- Comprender los fundamentos de la visualización de datos y la importancia de Seaborn.
- Utilizar Seaborn para crear una variedad de gráficos, desde simples hasta avanzados.
- Personalizar y mejorar gráficos para comunicar eficazmente información.
- Realizar análisis exploratorios de datos utilizando visualizaciones en Seaborn.
- Integrar visualizaciones de Seaborn en proyectos de desarrollo de software.
Temario
- Conceptos básicos de la visualización de datos:
- Importancia de la visualización en la toma de decisiones y la comunicación de datos.
- Tipos de datos y variables: cuantitativas y categóricas.
- Introducción a Seaborn como librería de visualización en Python:
- Ventajas de Seaborn sobre otras librerías de visualización.
- Configuración inicial y preparación del entorno de desarrollo.
- Creación de gráficos de dispersión y líneas:
- Uso de scatterplot() y lineplot() en Seaborn.
- Personalización de ejes y etiquetas.
- Construcción de histogramas y gráficos de barras:
- Uso de histplot() y barplot() en Seaborn.
- Aplicación de paletas de colores para resaltar datos.
- Creación de gráficos de caja (box plots) y violín:
- Uso de boxplot() y violinplot() para mostrar distribuciones y resaltar valores atípicos.
- Personalización de estilos y colores.
- Construcción de gráficos de matriz de correlación:
- Visualización de correlaciones entre variables con heatmap().
- Uso de paletas divergentes para destacar correlaciones positivas y negativas.
- Visualización de datos categóricos con gráficos de barras apiladas:
- Uso de barplot() con datos categóricos.
- Personalización de la orientación y el orden de las barras.
- Ajuste de ejes y etiquetas:
- Cambio de límites de ejes y etiquetado de ejes secundarios.
- Personalización de etiquetas y títulos de gráficos.
- Personalización de colores y estilos:
- Cambio de paletas de colores y colores individuales en gráficos.
- Estilización de líneas y marcadores en gráficos de línea.
- Uso de anotaciones y títulos para mejorar la claridad:
- Adición de anotaciones y texto en gráficos.
- Creación de títulos informativos y leyendas.
- Exploración de distribuciones de datos con gráficos KDE:
- Uso de kdeplot() para visualizar la distribución de datos.
- Comparación de múltiples distribuciones en un solo gráfico.
- Visualización de relaciones y tendencias con gráficos de dispersión:
- Creación de gráficos de dispersión con líneas de regresión.
- Análisis de relaciones entre variables cuantitativas.
- Identificación de valores atípicos (outliers) con gráficos de caja:
- Uso de boxplot() para detectar y visualizar valores atípicos.
- Interpretación de los valores atípicos en el contexto del análisis de datos.
- Uso de Seaborn en entornos de desarrollo de software:
- Integración de Seaborn en notebooks Jupyter y scripts de Python.
- Configuración de entornos virtuales para proyectos.
- Incorporación de gráficos Seaborn en aplicaciones web y de escritorio:
- Exportación de gráficos Seaborn como imágenes o componentes gráficos interactivos.
- Integración de visualizaciones en aplicaciones desarrolladas con Flask, Django o bibliotecas de interfaz de usuario.
- Exportación de visualizaciones Seaborn en diferentes formatos:
- Generación de gráficos en formatos estáticos como PNG, PDF y SVG.
- Uso de widgets interactivos para explorar datos en tiempo real en aplicaciones web.
Responsabilidades profesor
Presentar el contenido conforme lo presentado en el programa de formación
Proyecto en Github para clonar
Dar acceso al material necesario (PDFs, ejercicios, software, etcs) para el curso contratado.
Proveer de local para impartir la formación
Responsabilidades alumno
Participar en la formación en el periodo determinado, trayendo un notebook con los requisitos mínimos necesarios para la participación en la formación, siendo estos los siguientes:
Mínimo de 4GB de memoria RAM
Mínimo de 10GB de espacio en disco (HD).
Habilitada la virtualización tanto en software como hardware
Poseer privilegios de administración
Observaciones importantes
Confirmaciones
Las confirmaciones serán enviadas a la dirección de e-mail enviada por el alumno
Cancelaciones
Los plazos para el cancelamiento de inscripciones solicitadas, son de 5 días laborales antes del inicio del curso.
En caso de cancelamiento fuera de plazo por parte del alumno, DevAcademy se reserva el derecho a cobrar un porcentaje (20%) del valor del curso.
DevAcademy se reserva el derecho de cancelar o posponer la formación, siempre y cuando avise al contratante y/o devuelva el importe íntegro en caso de cancelación
Obligaciones del alumno
Es obligatorio que el alumno cumpla con todos las obligaciones recomendadas por el profesor para seguir todos los ejercicios y no demorar ni perjudicar la clase. Es posible que días antes se envie un email como recordatorio al alumno con instrucciones a seguir u obligaciones desarrollar para poder estar preparado al comienzo de la clase.
