Introducción a Data Science con Python
April 7, 2023 · View on GitHub
Presentación
He impartido a lo largo de varios años en la Escuela Técnica Superior de Ingeniería de Telecomunicaciones en la Universidad Politécnica de Cartagena, una asignatura optativa de introducción a Data science. Durante muchos años el lenguage de programación usado era R, pero desde el curso 2020/21, decidí pasar a Python con las librerías pandas, matplotlib y scikit-learn.
Este repositorio contiene todo el material de la asignatura, para su estudio autónomo. Encontraréis los enlaces a las unidades de aprendizaje así como trabajos propuestos para practicar los conceptos de cada tema.
Nota: las unidades digitales fueron elaboradas con UPCTforma, la herramienta de autor creada por el Centro de Producción de Contenidos Digitales de la Universidad Politécnica de Cartagena, en el seno de dos proyectos Erasmus Plus, INDIe 2018-1-ES01-KA201-050924 y INDIe4All 2020-1-ES01-KA201-083177, cofinanciados por la Comisión Europea.
Para profesores: en este repositorio podréis encontrar también los ficheros fuentes de los documentos. En el directorio utilidades, están algunos scripts útiles para generar entregables etc...
Licencia: los materiales de este curso están distribuidos con la licencia Atribución-CompartirIgual 4.0 Internacional de Creative Commons. CC BY-SA 4.0.
Contenidos
- Preliminares: preparación Python para el curso.
- Introducción a Python.
- Introducción a Pandas.
- Combinar dataframes
- Aplicar transformaciones y calcular resúmenes por grupos
- Visualizar datos con gráficas en Matplotlib
- Regresión
- Aprendizaje máquina con Scikit-learn
- Clasificación con regresión logística
- Regularización de la función coste
- Reducción de dimensión: análisis en componentes principales
Datos necesarios para los trabajos y algunos ejemplos
En el siguiente enlace, podéis encontrar los ficheros de datos necesarios para los trabajos y los ejemplos. Podéis descargarlos a medida que los vayáis necesitando y guardar en una carpeta data en vuestro directorio de trabajo. También podéis indicar la url del conjunto a la hora de cargar el conjunto de datos con read_csvde pandas. Si optáis por esta segunda opción, tenéis que usar la url correspondiente a la versión "raw" del fichero en Github. Por ejemplo, para cargar el fichero llamado datos_cairo.csv:
import pandas as pd
cairo = pd.read_csv("https://raw.githubusercontent.com/mkesslerct/data_science_Python/main/data/datos_cairo.csv")
Preliminares: instalación de Python y Visual Studio Code para el curso.
Unidad con instrucciones sobre preparación de Python, Anaconda y Visual Studio Code
Para facilitar la creación del entorno virtual ids en conda, podéis usar el siguiente fichero yml ids_environment.yml
Introducción a Python
Unidades de aprendizaje
- Unidad de introducción a Python, primeros pasos
- Funciones y métodos en Python
- Más sobre listas y diccionarios
Transparencias asociadas a las unidades:
Para practicar:
Introducción a Pandas
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Introducción a Pandas:
- Seleccionar filas y columnas:
Combinar dataframes
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Concatenar dataframes:
- Combinar dataframes con merge:
Aplicar transformaciones y calcular resúmenes por grupos:
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Consumo eléctrico de una vivienda, resúmenes e indicadores:
Visualizar datos con gráficas en Matplotlib
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Consumo eléctrico de una vivienda, representaciones gráficas:
Regresión
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Predicción de la nota media alumnos de grado:
Aprendizaje máquina con Scikit-learn
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Predicción de la nota media alumnos de grado:
Clasificación con regresión logística
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Clasificación con regresión logística:
Regularización de la función coste
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Regularización con regresión y clasificación:
Reducción de dimensión: análisis en componentes principales
Unidades de aprendizaje
Transparencias asociadas a las unidades:
Para practicar:
- Reducción de la dimensión de un conjunto de imágenes.