Python para Ciencias Sociales y Humanidades
Cronograma
Duración: 10 semanas (40 hs.)
Fecha de inicio: 17 de marzo de 2021
Modalidad
Aula virtual con tutoría personalizada a distancia
Profesores
Zacarias Abuchanab
Ramiro Fernández
Este curso tiene como finalidad la introducción de científicos sociales en el aprendizaje del lenguaje de programación Python y aplicaciones computacionales del mundo de la Ciencia de Datos en las Ciencias Sociales y Humanidades.
Buscamos mostrar los beneficios del aprendizaje de herramientas de análisis, procesamiento y modelización de datos para su aplicación en disciplinas como sociología, psicología, comunicación y ciencias políticas.
Objetivos
-
Aprendizaje del lenguaje de programación Python
-
Conocimiento de los aspectos generales de la Ciencia de Datos.
-
Aplicaciones prácticas en el mundo de las ciencias sociales y humanidades.
Destinatarias/os
Este curso está destinado a estudiantes y profesionales del campo de las ciencias sociales y humanidades que tengan interés en un aprendizaje técnico para incorporar herramientas de análisis en su carrera profesional o de investigación. Está orientado específicamente a:
-
Consultores
-
Dirigentes y funcionarias/os
-
Analistas
-
Cientistas sociales e investigadores
-
Gerentes de negocio
-
Estudiantes
No se requiere la instalación de programas de manera previa. Su instalación y aplicación será explicada en la 1° clase del programa.
Se recomienda utilizar el navegador de internet Google Chrome y poseer una cuenta Gmail.
Contenidos
Parte 1: Introducción a Python. Sintaxis del lenguaje y aplicaciones
Este módulo tiene como finalidad la explicación del lenguaje de programación Python y su aplicación en el mundo de la ciencia de datos. El módulo se plantea como una primera aproximación al mundo computacional a través del estudio de uno de sus lenguajes contando con una aproximación preliminar al estudio y manejo de datos.
1.1 ¿Qué es un lenguaje de programación?
Beneficios de aplicación de herramientas computacionales para las ciencias sociales. Introducción al pensamiento computacional. ¿Qué es Python?
1.2 Sintaxis básica de Python
Entornos de ejecución, interfaces y consola (Anaconda, VS Code, Thonny, Colaboratory). Extensiones (.py, .ipynb). Asignación de valores y creación de variables. Tipos de datos. Operaciones por tipos de datos. Estructuras de control. Iterativas y condicionales. Funciones. Métodos y funciones nativas. Funciones construidas. Manejo de errores.
1.3 Paquetes, librerías y manejo de archivos en Python
Librerías y módulos. Manejo de archivos en Python. Numpy: librería para trabajar con operaciones numéricas y vectoriales. Pandas: librería para manipulación de datos. Matplotlib: visualización gráfica de datos.
1.4 ¿Cómo trabajar con datos?
Data Wrangling - agrupaciones, sumarizaciones y operaciones con tablas. Workflow del análisis de datos. Consejos y buenas prácticas.
Parte 2: Ciencias sociales computacionales. Aplicaciones prácticas
En este módulo vamos a recorrer distintas aplicaciones de las herramientas aprendidas anteriormente en problemas específicos de las ciencias sociales. Buscamos aproximar al mundo del Machine learning a través de ejemplos concretos que permitan mirar su potencial.
2.1 Introducción al mundo de la Ciencia de Datos
¿Qué es la ciencia de Datos? Estado del arte. Ejemplo de aplicaciones prácticas. Introducción al aprendizaje supervisado y no-supervisado.
2.2 Números y modelos: introducción al modelo de regresión lineal
Regresión lineal Simple. Regresión lineal Multivariada.
2.3 Árboles de decisión
Estructura básica del modelo. Componentes y conceptos principales. Random forest.
2.4 Palabras y clasificación . Introducción a técnicas de procesamiento de lenguaje natural (NLP)
Principales librerías. Análisis de sentimiento. Manejo de stopwords. Modelización.
2.5 Introducción a clusterización
Metodología
Para cada clase las/los estudiantes podrán acceder a varios archivos e hipervínculos para trabajar sobre los contenidos de la clase correspondiente:
-
Un video explicativo
-
Una presentación en pdf de referencia
-
Sugerencias de material de apoyo complementario.
-
Script para ejecutar en los entornos.
-
Archivos con presentación de casos (cuando sea pertinente)
Evaluación
-
Al finalizar cada clase los participantes deberán responder una pregunta de comprobación de participación.
-
Al finalizar el curso los participantes realizarán un examen múltiple choice y opcionalmente un trabajo final de aplicación sobre alguno de los problemas observados.
Certificación
Para obtener el certificado de PARTICIPACIÓN del curso se requiere la presentación de 5 de las 8 preguntas de comprobación de participación.
Para obtener el certificado de APROBACIÓN del curso se requiere la presentación de 5 de las 8 preguntas de comprobación de participación y la aprobación del examen final con un 60% o más preguntas correctas.
Los certificados son extendidos por Tíber Escuela de Estudios Políticos y Sociales.
Los cursos no brindan puntaje docente.
Aranceles
25% DESCUENTO
(pagos hasta el 25 de enero de 2021)