CURSO

PYTHON: DE CERO
A EXPERTO
¿QUÉ COMPETENCIAS ME DARÁ
ESTUDIAR EL CURSO PYTHON: DE
CERO A EXPERTO?

Crear modelos de machine

learning, aplicando inteligencia
artificial en proyectos reales.

Automatizar procesos en la
nube, gestionando recursos
de manera eficiente y segura.

Analizar y visualizar datos

complejos, obteniendo
insights para la toma de
decisiones.

Colaborar en proyectos de
software utilizando sistemas
de control de versiones como
Git.

Resolver problemas aplicando

lógica y programación
avanzada.
MALLA CURRICULAR
N IVEL BÁSICO

M Ó DULO 1 :
FUN DAM ENTO S Y A PLI CACI O NE S CON PYT H ON

IMPORTANCIA Y VENTAJAS DE PYTHON

• Resaltar la versatilidad y facilidad de aprendizaje de Python.
• Mencionar aplicaciones en diferentes áreas como ciencia de
datos, desarrollo web, automatización y más.
• Mostrar ejemplos concretos de cómo Python se utiliza en la
industria y en la vida cotidiana.
• Conociendo PEP 8 - Style Guide for Python Code.

INSTALACIÓN Y CONFIGURACIÓN DEL ENTORNO DE

DESARROLLO
• Guiar paso a paso a los estudiantes en la instalación de Python
en su sistema operativo (Windows, macOS, Linux).
• Presentar opciones populares de entornos de desarrollo
integrados (IDEs) como PyCharm, Visual Studio Code o
Sublime Text.
• Brindar instrucciones para configurar el entorno de desarrollo y
verificar la instalación correcta de Python.

SINTAXIS BÁSICA Y TIPOS DE DATOS

• Introducir los elementos básicos de la sintaxis de Python, como
sangría, palabras clave y estructuras básicas.
• Explicar los tipos de datos primitivos en Python: enteros,
decimales, cadenas de texto y booleanos.
• Mostrar ejemplos de cómo declarar y asignar valores a variables
de diferentes tipos.
VARIABLES, OPERADORES Y EXPRESIONES
• Declaración y tipos de variables:
Profundizar en la declaración de variables, incluyendo las
reglas de nomenclatura y el alcance de las variables.
Enseñar a convertir tipos de datos utilizando funciones de
conversión.
Presentar el concepto de variables compuestas y cómo
declararlas.
• Operadores aritméticos, lógicos y relacionales:
Explicar en detalle cada tipo de operador: aritméticos (+, -, *, /,
//, %), lógicos (and, or, not) y relacionales (==, !=, <, >, <=, >=).
Mostrar ejemplos de cómo utilizar los operadores en
expresiones y obtener resultados.
Enseñar a utilizar la precedencia de operadores para evaluar
expresiones correctamente.
Prioridad en operadores.
• Expresiones y evaluación:
Definir el concepto de expresiones en Python y su importancia
en la programación.
Enseñar a combinar operadores, variables y valores para crear
expresiones complejas.
Mostrar el orden de evaluación de expresiones utilizando
paréntesis.
Brindar ejercicios prácticos para evaluar expresiones y obtener
resultados correctos.

ENTRADA Y SALIDA DE DATOS

• Funciones de entrada y salida estándar:
Presentar las funciones input() y print() para interactuar con el
usuario.
Mostrar ejemplos de cómo obtener datos del usuario y mostrar
información en la consola.
Enseñar a utilizar la función format() para formatear cadenas
de texto de manera personalizada.
• Formateo de cadenas y manejo de archivos:
Profundizar en el formateo de cadenas utilizando métodos de
cadena como upper(), lower(), strip(), join(), etc.
Introducir el concepto de archivos en Python y cómo abrirlos,
leerlos y escribir en ellos.
Mostrar ejemplos de cómo manejar archivos de texto y CSV de
manera básica.
CONTROL DE FLUJO
• Instrucciones if-else y elif:
Explicar la estructura de las instrucciones if-else para tomar
decisiones en la ejecución del programa.
Mostrar ejemplos de cómo utilizar las instrucciones if-else para
controlar el flujo del programa en base a condiciones.
Introducir la instrucción elif para manejar múltiples condiciones
dentro de una misma estructura.
Manejo de operadores ternarios.
• Bucles for y while:
Explicar la estructura de los bucles for para iterar sobre
secuencias de datos.
Mostrar ejemplos de cómo utilizar los bucles for para recorrer
listas, cadenas y tuplas.
Introducir la estructura de los bucles while para ejecutar un
bloque de código de manera repetitiva hasta que se cumpla
una condición.
Mostrar ejemplos de cómo utilizar los bucles while para realizar
tareas repetitivas.
• Instrucciones break y continue:
Explicar la función de la instrucción break para salir de un
bucle en ejecución.
Mostrar ejemplos de cómo utilizar la instrucción break para
instrucciones como for & while.
MALLA CURRICULAR
N IVEL INTERME D IO

