Curso Introducción al análisis de datos sociales con Python

Presentación

El Centro de Estadística e Informática Aplicada (CEIA) ofrece cursos de iniciación y de actualización en técnicas específicas de estadística e informática, entre ellos el curso: Curso Introducción al análisis de datos sociales con Python.

Dirección y cuerpo docente
Coordinador: Joon Hee Bang.
Comité Ejecutivo CEIA: Joon Hee Bang, María Ferraro y Mirta Judengloben.
Docentes: Ignacio Drake y Eduardo Lencina.

Fundamentación y Contexto

En la actualidad, las nuevas técnicas de recolección de información han puesto a disposición de investigadores, analistas y gestores de políticas públicas un volumen de datos sin precedentes. No obstante, la magnitud de esta información requiere de herramientas asequibles, fiables y escalables. En este escenario, la consolidación de lenguajes de programación de código abierto junto con la irrupción de la Inteligencia Artificial (IA) han redefinido el estándar del análisis de datos.

Python se posiciona como el aliado estratégico ideal para las Ciencias Sociales. Su naturaleza open source, respaldada por una vasta comunidad tecnológica académica y corporativa, ofrece una sintaxis amigable que facilita la conversación entre profesionales de diversas disciplinas y la Ciencia de Datos.

El presente programa propone un cambio de paradigma: repensar el análisis de datos sociales a partir de la aplicación de Python en el procesamiento de datos junto con la integración de la IA como un asistente para la creación, depuración y optimización de flujos de análisis de datos.

Al finalizar el curso, el alumno habrá adquirido las competencias necesarias para:

Configurar y gestionar un entorno profesional de Ciencia de Datos en su propia computadora utilizando Visual Studio Code y Python (Autonomía Tecnológica)

Importar datos desde formatos diversos (.csv, .xlsx, .sav) y automatizar procesos de limpieza y estructuración de bases de datos (Ingeniería de Datos Aplicada)

Realizar análisis exploratorio de datos (Inmersión en técnicas y métodos de Ciencia de Datos)

Construir e interpretar tablas de frecuencia, contingencia y otras herramientas para el resumen de datos cuantitativos (Análisis de Datos)

Combinar distintas bases de datos con técnicas de merging (Integración y Fusión de Fuentes)

Conocer y dominar el uso y aplicación de herramientas de IA para resolver problemas de código y mantener un aprendizaje autónomo continuo (Programación Asistida por IA)

Crear piezas gráficas para la comunicación de resultados (Visualización de Datos)