Python para Ciencias Sociales y Humanidades

Sintaxis, paquetes, librerías, data wrangling, regresión lineal, árboles de decisión, procesamiento de lenguaje natural (NLP), clusterización

Duración 10 semanas (40 hs.) 

 

Inicio 14 de septiembre

Modalidad Aula virtual con tutoría personalizada a distancia

Profesores Zacarias Abuchanab  y Ramiro Fernández

Destinado a estudiantes y profesores de grado y posgrado e investigadores en ciencias sociales y humanidades, analistas, consultores, dirigentes y funcionarias/os públicos o gerentes de negocio que tengan interés en un aprendizaje técnico para incorporar herramientas de análisis en su carrera profesional o de investigación.

No se requiere la instalación de programas de manera previa. Su instalación y aplicación será explicada en la 1° clase del programa.

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.

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

Aula virtual Todos los miércoles se publicará el contenido de la semana en el campus virtual. Se puede ingresar con usuario y contraseña durante el tiempo de duración del curso.

 

Modalidad asincrónica Cada estudiante puede ver las clases, realizar los ejercicios y comunicarse con los profesores en los días y horarios que prefiera. 

 

Tutoría personalizada Los profesores responderán consultas individuales a lo largo del curso.

Diversidad de herramientas para el aprendizaje Cada semana la/el estudiante encontrará

  • 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 y Certificación

Para obtener el certificado de APROBACIÓN del curso se requiere la presentación de 5 de las 8 preguntas de comprobación de participación (1 por clase) y la aprobación de un examen con modalidad multiple choice con un 60%  o más preguntas correctas.

 

Los certificados son extendidos por Tíber Escuela de Estudios Políticos y Sociales.

Precio 

moneda
monto a abonar
EUR
250
USD
250
MXN
5000
BRL
1250
ARS
15000

Medios de pago

transferencia bancaria

tarjetas de crédito

Visa_Logo.png
Mastercard-logo.svg.png
American_Express_logo_(2018).png

billeteras electrónicas

PP_logo_h_150x38.png
version-horizontal-large.png