M Ó DULO 2 :
TI POS Y EST R U CTU R A D E DATOS CON PYTH ON

LISTAS
• Creación, acceso y modificación de elementos:
Explicar en detalle la creación de listas utilizando diferentes
métodos (corchetes, list(), comprensión de listas).
Enseñar a acceder a elementos de una lista mediante índices
y slicing.
Mostrar cómo modificar elementos de una lista utilizando
asignación, insert(), remove(), pop(), etc.
• Funciones de listas:
Presentar un conjunto completo de funciones de listas como
append(), insert(), remove(), pop(), index(), count(), sort(),
reverse(), entre otras.
Explicar la funcionalidad de cada función y mostrar ejemplos
de su uso en diferentes casos.
Brindar ejercicios prácticos para aplicar las funciones de listas
y resolver problemas comunes.
• Comprensión de listas:
Introducir el concepto de comprensión de listas como una
forma concisa y elegante de crear listas.
Enseñar la sintaxis de las comprensiones de listas y mostrar
ejemplos de cómo construir listas a partir de otras listas,
cadenas o iterables.
Comparar la comprensión de listas con los métodos
tradicionales de creación de listas.
TUPLAS Y DICCIONARIOS
• Características y operaciones con tuplas:
Explicar las características de las tuplas como estructuras de
datos inmutables.
Enseñar a crear tuplas utilizando diferentes métodos (paréntesis,
tuple(), comprensión de tuplas).
Mostrar cómo acceder a elementos de una tupla mediante índices
y slicing.
Indicar que las tuplas no se pueden modificar directamente, pero
se pueden crear nuevas tuplas a partir de ellas.
• Creación, acceso y modificación de diccionarios:
Introducir el concepto de diccionarios como estructuras de datos
clave-valor.
Enseñar a crear diccionarios utilizando diferentes métodos
(llaves: valores, dict(), comprensión de diccionarios).
Mostrar cómo acceder a valores de un diccionario utilizando
claves.
Explicar cómo agregar, modificar y eliminar elementos de un
diccionario.
• Funciones de diccionarios:
Presentar un conjunto completo de funciones de diccionarios
como keys(), values(), items(), get(), update(), del(), entre otras.
Explicar la funcionalidad de cada función y mostrar ejemplos de
su uso en diferentes casos.
Brindar ejercicios prácticos para aplicar las funciones de
diccionarios y resolver problemas comunes.

