Preparación de Datos - Maestría en Ciencia de Datos

Este repositorio contiene los notebooks y materiales del curso de Preparación de Datos de la Maestría en Ciencia de Datos.

Contenido

Notebooks de NumPy

• 01. Arrays.ipynb: Introducción a los arrays de NumPy

  • Creación de arrays unidimensionales y multidimensionales
  • Tipos de datos en NumPy
  • Indexación y slicing básico
  • Arrays vs listas de Python

• 02. Valores de un Array Numpy.ipynb: Manejo de valores en arrays

  • Acceso y modificación de elementos
  • Operaciones de broadcasting
  • Funciones de agregación (sum, mean, std, etc.)
  • Manejo de valores NaN

• 03. Array Numpy para imágenes.ipynb: Procesamiento de imágenes con NumPy

  • Representación de imágenes como arrays
  • Manipulación de canales RGB
  • Transformaciones básicas de imágenes
  • Operaciones de filtrado

• 04. Operaciones con Arrays Numpy.ipynb: Operaciones básicas y avanzadas

  • Operaciones aritméticas elemento a elemento
  • Álgebra lineal con NumPy
  • Funciones universales (ufuncs)
  • Reshape y concatenación de arrays

Notebooks de Pandas

• 05. Pandas.ipynb: Introducción a Pandas

  • Series y DataFrames
  • Lectura de datos desde diferentes fuentes
  • Operaciones básicas de exploración de datos
  • Indexación y selección de datos

• 06. Pandas y bases Seaborn.ipynb: Integración de Pandas con Seaborn

  • Preparación de datos para visualización
  • Datasets integrados de Seaborn
  • Transformación de datos para gráficos estadísticos
  • Análisis exploratorio de datos

• 07. Pandas y modificación de Data Frames.ipynb: Manipulación de DataFrames

  • Añadir y eliminar columnas
  • Filtrado y consultas complejas
  • Aplicación de funciones (apply, map, applymap)
  • Merge, join y concatenación de DataFrames

• 08. Tablas dinámicas con Pandas.ipynb: Creación de tablas dinámicas

  • Función pivot_table
  • Agregaciones múltiples
  • Análisis multidimensional
  • Crosstab y groupby avanzado

Visualización de Datos

• 09. Matplotlib.ipynb: Visualización con Matplotlib

  • Gráficos básicos: líneas, barras, dispersión
  • Personalización de gráficos
  • Subplots y layouts complejos
  • Anotaciones y estilos

• 10. Seaborn.ipynb: Visualización avanzada con Seaborn

  • Gráficos estadísticos especializados
  • Visualización de distribuciones
  • Gráficos categóricos y de relaciones
  • Mapas de calor y matrices de correlación

Guías de Estudio

• Guía de estudio pt1.ipynb: Primera parte - Fundamentos

  • Conceptos fundamentales de preparación de datos
  • Limpieza y tratamiento de datos faltantes
  • Detección y manejo de outliers
  • Normalización y estandarización
  • Codificación de variables categóricas
  • Ejercicios prácticos con datasets reales

• Guía de estudio pt2.ipynb: Segunda parte - Técnicas avanzadas

  • Feature engineering y selección de características
  • Reducción de dimensionalidad (PCA)
  • Manejo de datos desbalanceados
  • Validación de datos y quality checks
  • Pipeline de preparación de datos
  • Casos de estudio completos

Datasets

El repositorio incluye varios conjuntos de datos para prácticas:

• DATASETS.xlsx: Colección de datasets en Excel
• Iris.csv / iris.xlsx: Dataset clásico de clasificación (características de flores)
• tips.csv / tips.xlsx: Dataset de propinas en restaurantes
• titanic.xlsx: Dataset histórico del Titanic para análisis de supervivencia

Requisitos

• Python 3.x
• Jupyter Notebook
• NumPy
• Pandas
• Matplotlib
• Seaborn

Instalación

pip install numpy pandas matplotlib seaborn jupyter

Uso

1. Clona este repositorio
2. Navega a la carpeta del proyecto
3. Ejecuta Jupyter Notebook:

   jupyter notebook
   

4. Abre cualquier notebook para comenzar

Estructura del Proyecto

.
├── Notebooks principales (01-10)
├── Guías de estudio
└── Datasets (CSV y Excel)