Objetivo

Comprender los fundamentos de Python para aplicar este lenguaje de programación en el análisis y la solución de problemas cotidianos y mejorar la eficiencia del negocio mediante el desarrollo de algoritmos analíticos, con un enfoque especial en el análisis de Big Data para la toma de decisiones empresariales informadas.

Descripción

El tema se centra en introducir a Python como una herramienta poderosa y accesible para la programación, especialmente útil en el contexto de Big Data. A través de ejemplos prácticos, se explorará la creación de algoritmos, manejo de tipos de datos básicos y la configuración de un entorno de programación eficiente, preparando al estudiante para abordar retos de análisis de datos en el mundo real.

Haz clic para revisar la explicación.

Introducción a la programación con Python

El siguiente enlace es externo a la Universidad Tecmilenio, al acceder a él considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre introducción a la programación en Phyton, revisa el siguiente video:

• ALGORITMODETAREA. (2020, 10 de julio). Algoritmos ejercicios [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=laBs6auOTuY

Objetivo

Aplicar los conocimientos del lenguaje Python para visualizar y modelar la información de la empresa.  

Instrucciones

1. Crea un nuevo script o cuaderno de Jupyter Notebook.
2. Utiliza las bibliotecas yf.download y pandas para obtener un conjunto de datos financieros de ejemplo. Puedes usar datos ficticios o reales de precios de acciones, por ejemplo, en formato CSV.
3. Realiza un análisis exploratorio básico de los datos para entender su estructura, columnas y algunos estadísticos descriptivos básicos para comprender las características básicas de los datos.
4. Genera al menos tres visualizaciones diferentes de los datos utilizando Matplotlib o Seaborn (p. ej., un histograma de distribución de precios, una gráfica de líneas de desempeño del precio a lo largo del tiempo y un diagrama de cajas para comparar el nivel de concentración de los precios de diferentes acciones).
5. Aplica un filtrado básico para seleccionar datos bajo ciertos criterios, como acciones con precios superiores a un valor específico.
6. Guarda tu script o cuaderno de Jupyter en archivo con formato .ipynb con los análisis, comentarios, explicaciones en el desarrollo del código y visualizaciones, como un breve informe del modelo para el análisis de precios de acciones.

Checklist

• Se realiza un análisis exploratorio, verificando la estructura y los estadísticos descriptivos básicos del conjunto de datos que incluye al menos tres métricos del comportamiento de los precios.
• Se asegura haber creado al menos tres tipos de gráficas diferentes que aporten hallazgos sobre los datos.
• Se utilizan filtros para seleccionar subconjuntos de datos según criterios específicos.
• Se redacta un informe que incluya la explicación del modelo, tus visualizaciones y una explicación de tus hallazgos.