CONJUNTOS
• Operaciones básicas con conjuntos:
Introducir el concepto de conjuntos como estructuras de datos
que almacenan elementos únicos y no ordenados.
Enseñar a crear conjuntos utilizando diferentes métodos (llaves:
valores, set(), comprensión de conjuntos).
Mostrar cómo realizar operaciones básicas con conjuntos como
unión (|), intersección (&), diferencia (-), etc.
Explicar las pruebas de pertenencia (in) y eliminación de
elementos (remove(), discard()).
• Aplicaciones de conjuntos:
Mostrar ejemplos concretos de cómo utilizar conjuntos para
resolver problemas prácticos, como eliminar elementos
duplicados, encontrar elementos comunes en dos conjuntos, etc.
Enfatizar la eficiencia de los conjuntos para realizar operaciones
de comparación y búsqueda.
Brindar ejercicios prácticos para aplicar conjuntos en diferentes
escenarios.
FUNCIONES
• Definición y sintaxis de funciones:
Repasar el concepto de funciones como bloques de código
reutilizables.
Enseñar la sintaxis completa de una función, incluyendo la
palabra clave def, el nombre de la función, los parámetros, el
bloque de código y la instrucción return.
Mostrar ejemplos de cómo definir y llamar a funciones con
diferentes tipos de parámetros.
• Argumentos y parámetros:
Explicar en detalle los diferentes tipos de argumentos que se
pueden utilizar en las funciones: posicionales, nombrados, por
defecto y variables.
Mostrar cómo pasar argumentos a las funciones y cómo
acceder a ellos dentro de la función.
Introducir el concepto de argumentos opcionales y obligatorios.
• Ámbito de las variables:
Explicar el concepto de ámbito de las variables y cómo las
variables locales y globales se diferencian.
Mostrar ejemplos de cómo el ámbito de las variables afecta el
acceso a las variables dentro de una función y fuera de ella.
Introducir el concepto de variables globales y cómo declararlas
y utilizarlas.
• Funciones recursivas:
Introducir el concepto de funciones recursivas como funciones
que se llaman a sí mismas.
Explicar la importancia de las condiciones de base para evitar
la recursión infinita.
Mostrar ejemplos de cómo utilizar funciones recursivas para
resolver problemas de manera eficiente.
• Documentación de funciones:
Presentar la importancia de documentar las funciones para
mejorar la legibilidad y el mantenimiento del código.
Enseñar a utilizar cadenas de documentación (docstrings) para
explicar la funcionalidad de una función, sus parámetros,
valores de retorno y ejemplos de uso.
Mostrar herramientas y convenciones para documentar
funciones de manera efectiva.
• Funciones lambda
MÓDULOS Y PAQUETES
• Creación de entornos virtuales:
Instalación y creación de un entorno virtual
• Importación y uso de módulos:
Explicar el concepto de módulos como archivos Python que
contienen código reutilizable.
Enseñar a importar módulos utilizando la instrucción import y
diferentes métodos de importación.
Mostrar cómo acceder a funciones, variables y clases desde
un módulo importado.
Utilizando módulos de Fecha, matemáticos, estadísticos,
aleatorios, del sistema.
Trabajar con archivos CSV, TXT, lectura y escritura.
• Instalación de paquetes de terceros:
Instalando paquetes con el comando PIP
• Creación de módulos y paquetes reutilizables:
Guiar a los estudiantes en la creación de sus propios módulos
para organizar su código y hacerlo reutilizable.
Enseñar a estructurar un módulo de manera efectiva,
incluyendo funciones, variables y constantes.
Introducir el concepto de paquetes como conjuntos de
módulos relacionados y cómo crear una estructura de
paquetes.
• Empaquetado e instalación de módulos:
Explicar cómo empaquetar un módulo o paquete para
distribuirlo y compartirlo con otros.
Mostrar herramientas y convenciones para empaquetar código
Python de manera efectiva.
Introducir el concepto de repositorios de código como GitHub
para compartir y alojar módulos y paquetes.
M Ó DULO 3:
PROG RAM AC IÓ N O R IE NTADA A OB JETOS ( P OO )
EN PYTHO N

CONCEPTOS BÁSICOS DE POO

• Introducción a la POO:
Explicar la importancia de la POO en el desarrollo de software
y sus ventajas sobre la programación procedimental.
Presentar los pilares fundamentales de la POO: clases,
objetos, encapsulamiento, herencia y polimorfismo.
Mostrar ejemplos concretos de cómo la POO se utiliza en la
industria y en proyectos de software de diferentes tamaños.
• Clases y objetos:
Definir el concepto de clase como un modelo o plantilla para
crear objetos.
Explicar cómo crear clases en Python utilizando la palabra
clave class y la estructura de la clase.
Introducir el concepto de objeto como una instancia individual
de una clase.
Mostrar cómo crear objetos a partir de una clase utilizando el
operador new.

