Proyecto EMC
← Volver a Talleres
EMC Ciencia

Análisis de Datos en Python

Aprendé a convertir datos reales en decisiones: Pandas, APIs REST, limpieza, SQLite y visualización. Terminás con un proyecto ETL publicado y un mini-reporte con gráficos.

Ver temario Ver horarios Inscribirme

De cero a un pipeline real

Construimos un flujo API → pandas → SQLite → visualización con buenas prácticas: datasets reales, notebooks descargables y soporte en Discord.

Data literacy y preguntas que importan (KPIs, métricas, sesgos).
Limpieza y transformación con pandas (selección, filtros, groupby, tipos, nulos).
Consumo de APIs con requests y normalización JSON.
Modelo tabular en SQLite y consultas con read_sql.
Visualización y mini-reporte (matplotlib/plotly).

Entorno y requisitos

  • Python 3.x + VS Code (extensiones: Python, Jupyter).
  • Librerías: pandas, requests, matplotlib o plotly, sqlite3.
  • PC/Mac con 8GB RAM (recomendado 16GB) y conexión estable.

¿No venís con Python? Mirá el Seminario 0 cuando esté disponible y quedás al día.

Ruta de aprendizaje (12 encuentros)

Módulo 1 · Pandas I + Data Literacy

Objetivo: manipular DataFrames con seguridad y responder preguntas simples.

  • Series y DataFrames: index, selección, filtros, orden, assign.
  • Tipos (astype), fechas (to_datetime) y manejo de nulos.
  • Agregaciones y groupby, KPIs básicos y “mini-auditoría” de datos.

Entregable: notebook con análisis exploratorio y KPIs.

Módulo 2 · APIs, Limpieza & Transformaciones

Objetivo: traer datos externos y dejarlos listos para consulta.

  • requests + JSON → DataFrame, pd.json_normalize.
  • Reshape: melt, pivot, merge/join y reconciliación.
  • Validaciones y calidad de datos (duplicados, outliers simples, reglas).

Entregable: pipeline API→pandas con dataset limpio.

Módulo 3 · SQLite, Consultas & Reporte

Objetivo: persistir, consultar y comunicar.

  • to_sql/read_sql, modelado liviano y consultas típicas.
  • Visualización (matplotlib/plotly) y storytelling básico.
  • Proyecto final: ETL completo y mini-reporte con gráficos.

Entregable: repo/notebook + DB SQLite + reporte exportable.

Tu profe

Foto de Franco Ezequiel Marchegiani
Franco Ezequiel Marchegiani
LinkedIn

Franco se especializa en análisis de datos y software. Te lleva de cero a un pipeline listo para usar, con ejercicios aplicados. Actualmente es pasante en Análisis de Datos (Fundación Pescar) y tutor en Coderhouse.

Próximas comisiones

Comisión Entre-semana
Cohortes mensuales · Consultá fechas disponibles
Quiero anotarme

Clases por Google Meet. Enviamos el acceso al servidor de Discord al confirmar tu inscripción.

Inscripción

Cupos limitados. Materiales y grabaciones incluidos.

Inscribirme por mail Consultar por WhatsApp

Medios de pago: transferencia o Mercado Pago.

Qué te llevás

  • Pipeline ETL funcionando con datos reales.
  • Notebooks y scripts listos para reutilizar.
  • DB SQLite con consultas ejemplo.
  • Mini-reporte con gráficos para portfolio.