exploratorio de bases de datos d) Reportes con RMarkdown e) Páginas web |
| Bibliografía | [1] Arnold, Jeremey. Learning Microsoft Power BI, O’Reilly Media, Inc. [2] Beaulieu, Alan. Learning SQL, O’Reilly Media, Inc., 2020 [3] Bruce, Peter, Bruce, Andrew and Gedeck, Peter. Practical Statistics for Data Scientists, O’Reilly Media, Inc., 2020. [4] Crawley, Michael J. The R book. John Wiley & Sons, 2012. [5] McKinney, Wes. Python for data analysis. O’Reilly Media, Inc., 2022. [6] Nelli, Fabio. Python Data Analytics, Apress. [7] Wade, Ryan. Advanced Analytics in Power BI with R and Python, Apress. [8] Wickham, Hadley, and Garrett Grolemund. R for data science: import, tidy, transform, visualize, and model data. O Reilly Media, Inc., 2016. [9] Zamora Saiz, Alfonso, et al. An Introduction to Data Analysis in R: Hands-on Coding, Data Mining, Visualization and Statistics from Scratch., Springer (2020). [10] Software Carpentry, The Unix Shell, https://swcarpentry.github.io/shell-novice/ |
| Requisitos | Estadística descriptiva Llevar computadora |
| Comentarios | |
| Registro | 2023-11-17 |