CLASES EN PYTHON
• Definición y estructura de clases:
Profundizar en la definición de clases en Python, incluyendo
atributos, métodos y el constructor.
Explicar el concepto de atributos como características o
propiedades de una clase.
Enseñar a definir y acceder a atributos de clase y objeto
utilizando el operador de punto (.).
Introducir el concepto de métodos como funciones asociadas a
una clase.
Mostrar cómo definir y llamar a métodos de clase y objeto
utilizando la notación de punto (.).
• Constructor y método destructor:
Explicar el constructor especial init() que se ejecuta al crear un
objeto.
Mostrar cómo utilizar el constructor para inicializar los atributos
de un objeto.
Introducir el método destructor especial del() que se ejecuta al
eliminar un objeto.
Explicar la utilidad del método destructor para liberar recursos
utilizados por un objeto.
HERENCIA
• Clases base y clases derivadas:
Definir el concepto de herencia como la capacidad de una
clase para heredar atributos y métodos de otra clase.
Explicar cómo crear clases derivadas utilizando la palabra
clave class y la herencia (extends).
Mostrar ejemplos de cómo acceder a atributos y métodos
heredados desde una clase base.
• Métodos heredados y sobreescritos:
Explicar cómo las clases derivadas pueden heredar y utilizar
métodos de la clase base.
Introducir el concepto de métodos sobreescritos para modificar
la implementación de un método heredado.
Mostrar ejemplos de cómo sobreescribir métodos heredados
para personalizar el comportamiento de una clase derivada.
• Múltiple herencia:
Explicar el concepto de múltiple herencia como la capacidad
de una clase para heredar de múltiples clases base.
Mostrar cómo crear clases con múltiple herencia utilizando la
palabra clave class y múltiples herencias (extends).
Resolver la ambigüedad de métodos en caso de herencia
múltiple utilizando el orden de las clases base o la técnica
MRO (Method Resolution Order).

POLIMORFISMO
• Sustitución de métodos:
Definir el concepto de polimorfismo como la capacidad de que
diferentes objetos respondan al mismo mensaje de manera
diferente.
Explicar cómo el polimorfismo se implementa en Python
utilizando la sustitución de métodos.
Mostrar ejemplos de cómo utilizar el polimorfismo para crear
código flexible y adaptable.
• Abstracción y métodos abstractos:
Introducir el concepto de abstracción como la representación
de las características esenciales de un objeto sin revelar su
implementación.
Explicar cómo crear clases abstractas utilizando la palabra
clave abstract y métodos abstractos.
Mostrar ejemplos de cómo utilizar clases abstractas para
definir interfaces y forzar la implementación de métodos en
clases derivadas.
MÓDULO 4 :
EXCEPC ION ES Y MA NE J O D E ER R OR ES

INTRODUCCIÓN A LAS EXCEPCIONES

• Concepto y tipos de excepciones:
Definir el concepto de excepciones como eventos inesperados
que ocurren durante la ejecución de un programa.
Explicar los diferentes tipos de excepciones que se pueden
encontrar en Python, como ValueError, IndexError, TypeError,
entre otras.
Mostrar ejemplos de cómo se generan excepciones en
diferentes situaciones.
• Bloques try-except:
Introducir el bloque try-except como la estructura principal para
manejar excepciones en Python.
Explicar la sintaxis del bloque try-except y cómo se utiliza para
capturar excepciones.
Mostrar cómo definir bloques except específicos para diferentes
tipos de excepciones.
Introducir la cláusula else para ejecutar código cuando no se
producen excepciones.
• Instrucciones raise y assert:
Explicar la instrucción raise para generar una excepción de
manera explícita.
Mostrar cómo utilizar la instrucción raise para propagar
excepciones a niveles superiores del código.
Introducir la instrucción assert para verificar condiciones y
generar una excepción si la condición no se cumple.
Mostrar ejemplos de cómo utilizar la instrucción assert para
validar datos y garantizar la integridad del programa.
MANEJO DE ERRORES ROBUSTO
• Propagación de excepciones:
Definir el concepto de propagación de excepciones como la
transferencia de una excepción a un nivel superior del código.
Explicar cómo las excepciones no capturadas se propagarán
automáticamente a la llamada de función anterior.
Mostrar cómo utilizar la instrucción raise para propagar
excepciones de manera controlada.
• Excepciones personalizadas:
Introducir el concepto de excepciones personalizadas como
excepciones definidas por el usuario para manejar situaciones
específicas de error.
Explicar cómo crear excepciones personalizadas utilizando la
palabra clave class y la herencia.
Mostrar ejemplos de cómo definir y utilizar excepciones
personalizadas para mejorar la legibilidad y el manejo de
errores.
• Depuración de errores:
Definir el concepto de depuración como el proceso de
identificar y corregir errores en el código.
Introducir herramientas de depuración integradas en Python
como el depurador (pdb) y la instrucción print().
Mostrar cómo utilizar el depurador para ejecutar el código paso
a paso, establecer puntos de interrupción y examinar variables.
Explicar cómo utilizar la instrucción print() para insertar
mensajes de depuración en el código.
MALLA CURRICULAR
N IVEL AVAN Z A D O

