Nuestro objetivo aprender, aprender y aprender
En este curso está dirigido para todas las personas que quieren aprender de este maravilloso y útil lenguaje de programación. Empezaremos con los conceptos básicos, desarrollando ejemplos simples (y no no son los de Iris ni de Titanic 😉) que permitan a los estudiantes tener un acercamiento amigable resolviendo situaciones reales. Sí siempre quisiste aprender a programar en Python esta es tu oportunidad de hacerlo a tu propio ritmo y sin instalar nada.
Aprende desde tu smartphone, tablet o PC.
Aprender con nosotros es tan simple como entrar a revisar TikTok, un swipe y pasas de video a video. Solo que con cada video puedes aprender más. Hazlo desde tu Celular, Tablet o PC.
Código y notebooks
Accede a más de 60 videos, 10 notebooks y datasets. Todos elaborados y customizados con la mayor claridad, enfocados en que puedas aprender a tu ritmo.
Sí tenemos Pokemones!
Sabemos que te aburre los datasets tradicionales ¿Qué te parece aprender con datos que conoces maestro pokemón?
Nuestro contenido 😊
1. Introducción a Google Colab
Available in
days
days
after you enroll
2. Tipos de Variables
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
5. Diccionarios
Available in
days
days
after you enroll
6. Estructura de Control de Flujos
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
- 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
Available in
days
days
after you enroll
Experiencia Datapath
Conoce el testimonio de Hugo y el valor que le da a los cursos de datapath.
Comunidad Datapath
Python es el primer paso, también podemos ayudarte con el segundo, tercer y todos los pasos. Únete a nuestra comunidad para seguir aprendiendo.
Acerca de Datapath
Somos una empresa nacida en 2020, año de muchos retos y dificultades. Reunimos a expertos en Big Data, AI, Cloud y Analytics de distintos países de la región.
Nuestra objetivo es crear contenido de calidad para democratizar el acceso al conocimiento de Data, Analytics , AI y Cloud.