Autoplay
Autocomplete
Previous Lesson
Complete and Continue
Python para todos
1. Introducción a Google Colab
1.1. Creando tu primer notebook en Google Colab (2:50)
1.2. Tipos de Celda (1:31)
1.3. Manejando Títulos y Comentarios (2:16)
1.4. Oportunidad de mejora
2. Tipos de Variables
Notebook Tipos de Variables
2.1. ¿Qué son las Variables Numéricas? (2:28)
2.2. Casteo de Variables Numéricas (3:21)
2.3. Operadores de Variables Numéricas (2:18)
2.4. ¿Cómo funciona el orden en al usar Variables Numéricas? (2:35)
2.5. Variables Booleanas (1:08)
2.6. Operadores de comparación en Variables Booleanas (1:48)
2.7. Operadores de combinación en Variables Booleanas (2:25)
2.8. Variables String (3:58)
2.9. Operadores de Variables String (2:04)
2.10. Más operadores de Variables String (3:22)
2.11. Ingresar valores a un String con INPUT (3:04)
2.12. Ejercicio: Monto por préstamo (2:34)
2.13. Ejercicio: Segundos por semana (1:33)
2.14. Oportunidad de Mejora
3. Manejo de Listas
Notebook Manejo de Listas
3.1. Creación de Listas (1:19)
3.2. Índices (2:29)
3.3. Slicing (2:10)
3.4. Operaciones con Listas (2:00)
3.5. Funciones Len, Append e Insert (2:37)
3.6. Funciones Pop, Remove (2:32)
3.7. Funciones Reemplazar, Sort y Reverse (2:35)
3.8. Funciones Sum, Min y Max (1:12)
3.9. Listas de Strings (2:08)
3.10. Inmutabilidad en Listas de Strings (1:47)
Valida tu aprendizaje
3.11 Oportunidad de mejora
4. Manejo de Tuplas y Sets
Notebook Manejo de Tuplas y Sets
4.1. Definición (1:12)
4.2. Inmutabilidad (1:00)
4.3. Generación (1:50)
4.4. Casteo (1:37)
4.5. Asignación Múltiple (1:13)
4.6. Operaciones con Sets (3:04)
4.7 Oportunidad de mejora
5. Diccionarios
Notebeook Diccionarios
5.1. Definición (3:56)
5.2. Get (1:57)
5.3. Eliminar y actualizar (3:25)
5.4. Key Values, Items (3:20)
5.5. Update (2:49)
5.6. Oportunidad de mejora
6. Estructura de Control de Flujos
Notebook Estructura de Control de Flujos
6.1. Introducción a Control de Flujo (0:47)
6.2. Estructura de control if (3:09)
6.3. Estructura de control if, else (1:58)
6.4. Estructura de control if, elif y else (3:27)
6.5. Ejemplos if, elif y else (4:23)
6.6. Caso Babyboomers (4:14)
6.7. If, else anidados (1:25)
6.8. Ejemplos if, else anidados (4:46)
6.9. Caso Años bisiestos (1:26)
6.10. Solución caso de años bisiestos. (3:28)
Valida tu aprendizaje
6.11 Oportunidad de mejora
7. Bucles
Notebook bucles
7.1. Introducción a los Bucles en Python (1:16)
7.2. While (3:48)
7.3. While, bucles infinitos (2:30)
7.4. While, flags salida 1 (2:45)
7.5. While flags salida 2 (5:01)
7.6. While break (1:56)
7.7 While continue (3:01)
7.8. Caso blackjack (0:50)
7.9. Desarrollo caso Blackjack (1:32)
7.10. Desarrollo caso Blackjack 2 (2:23)
7.11. Desarrollo caso Blackjack 3 (5:17)
7.12. Bucle for (3:36)
7.13. For zip (5:28)
7.14. For range (4:01)
7.15.1 For compresion - Listas (5:04)
7.15.2 For Comprensión - Diccionarios (6:17)