M Ó DULO 5 :
ANÁL ISIS DE DATOS CON PAN DA S

INTRODUCCIÓN A PANDAS
• Instalación y configuración de Pandas:
Guiar a los estudiantes en la instalación de Pandas utilizando
diferentes métodos (pip, Anaconda, etc.).
Explicar las dependencias necesarias para ejecutar Pandas
correctamente.
Mostrar cómo importar la biblioteca Pandas en un script de
Python.
• Series y DataFrames: creación y estructura:
Introducir el concepto de Series como estructuras
unidimensionales para almacenar datos de un solo tipo.
Mostrar cómo crear Series utilizando diferentes métodos
(listas, diccionarios, funciones, etc.).
Explicar el concepto de DataFrames como estructuras
bidimensionales para almacenar datos tabulares.
Mostrar cómo crear DataFrames a partir de listas, diccionarios,
Series y archivos CSV.
Describir los componentes de un DataFrame: índices,
columnas y valores.
MANIPULACIÓN DE DATOS CON PANDAS
• Selección y filtrado de datos:
Enseñar a los estudiantes a seleccionar subconjuntos de datos
utilizando índices, etiquetas y condiciones lógicas.
Mostrar cómo utilizar la indexación con loc e iloc para acceder
a datos específicos de un DataFrame.
Explicar el uso de la instrucción query() para filtrar datos
mediante expresiones booleanas.
Demostrar cómo combinar técnicas de selección y filtrado para
obtener conjuntos de datos específicos.
• Operaciones aritméticas y estadísticas:
Introducir operaciones aritméticas básicas sobre Series y
DataFrames (suma, resta, multiplicación, etc.).
Mostrar cómo utilizar funciones estadísticas integradas en
Pandas (media, mediana, desviación estándar, etc.).
Explicar la aplicación de operaciones aritméticas y estadísticas
para analizar y resumir datos.
Demostrar cómo crear nuevas columnas a partir de
operaciones sobre otras columnas.
• Agrupamiento y agregación de datos:
Enseñar a los estudiantes a agrupar datos por una o más
columnas utilizando la función groupby().
Mostrar cómo aplicar funciones de agregación (suma, media,
recuento, etc.) a grupos de datos.
Explicar la creación de resúmenes de datos a partir de
agrupamientos y agregaciones.
Demostrar cómo utilizar técnicas de agrupamiento para
analizar patrones y tendencias en conjuntos de datos.
IMPORTACIÓN Y EXPORTACIÓN DE DATOS
• Lectura y escritura de archivos CSV, Excel y otros formatos:
Mostrar cómo leer archivos CSV utilizando la función
read_csv() de Pandas.
Explicar las opciones de configuración para la lectura de
archivos CSV (codificación, delimitadores, etc.).
Demostrar cómo escribir DataFrames en archivos CSV
utilizando la función to_csv().
Introducir la lectura y escritura de archivos Excel con Pandas
(librería openpyxl).
Mencionar otros formatos de archivo compatibles con Pandas
(JSON, HDF5, etc.).
• Manejo de bases de datos relacionales:
Explicar la conexión a bases de datos relacionales utilizando la
biblioteca SQLAlchemy.
Mostrar cómo leer y escribir datos desde y hacia bases de
datos SQL.
Demostrar la integración de Pandas con bases de datos para
análisis y procesamiento de datos.

