Skip to content

ulises1229/INTRO-PYTHON-ENESJ

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

133 Commits
code
code
 
 
data
data
 
 
figs
figs
 
 
pdf
pdf
 
 
.DS_Store
.DS_Store
 
 
README.md
README.md
 
 
pytorch.png
pytorch.png
 
 

Repository files navigation

CURSO-TALLER: Introducción al análisis y visualización de datos en Python

alt text alt text

Fechas y horarios

Fechas: 31 de agosto - 04 de septiembre de 2020

Horario: 09:00 a 13:00 horas.

Página del curso

www.hpclab.unam.mx/course/python

Prerequisitos

  1. Python versión 3.x instalado
  2. Entorno de desarrollo integrado (cualquiera de los siguientes)
  3. Librerías
    • Numpy
      • Pandas
    • Matplotlib
    • Scipy
    • PyTorch (Opcional)

Ver video de instalación de prerequisitos

Impartido por:

  • Dr. Ulises Olivares Pinto
  • Walter André Rosales Reyes

Temario, materiales y videos

Día Tema Contenido Material Videos
Día 0 Instalación de Prerrequisitos
    Instalación de:
    • Python
    • Jupyter
    • Librerías
    		 Ver página Video Instalación
    Día 1 Introducción al lenguaje Python
    • Introducción y antecedentes
    • Entorno de programación
    • Variables y tipos
    • Operadores
    • Instrucciones de control
    • Funciones
    • Librerías
    1. Presentación
    2. Código(Colab)
    3. Proyecto Final
    		 Video Día 1
    Día 2 Almacenamiento de datos
    • Listas
    • Diccionarios
    • Numpy
      • Arreglos
      • Matrices
      • Subconjuntos
      • Operaciones Básicas
    1. Presentación
    2. Código(Colab)
    3. Proyecto Final
    		 Video Día 2
    Día 3 Manipulación de datos
    • Importación de datos CSV, TXT
    • Pandas (o DataFrames, ordenamientos, subconjuntos de filas y columnas, Unión de DataFrames)
    • Estadísticos básicos
    1. Presentación
    2. Código(Colab)
    3. Salaries.csv
    4. Flights.csv
    5. Proyecto Final
    		 Video Día 3
    Día 4 Matemáticas simbólicas y visualización de datos
    • Manipulaciones algebraicas
    • Cálculo (Expansión de series, diferenciación, integración)
    • Resolución de ecuaciones algebraicas
    • ¿Cómo elegir un gráfico adecuado?
    • Matplotlib (o Gráficos simples y personalización de gráficos)
    1. Presentación
    2. Código(Colab)
    3. mpg.csv
    4. temp.csv
    5. iris.csv
    6. co2.csv
    7. Proyecto Final
    		 Video Día 4
    Día 5 Python e inteligencia artificial
    • Introducción y definiciones
    • Redes neuronales
    • Deep Learning con PyTorch
    1. Presentación
    2. Código(Colab)
    3. Código(GitHub)
    4. Código(Kaggle)
    5. Proyecto Final
    		 Video Día 5
    Última modificación 20 de septiembre de 2020

    About

    No description, website, or topics provided.

    Resources

    Readme
    Activity

    Stars

    1 star

    Watchers

    3 watching

    Forks

    4 forks
    Report repository

    Releases

    No releases published

    Packages

    No packages published

    Contributors 2

    •  
    •  

    Languages