CURSO CORTO PROGRAMACIÓN BÁSICA CON PYTHON PARA CIENCIAS ECONÓMICAS 1.ª VERSIÓN

Personas que quieran desarrollar de programación fundamental y manejo de datos en Python, capacitándolos para automatizar tareas de recolección y limpieza de datos, realizar análisis exploratorio básico y visualizar resultados de manera efectiva. Esto les permitirá abordar problemas económicos y financieros con un enfoque computacional a nivel básico.

Incluye certificado con carga horaria de 100 horas por el Posgrado de la Facultad de Ciencias Económicas de la UMSS.

• Pensamiento computacional para economistas
• Introducción a la Programación y al Ecosistema Python
  • ¿Qué es la programación y por qué es vital para las Ciencias Económicas?
  • Instalación de Anaconda y entorno Jupyter Notebook/JupyterLab.
  • Sintaxis básica de Python: variables, tipos de datos (int, float, string, boolean).
  • Operadores aritméticos y lógicos.
• Estructuras de Control de Flujo
  • Estructuras condicionales: if, elif, else (Toma de decisiones en código).
  • Estructuras iterativas: for y while (Automatización de tareas repetitivas).
  • Uso de range() y funciones básicas de ayuda.
• Colecciones de Datos y Funciones
  • Estructuras de datos nativas: Listas, Tuplas, Diccionarios y Sets.
  • Manipulación y métodos básicos de cada colección.
  • Creación y uso de funciones definidas por el usuario (def) para modularidad.
  • Ámbito de variables (scope).
• Gestión de errores y depuración de código
• Introducción a NumPy para Cálculo Numérico
  • Concepto de Arrays de NumPy: creación e indexación.
  • Operaciones vectoriales y matriciales (Cálculo eficiente).
  • Generación de datos aleatorios y funciones estadísticas básicas.
• Fundamentos de Pandas: DataFrames (Parte 1)
  • ¿Qué es Pandas y por qué es crucial para el análisis de datos?
  • Creación de Series y DataFrames.
  • Importación de datos desde archivos CSV y Excel (pd.read_csv, pd.read_excel).
  • Inspección básica de DataFrames (head, tail, info, describe).
• Fundamentos de Pandas: Manipulación de Datos (Parte 2)
• Indexación y selección de datos con .loc e .iloc.
• Filtrado, ordenamiento y agregación de datos.
• Creación de nuevas columnas.
• Introducción a los datos de tipo Fecha y Hora.
• Limpieza y Preparación de Datos
• Visualización de Datos
• Aplicación Económica: Análisis de Series de Tiempo
  • Carga de datos de series de tiempo (ej. cotizaciones bursátiles, indicadores macro).
  • Transformaciones comunes: Cálculo de rendimientos, logaritmos.
  • Visualización de tendencias y estacionalidad.
• Gestión de datos económicos y manejo de APIs

200 Bs.