VISUALIZACIÓN BÁSICA DE DATOS CON PANDAS

• Creación de gráficos de barras, líneas y histogramas:
Enseñar a los estudiantes a crear gráficos de barras utilizando
la función plot() de Pandas.
Mostrar cómo personalizar gráficos de barras con colores,
etiquetas y títulos.
Explicar la creación de gráficos de líneas utilizando la función
plot() y el estilo line.
Demostrar la creación de histogramas utilizando la función
hist().
• Personalización de gráficos:
Introducir la biblioteca Matplotlib para la creación de gráficos
más avanzados.
Mostrar cómo configurar elementos del gráfico como ejes,
leyendas, títulos, etc.
Explicar la aplicación de estilos de Matplotlib para personalizar
la apariencia de los gráficos.
Demostrar la creación de gráficos combinados (barras-líneas).
MÓ DULO 6 :
ANÁL ISIS Y VISUA LIZ AC I ÓN D E DATO S CO N
MATPLOTLIB Y S EA BORN

INTRODUCCIÓN A MATPLOTLIB Y SEABORN

• Instalación y configuración de Matplotlib y Seaborn:
Guiar a los estudiantes en la instalación de Matplotlib y
Seaborn utilizando diferentes métodos (pip, Anaconda, etc.).
Explicar las dependencias necesarias para ejecutar ambas
bibliotecas correctamente.
Mostrar cómo importar las bibliotecas Matplotlib y Seaborn en
un script de Python.
• Diferencias entre Matplotlib y Seaborn:
Presentar una comparación detallada de las características y
funcionalidades de Matplotlib y Seaborn.
Enfatizar las ventajas y desventajas de cada biblioteca para
diferentes tipos de visualizaciones.
Guiar a los estudiantes en la elección de la biblioteca
adecuada según el caso de uso.
• Estructura básica de un gráfico en Matplotlib:
Introducir los elementos esenciales de un gráfico en Matplotlib:
figura, ejes, líneas, etiquetas, etc.
Explicar el proceso de creación de un gráfico paso a paso
utilizando la API de Matplotlib.
Mostrar ejemplos de gráficos simples como líneas, barras y
dispersión.
CREACIÓN DE DIFERENTES TIPOS DE GRÁFICOS
• Gráficos de líneas:
Enseñar a los estudiantes a crear gráficos de líneas utilizando
la función plot() de Matplotlib.
Mostrar cómo personalizar gráficos de líneas con diferentes
estilos de línea, marcadores y colores.
Explicar la creación de gráficos de líneas múltiples en el mismo
eje.
Demostrar la representación de datos categóricos con gráficos
de líneas.
• Personalización de gráficos:
Profundizar en la personalización de gráficos en Matplotlib.
Mostrar cómo configurar títulos, etiquetas, leyendas, colores,
estilos de línea, grosor de línea, etc.
Explicar la utilización de la API de estilo de Matplotlib para
personalizar la apariencia de los gráficos.
Demostrar la creación de gráficos con diferentes temas y
estilos predefinidos.
• Subplots y cuadrículas de gráficos:
Enseñar a los estudiantes a crear subplots y cuadrículas de
gráficos en Matplotlib.
Mostrar cómo organizar múltiples gráficos en una sola figura.
Explicar la creación de cuadrículas de gráficos para comparar
diferentes conjuntos de datos.
Demostrar la personalización de subplots y cuadrículas con
títulos, etiquetas y ajustes de espacio.
GRÁFICOS AVANZADOS CON MATPLOTLIB
• Gráficos de dispersión con colores personalizados:
Enseñar a los estudiantes a crear gráficos de dispersión con
colores personalizados en Matplotlib.
Mostrar cómo asignar colores a puntos de datos en función de
una variable categórica o numérica.
Explicar la creación de leyendas de color para interpretar la
asignación de colores.
Demostrar la representación de datos multidimensionales con
gráficos de dispersión.
• Gráficos de densidad de probabilidad (KDE):
Introducir el concepto de gráficos de densidad de probabilidad
(KDE) para visualizar distribuciones de datos.
Mostrar cómo crear gráficos KDE utilizando la función kdeplot()
de Matplotlib.
Explicar la interpretación de los gráficos KDE para comprender
la forma de las distribuciones de datos.
Demostrar la comparación de distribuciones de datos con
múltiples gráficos KDE.
• Gráficos de contorno:
Enseñar a los estudiantes a crear gráficos de contorno para
visualizar datos bidimensionales.
Mostrar cómo generar gráficos de contorno utilizando la
función contour() de Matplotlib.
Explicar la interpretación de los niveles de contorno y la
identificación de patrones en los datos.
Demostrar la creación de gráficos de contorno personalizados
con colores y estilos específicos.
• Gráficos de pastel y de sectores:
Introducir los gráficos de pastel y de sectores para representar
datos categóricos.
Mostrar cómo crear gráficos de pastel y de sectores utilizando
la función pie() de Matplotlib.
Explicar la personalización de los gráficos con etiquetas,
colores y estilos de porción.
Demostrar la comparación de datos categóricos con múltiples
gráficos.
INTELIGENCIA ARTIFICIAL
Apl ica da a P T Y H O N

