Fundamentos de Python para Ingeniería y Analítica de Datos (Py311)

Próxima Edición: 23 de Febrero | Lunes a Jueves | 12 Sesiones Online

Este repositorio contiene el material oficial del curso Py311, primer curso de la ruta de Ingeniería de Datos con Python. Cubre los fundamentos de computación numérica, manipulación y visualización de datos, y presenta las herramientas modernas de análisis y escalado que se usarán a lo largo de toda la ruta.

---

🗺️ Ruta de Aprendizaje

Prerequisitos recomendados

Este curso asume conocimiento previo de Python. Si necesitas construir esa base primero:

Curso	Título	Repositorio
Py101	Introducción a la Programación con Python	PythonistaMX/py101
Py111	Programación Orientada a Objetos con Python	PythonistaMX/py111

Continuación de la ruta

Py311 es el punto de entrada de una ruta progresiva de cinco cursos:

Curso	Título	Estado
Py311	Fundamentos de Python para Ingeniería y Analítica de Datos	✅ Este curso
Py321	Orquestación con Apache Airflow	Próximamente
Py331	Pipelines batch y streaming con Apache Beam	Próximamente
Py341	Ciclo de vida de los datos con Spark y PySpark	Próximamente
Py351	Streams con Apache Kafka	Próximamente
Py361	Conceptos y prácticas de ingeniería de datos	Próximamente

---

🚀 Acerca del Curso

Un programa intensivo orientado a construir la base técnica necesaria para trabajar como ingeniero o analista de datos en entornos modernos. Al completarlo serás capaz de:

• Dominar el ecosistema numérico: NumPy, SciPy y álgebra lineal aplicada a datos.
• Manipular datos con Pandas moderno: Tipos eficientes, limpieza, agregaciones y ventanas.
• Visualizar con precisión estadística: Matplotlib, Seaborn y Plotnine (gramática de gráficos).
• Optimizar memoria y rendimiento: PyArrow como backend y Polars para análisis de alto rendimiento.
• Construir productos de datos: Dashboards interactivos con Streamlit sin necesidad de desarrollo web.
• Escalar más allá de la memoria local: Procesamiento paralelo y distribuido con Dask.

Todo el entorno se ejecuta en la nube mediante GitHub Codespaces, sin necesidad de instalación local.

---

📅 Temario y Estructura

El curso consta de 12 sesiones de 2 horas (24 horas totales), divididas en 6 bloques estratégicos:

Bloque	Temática Principal	Tecnologías Clave
I. Fundamentos	Computación numérica y álgebra lineal vectorial	NumPy, SciPy
II. Pandas Moderno	Backend PyArrow, manipulación y limpieza de datos	Pandas 2.0, PyArrow
III. Visualización	Gramática de gráficos, estadística y control fino	Matplotlib, Seaborn, Plotnine
IV. Herramientas Modernas	Formato Arrow, Polars y optimización de memoria	PyArrow, Polars
V. Data Apps	Dashboards interactivos sin desarrollo web	Streamlit
VI. Escalado	Procesamiento paralelo y escalabilidad distribuida	Dask

📚 Contenidos

🧭 Tabla de contenidos (enlaces rápidos)

• Módulo 1: 01 02 03 04 05 06 07 08
• Módulo 2: 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
• Módulo 3: 25 26 27 28 29 30
• Módulo 4: 31 32 33
• Módulo 5: 34
• Módulo 6: 35

🔹 Módulo 1: Fundamentos Numéricos

• 01 - El proyecto SciPy y el ecosistema de datos.
• 02 - Conceptos básicos de NumPy (arreglos y vectores).
• 03 - Creación de arreglos con funciones especializadas y lectura/escritura de archivos.
• 04 - Generación de datos sintéticos y aleatorios.
• 05 - Indexado, rebanado, modificación de arreglos y broadcasting.
• 06 - Manipulación y transformación de arreglos.
• 07 - Análisis numérico y estadístico básico.
• 08 - Álgebra lineal aplicada a datos.

