Saltar a contenido

Unidad 1: Análisis Exploratorio de Datos (EDA)

Esta unidad introduce los fundamentos del Análisis Exploratorio de Datos (EDA), una etapa crítica en cualquier proyecto de ciencia de datos. Aprenderás a inspeccionar, limpiar y visualizar conjuntos de datos para extraer insights significativos.

📚 Contenido de la Unidad

Práctico 01: Iris Dataset

Introducción al EDA con un dataset clásico

Comenzamos con el famoso dataset Iris para aprender los fundamentos del análisis exploratorio. Esta práctica cubre: - Preparación del entorno de trabajo con Python - Carga y exploración inicial de datos - Análisis básico de características - Primeras visualizaciones

Práctico 02: EDA Netflix con Visualizaciones

Análisis completo con visualizaciones avanzadas

Profundizamos en técnicas de EDA usando el dataset de Netflix. Incluye: - Análisis estadístico descriptivo - Detección de valores atípicos y anomalías - Visualizaciones avanzadas con Matplotlib y Seaborn - Análisis temporal de tendencias - Análisis geográfico y de géneros - Creación de dashboards informativos

Práctico 03: EDA Multi-fuentes y Joins

Integración y análisis de múltiples fuentes de datos

Aprende a trabajar con datos de múltiples fuentes y combinarlos de manera efectiva: - Carga de datos desde diferentes fuentes - Técnicas de joins y merges en Pandas - Manejo de datos relacionales - Análisis de datasets integrados - Visualización de datos combinados

🎯 Objetivos de Aprendizaje

Al completar esta unidad, serás capaz de:

  • ✅ Realizar análisis exploratorios completos de conjuntos de datos
  • ✅ Identificar patrones, tendencias y anomalías en los datos
  • ✅ Crear visualizaciones efectivas para comunicar insights
  • ✅ Integrar datos de múltiples fuentes
  • ✅ Aplicar técnicas estadísticas descriptivas
  • ✅ Detectar y manejar valores atípicos

🛠️ Herramientas y Tecnologías

  • Python: Lenguaje principal de programación
  • Pandas: Manipulación y análisis de datos
  • NumPy: Operaciones numéricas
  • Matplotlib & Seaborn: Visualización de datos
  • Jupyter Notebooks: Entorno de desarrollo interactivo