M Ó DULO 1 :
Introducción: Qué es la IA aplicada a Python

Uso de IA en programación: qué cambia, qué mejora y qué no reemplaza.

Herramientas principales: ChatGPT (generación y explicación de código),
GitHub Copilot (asistente en tiempo real) y Google Colab (entorno de ejecución
en la nube).
Casos de uso reales: autocompletar código, depurar errores, generar funciones
y explicar código [Link] Copilot (asistente en tiempo real) y Google
Colab (entorno de ejecución en la nube).

M Ó DULO 2 :
Cómo pedir código a la IA: Prompt Engineering

Estructura de un prompt efectivo para programación: contexto + tarea +

formato + restricciones.
Ejemplos prácticos: prompt para crear una función, leer un CSV, manejar
excepciones y documentar código.
Errores comunes al pedir código a la IA y cómo corregirlos con prompts de
seguimiento.

M Ó DULO 3:
Análisis de datos con IA en Python

Carga de archivos CSV con pandas asistida por IA.

Limpieza de datos: tratamiento de valores nulos, eliminación de duplicados,
corrección de tipos.
Agrupación y resumen de datos: groupby, agg y cálculos estadísticos básicos
con código generado por IA.

M Ó DULO 4 :
Visualización de datos

Generación de gráficos de barras, líneas y pastel con matplotlib usando

prompts a la IA.
Personalización de gráficos: títulos, etiquetas, colores y tamaños con ayuda
de la IA.
Revisión y ajuste del código de visualización generado: como iterar con la IA
para refinar el resultado.
MÓ DULO 5:
Análisis de sentimientos con NLP

Introducción al Procesamiento de Lenguaje Natural (NLP) y sus aplicaciones

prácticas.
Instalación y uso básico de TextBlob con código generado por IA.
Clasificación de textos: polaridad (positivo/negativo/neutral) y subjetividad
aplicada a comentarios reales.

MÓ DULO 6 :
Automatización con IA: Scripts para reportes

Diseño de un flujo de automatización: lectura de datos, procesamiento y

exportación de resultados.
Scripts automáticos para generación de reportes en CSV o PDF con apoyo
de la IA.
Buenas prácticas: modularidad, manejo de errores y comentarios en código
automatizado.

MÓ DULO 7:
Cierre y mejores prácticas

Validación del código generado por IA: como revisar, probar y depurar con
criterio propio.
La IA como copiloto: complementar, no reemplazar el pensamiento analítico
del programador.
Resumen de mejores prácticas: prompts efectivos, validación continua,
documentación y aprendizaje iterativo.
CERTIFICADO CON VALIDACIÓN
INTERNACIONAL DE LA CÁMARA
DE COMERCIO EXTERIOR

Este certificado valida tus conocimientos y

habilidades en el programa.

Incluye un código QR con el cuál podrás validar

la autenticidad de tu certificado desde cualquier
parte del mundo.

El éxito lo logramos juntos