🔹 Módulo 2: Pandas Moderno y Estructura

• 09 - Introducción a Pandas.
• 10 - Tipos de datos de Pandas y funciones de conversión de tipos.
• 11 - Operaciones estructurales en DataFrames.
• 12 - Índices simples (pd.Index) y multiíndices (pd.MultiIndex).
• 13 - Datos categóricos y relaciones.
• 14 - Uniones y mezclas de DataFrames.
• 15 - El método merge(): uniones inner, outer, left y right.
• 16 - El método filter(): filtrado de columnas e índices por etiqueta.
• 17 - Transformaciones personalizadas (apply, transform).
• 18 - Técnicas de enmascaramiento avanzado.
• 19 - Gestión de calidad de datos.
• 20 - Estrategias de imputación y manejo de nulos.
• 21 - Transformación y limpieza de objetos.
• 22 - Agregaciones avanzadas: groupby, crosstab, pivot_table y window functions.
• 23 - Extracción y almacenamiento de datos.
• 24 - Visualización de datos con Pandas.

🔹 Módulo 3: Visualización Estadística

• 25 - Introducción a Matplotlib (fundamentos).
• 26 - Elementos de un gráfico (títulos, ejes, leyendas, estilos).
• 27 - Tipos básicos de gráficos (scatter, line, bar, histogramas).
• 28 - Plotnine (gramática de gráficos para reportes reproducibles).
• 29 - Introducción a Seaborn (visualización estadística rápida).
• 30 - Objetos especializados en Seaborn (regresión, correlación, distribuciones).

📊 Nota: Plotnine (basado en ggplot2) es ideal para reportes reproducibles y migración desde R. Seaborn para exploración iterativa. Matplotlib para control fino de bajo nivel.

🔹 Módulo 4: Herramientas Modernas de Datos

• 31 - Introducción a PyArrow: arrays, tablas y backend para Pandas.
• 32 - Introducción a Polars: API expresiva y evaluación lazy.
• 33 - Polars Avanzado: window functions, optimización y decisiones arquitectónicas.

🔹 Módulo 5: Data Apps Interactivas

• 34 - Introducción a Streamlit: dashboards web sin HTML/CSS/JavaScript.

🔹 Módulo 6: Computación Distribuida

• 35 - Introducción a Dask: procesamiento paralelo y escalabilidad out-of-core.

---

🛠️ Instalación y Uso

¡Olvídate de configurar entornos locales! Este repositorio está configurado para GitHub Codespaces.

1. Haz clic en el botón "Code" (verde) arriba a la derecha.
2. Ve a la pestaña "Codespaces".
3. Haz clic en "Create codespace on main".

El entorno se iniciará automáticamente con:

• Python 3.11
• JupyterLab
• Todas las librerías instaladas (Polars, Dask, Streamlit, etc.)
• Puertos configurados para visualizar tus apps.

Ejecución Local (Opcional)

Si prefieres trabajar en tu máquina:

# Clonar el repositorio
git clone https://github.com/tusuario/py311.git
cd py311

# Crear entorno virtual
python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r requirements.txt

# Iniciar Jupyter
jupyter lab

---

📖 Recursos Adicionales

• Documentación oficial de Pandas
• Documentación oficial de Polars
• Documentación oficial de Dask
• Documentación oficial de Streamlit

---

📝 Licencia

Este proyecto está bajo la licencia Creative Commons Atribución 4.0 Internacional (CC-BY 4.0).

Eres libre de:

• ✅ Compartir el material en cualquier medio o formato
• ✅ Adaptar, remezclar y crear contenido derivado
• ✅ Usar con fines comerciales

Con la condición de:

• 📌 Atribución: Debes dar crédito apropiado, proporcionar un enlace a la licencia e indicar si se han realizado cambios.

Para más información, visita: https://creativecommons.org/licenses/by/4.0/

Véase el archivo LICENSE para los términos completos.