Descubre los fundamentos de Python, su historia, filosofía y aplicaciones. Conoce cómo iniciar con el intérprete y la plataforma Anaconda para potenciar tu experiencia de programación.

Adéntrate en los conceptos esenciales de la programación orientada a objetos, explorando atributos, operadores y la creación de objetos en Python.

Familiarízate con los principales tipos de datos en Python, incluyendo números, cadenas, listas, diccionarios, tuplas y ficheros, para desarrollar soluciones versátiles.

Aprende a manejar vectores, matrices, dataframes y series utilizando las poderosas bibliotecas Numpy y Pandas, esenciales para el análisis de datos.

Domina la estructura y sintaxis de Python, desde la jerarquía de sentencias hasta los bucles y las iteraciones para escribir código eficiente.

Explora la arquitectura modular de Python, cómo importar módulos y aprovechar librerías útiles para ampliar las capacidades de tus proyectos.

Comprende cómo trabajar con bases de datos estructuradas y no estructuradas, utilizando herramientas como SQLAlchemy y técnicas de data wrangling.

Profundiza en funciones avanzadas como manejo de errores, expresiones lambda, decoradores, generadores y técnicas como Map Reduce y List comprehensions.

Aprende técnicas de preprocesamiento de datos con Pandas, incluyendo carga de archivos, análisis exploratorio, manejo de valores nulos y conversión de tipos de datos.

Descubre los fundamentos de la regresión lineal múltiple y aplica tus conocimientos en ejercicios prácticos para modelar datos.

Conoce la teoría detrás de la regresión logística y ponla en práctica con ejercicios que te ayudarán a resolver problemas de clasificación.

Explora técnicas de clustering, como K-means y jerárquicos, aplicándolas a la segmentación de clientes mediante ejercicios prácticos.

Descubre cómo implementar algoritmos de asociación y utilízalos en escenarios como la creación de carritos de compra inteligentes.

Domina los algoritmos de clasificación y aplica tus conocimientos en ejercicios diseñados para problemas reales de clasificación.

Aprende a construir y analizar árboles de decisión aplicados a problemas como la evaluación de crédito mediante ejercicios prácticos.

Explora el algoritmo de K-vecinos más cercanos y su aplicación en problemas que involucran variables categóricas, numéricas y binarias.