Módulo 1: Introducción a Python para análisis de datos

• Entorno de trabajo

• Notebooks

• Qué resuelve Python en análisis de datos

• Estructura del caso práctico

• Buenas prácticas mínimas de orden y ejecución.

Módulo 2: Fundamentos de Python

• Variables

• Tipos de datos

• Listas

• Diccionarios

• Operadores

• Estructuras básicas

• Lectura de errores comunes.

Módulo 3: Lectura de archivos CSV con pandas

• Importar pandas

• Cargar CSV

• Revisar filas, columnas, tipos de datos, dimensiones, encabezados

• Primeras exploraciones.

Módulo 4: Exploración inicial de datos

• Uso de head, tail, info, describe

• Conteos

• Valores únicos

• Revisión de columnas clave

• Primeras preguntas del negocio.

Módulo 5: Limpieza básica de datos

• Detección y corrección de nulos

• Detección y corrección de duplicados

• Detección y corrección de errores de captura, espacios, mayúsculas/minúsculas y formatos incorrectos

• Registro de decisiones.

Módulo 6: Transformación de columnas

• Crear nuevas columnas

• Transformar fechas

• Calcular importes, márgenes, categorías

• Campos derivados para análisis.

Módulo 7: Filtros y selección de datos

• Filtrar filas

• Seleccionar columnas

• Aplicar condiciones

• Ordenar datos

• Preparar vistas específicas del análisis

• Subconjuntos de negocio.

Módulo 8: Agrupaciones y KPIs básicos

• Ventas totales

• Promedios

• Conteos

• Máximos

• Mínimos

• Rankings simples

• Resúmenes por categoría

• Lectura ejecutiva de KPIs.

Módulo 9: Visualización básica de datos

• Gráficos de barras

• Líneas

• Histogramas

• Dispersión

• Títulos, etiquetas, escala

• Explicación de tendencias/comparaciones.

Módulo 10: Proyecto final

• Integración de limpieza, análisis, KPIs, visualizaciones y conclusiones en un notebook final ordenado y presentable.