Fundamentos de Data Science con Python

Repositorio oficial de materiales para participantes del taller.

Este sitio resume la estructura del curso, objetivos, materiales por sesión y enlaces rápidos a los notebooks.

---

🎥 Lista de reproducción (YouTube)

Las clases grabadas del taller se encuentran disponibles en la siguiente lista de reproducción:

👉 Ver Lista de Reproducción

Se recomienda seguir el orden de las sesiones y trabajar en paralelo con los notebooks disponibles en este repositorio.

---

Público objetivo

• Docentes de educación superior, docentes escolares, profesionales o asistentes académicos.
• Interés en análisis de datos, evaluación, investigación educativa o innovación docente.
• No se requiere experiencia previa en programación avanzada, pero sí disposición a trabajar con ejemplos prácticos en Python.

---

Objetivos del taller

Al finalizar el taller, las y los participantes serán capaces de:

• Comprender los conceptos fundamentales de Data Science y su ciclo de vida.
• Manipular datos con pandas y numpy.
• Realizar Análisis Exploratorio de Datos (EDA) y generar visualizaciones con matplotlib y seaborn.
• Implementar modelos básicos de Machine Learning con scikit-learn.
• Entrenar modelos sencillos de redes neuronales (MLP, CNN, Transfer Learning) con TensorFlow/Keras.
• Reflexionar sobre aspectos éticos, sesgos y riesgos en el uso de IA.

---

Estructura del repositorio

Taller-Fundamentos-Data-Science-Python/
│
├── README.md
├── LICENSE
│
├── 00_Documentacion/
│   └── Descriptor-Taller.pdf
├── 01_Presentaciones/
│   ├── Sesion1_Introduccion_Python.pdf
│   ├── Sesion2_EDA.pdf
│   ├── Sesion3_ML.pdf
│   ├── Sesion4_DL.pdf
│   ├── Sesion5_CNN.pdf
│   └── Sesion6_Proyecto-Final.pdf
│
├── 02_Datasets/
│   ├── datos_estudiantes_200.csv
│   ├── datos_estudiantes_200_eda.csv
│   ├── datos_estudiantes_practica.csv
│   ├── datos_taller_integrador_STEM.csv
│   ├── Ejemplo1.csv
│   └── Ejemplo2.csv
│
├── 03_Notebooks/
│   ├── 01_Sesion_01.ipynb
│   ├── 02_Sesion_02.ipynb
│   ├── 03_Sesion_03.ipynb
│   ├── 04_Sesion_04.ipynb
│   └── 05_Sesion_05.ipynb
│
├── 04_Ejercicios_Practicos/
│   ├── 01_Sesion1_Guion_Practica.ipynb
│   ├── 02_Sesion2_Guion_Practica.ipynb
│   ├── 03_Sesion3_Guion_Practica.ipynb
│   ├── 04_Sesion4_Guion_Practica.ipynb
│   └── 05_Sesion5_Guion_Practica.ipynb
│
├── 05_Imagenes/
│   └── Set Imágenes para Clasificación
│
└── 06_Actividad_Final/
    ├── README.md
    ├── Taller_Integrador_STEM_PLANTILLA.ipynb
    └── RUBRICA.md

Cómo usar este repositorio

1. Clonar o descargar el repositorio

git clone https://github.com/juliopez/Taller-Fundamentos-Data-Science-Python.git
cd Taller-Fundamentos-Data-Science-Python

2. Abrir los notebooks

Puedes abrir los notebooks:

• Localmente (Jupyter Notebook / VS Code), o
• Directamente en Google Colab, recomendado para evitar configuraciones locales.

---

3. Revisar los datasets

Accede a la carpeta: 02_Datasets/

Allí encontrarás los archivos .csv utilizados en cada sesión.

---

Para más detalles por sesión, revisa la sección Sesiones

Para acceso directo a PDFs, datasets y notebooks, visita · Materiales

---

Autoría

Autor: Dr. Julio Lopez-Nunez
Institución: Universidad de las Américas - Chile
Año: 2025

Para consultas o comentarios:
📩 julio.lopez-nunez@uni-konstanz.de