PythonUSAC/index.html at main · epinedaWorks/PythonUSAC · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
<!DOCTYPE html>
<html lang="es">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Python para Ciencia de Datos</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            background-color: #f4f4f4;
            margin: 0;
            padding: 0;
            text-align: center;
        }
        .container {
            max-width: 800px;
            margin: 20px auto;
            background: white;
            padding: 20px;
            border-radius: 10px;
            box-shadow: 0 0 10px rgba(0, 0, 0, 0.1);
        }
        .info {
            border: 2px solid #333;
            padding: 15px;
            border-radius: 10px;
            background: #e3e3e3;
            margin-bottom: 20px;
        }
        table {
            width: 100%;
            border-collapse: collapse;
            margin-bottom: 20px;
        }
        table, th, td {
            border: 2px solid #333;
        }
        th, td {
            padding: 10px;
            text-align: center;
        }
        h1 {
            color: #333;
        }
        h2 {
            color: #444;
        }
        ul {
            list-style: none;
            padding: 0;
        }
        ul li {
            background: #e3e3e3;
            margin: 5px 0;
            padding: 10px;
            border-radius: 5px;
        }
        .course-image, .instructor-image {
            width: 100%;
            max-width: 300px;
            border-radius: 10px;
            margin-top: 10px;
        }
    </style>
</head>
<body>
    <div class="container">
        <h1>🐍 Python para Ciencia de Datos 📊</h1>
        <table>
            <tr>
                <td><strong>Horas del curso:</strong> 20 ⏳</td>
                <td><strong>Días que se imparte:</strong> Lunes 📅</td>
            </tr>
            <tr>
                <td><strong>Horario:</strong> 19:00 - 19:50 ⏰</td>
                <td><strong>Salón:</strong> Meet / Virtual 💻</td>
            </tr>
            <tr>
                <td colspan="2"><strong>Catedrático:</strong> Ing. Erick J. Pineda Amézquita 👨‍🏫</td>
            </tr>
        </table>
        <img class="instructor-image" src="Instructor.jpg" alt="Imagen del instructor">


        <h2>📚 Contenido</h2>
        <h3>🔹 Módulo 1: Introducción a Python para la Ciencia de Datos</h3>
        <ul>
            <li>🛠 Instalación y configuración del entorno (Jupyter, Anaconda).</li>
            <li>🐍 Fundamentos de Python.</li>
            <li>📦 Bibliotecas esenciales (NumPy, pandas).</li>
        </ul>

        <h3>🔹 Módulo 2: Manipulación y Análisis de Datos con pandas</h3>
        <ul>
            <li>📊 Introducción a pandas y estructuras de datos.</li>
            <li>📂 Importación y exportación de datos.</li>
            <li>🔍 Análisis exploratorio de datos (EDA).</li>
        </ul>

        <h3>🔹 Módulo 3: Fundamentos de Estadística para la Ciencia de Datos</h3>
        <ul>
            <li>📉 Conceptos básicos de estadística.</li>
        </ul>

        <h3>🔹 Módulo 4: Visualización de Datos</h3>
        <ul>
            <li>📊 Introducción a la visualización de datos.</li>
            <li>📈 Creación de gráficos básicos.</li>
            <li>🔥 Visualización avanzada.</li>
            <li>📊 Dashboards interactivos.</li>
        </ul>

        <h3>🔹 Módulo 5: Aplicaciones de la Ciencia de Datos</h3>
        <ul>
            <li>📊 Análisis de mercado.</li>
            <li>💰 Análisis de ventas.</li>
        </ul>

        <h3>🔹 Módulo 6: Proyecto Final</h3>
        <ul>
            <li>🎯 Definición del problema empresarial.</li>
            <li>📥 Recopilación y preparación de datos.</li>
            <li>📊 Análisis y visualización.</li>
            <li>📢 Presentación de resultados.</li>
        </ul>
    </div>
</body>
</html>