7.16. Ejemplo: for enumerate (3:29)
7.17. Ejemplo: for cubos (3:29)
7.18. Ejemplo: for números primos (7:45)
7.19. Ejemplo: factorial (2:57)
7.20. Oportunidad de mejora
8. Funciones
Notebook Funciones
8.1. Creando funciones (4:42)
8.2. Variables locales y globales (2:56)
8.3. Funciones, return (3:02)
8.4. Return, unpacking (2:45)
8.5. Return, none (2:00)
8.6. Ejemplo número primos (4:37)
8.7. Ejemplo lista de números (3:42)
8.8. Parámetros de una función (2:34)
8.9. Parámetros con valores por defectos (4:25)
8.10. Parámetros args (4:30)
8.11. Parámetros kwargs (4:42)
8.12. Funciones lambda (3:10)
8.13. Comentarios (2:51)
8.14. map-filter-reduce (3:24)
8.15. Filter (1:50)
8.16. Reduce (3:08)
8.17. Import (5:55)
8.18. Ejercicio pangrams (1:11)
8.19. Ejercicio pangrams, solución (5:58)
8.20. Ejercicio números perfectos (1:07)
8.21. Ejercicio números perfectos, solución (4:15)
8.22 Oportunidad de mejora
9. Manejo de arreglos y matrices con Numpy
Notebook Numpy
9.1. Introducción a Numpy (1:48)
9.2. Import Numpy (2:34)
9.3. Array (5:43)
9.4. Suma, producto, max y min (3:33)
9.5. Operaciones vectorizadas (5:00)
9.6. Operaciones Vectoriales (3:18)
9.7. Suma y multiplicación de listas (3:15)
9.8. Comparación de tiempos (5:14)
9.9. Ones, zeros, arange y linspace (7:29)
9.10. Arreglos multidimensionales (4:26)
9.11. Atributos Numpy: shade, ndim y size (2:26)
9.12. Atributos, métodos y funciones (3:35)
9.13. Indexado (3:53)
9.14. Slicing de Numpy arrays (4:13)
9.15. Axis (5:45)
Valida lo aprendido
Oportunidad de mejora
10. Análisis de datos con Pandas
Notebook Pandas
Datasets a usar
10.1. Presentación de Pandas (1:26)
10.2. Dataframe, series e índices (3:12)
10.3. Series (2:41)
10.4. Columnas e índices (2:30)
10.5. Crear columnas, Brodcasting (2:24)
10.6. Seleccionar, reordenar y eliminar columnas (5:31)
10.7. Agregar y eliminar filas (4:52)
10.8. Lectura de fuentes de datos, drive y montar (3:10)
10.9. Lectura de archivos (4:18)
10.10. Lectura HTML (3:32)
10.11. Exportar resultados (2:38)
10.12. Head, info y describe (4:16)
10.13. Operaciones con columnas (3:49)
10.14. Apply (3:19)
10.15. Filtros, loc (4:51)
10.16. Sort, values (2:58)
10.17. Group by (5:54)
10.18. Plot (6:29)
Oportunidad de mejora
11. Proyecto Final
Notebook proyecto final
Datasets a usar
11.1. Presentación del Proyecto (1:19)
11.2. Lectura de archivos (3:15)
11.3. ¿De cuántos mundiales tenemos información? (1:14)
11.4. Obtención del nombre de cada mundial (5:23)
11.5. Países que campeonaron (3:09)
11.6. Partidos del mundial con más goles (5:50)
11.7. Goles promedio por partido (1:52)
11.8. Goleadores históricos de los mundiales (7:34)
11.9. Gráfico de Barras (2:41)
Bonus Lecture
Bonus Lecture DataHack
2.1. ¿Qué son las Variables Numéricas?
Complete and Continue
Discussion
0
comments
Load more
Lesson Content Locked
Your session expired. Please sign in again to continue.
Login
0 comments