Curso aplicado · Python + datos

Un notebook propio, con datos reales y revisión docente

Ocho semanas de Python, análisis, visualización y machine learning introductorio. El entregable no es un certificado: es un análisis que podés volver a correr y defender.

reto_01.pyruntime 0,4 s
  1. import pandas as pd
  2. df = pd.read_csv("ventas_caba.csv")
  3. df["ticket"].describe()

Salida

mean18.420
std7.115
count1.204

Reto aplicado

Tres pasos, un dataset propio y un resultado que se puede abrir

El entregable no es un examen. Es un notebook que otra persona puede ejecutar de principio a fin sobre datos reales y locales.

  1. Elegis el dataset local

    Partis de un CSV propio: ventas de un comercio del barrio, turnos de un consultorio o registros de una cooperativa. Antes de escribir codigo definis la pregunta y documentas cada columna.

    Salida esperada dataset.csv · 1 pregunta · 8 a 15 columnas

  2. Limpias y analizas

    Con pandas resolves tipos, nulos y duplicados, y calculas dos o tres metricas que respondan esa pregunta. Nada de columnas decorativas.

    Salida esperada df.shape (1240, 11) · sin nulos en fecha y monto

  3. Visualizas y comunicas

    Un grafico con etiquetas directas y tres conclusiones escritas en el notebook. Se entrega reproducible, de la primera celda a la ultima.

    Salida esperada 1 figura · 3 conclusiones · runtime < 20 s

Módulo · Sílabo

Cinco módulos, un notebook propio como entregable central

Cada módulo declara sus horas, su entregable y las herramientas con las que se trabaja. El cierre es un notebook reproducible sobre un dataset propio, revisado por un docente.


Módulos, horas, entregables y herramientas
Módulo Horas Entregable Herramientas
1. Entorno reproducible y fundamentos de Python 12 h Notebook inicial con carga del dataset y registro de decisiones Python 3.12, Jupyter, Git
2. Análisis de datos con pandas 16 h Tabla de indicadores construida sobre el dataset propio pandas, NumPy
3. Visualización y comunicación de resultados 12 h Panel de gráficos con etiquetas directas y notas de lectura Matplotlib, Seaborn
4. Machine learning introductorio 16 h Regresión o clasificación simple con métricas y nota de sobreajuste scikit-learn
5. Proyecto aplicado y documentación 14 h Notebook final reproducible más presentación breve del hallazgo Jupyter, Git
Total del programa 70 h Notebook propio revisado por un docente Entorno local o en la nube

La rúbrica con pesos (limpieza 25%, análisis 30%, visualización 20%, comunicación 15%, reproducibilidad 10%) se publica completa en el sílabo completo de la página Programa.

Evidencia · cuaderno 04


Antes y después de un mismo análisis

Dataset de viajes urbanos, 18.402 filas y las mismas tres preguntas. A la izquierda, la celda tal como llega un alumno en la semana 2. A la derecha, la versión que el docente devuelve con comentarios y salida reproducible.

Celda 04 · antes12,4 s
df = pd.read_csv("viajes.csv")
df["tarifa"].mean()
# 1.284 nulos sin tratar
salida: nan
Celda 04 · después0,8 s
df = df.dropna(subset=["tarifa"])
df["tarifa"].mean().round(2)
# 17.118 filas válidas
MétricaValor
Filas usadas17.118
Tarifa media$ 4.812,40
Desvío$ 1.204,15

Egreso · evidencia

Perfil de egreso: notebooks propios que se pueden abrir y discutir

Cada persona termina con un notebook propio sobre un dataset propio, revisado por un docente. Tres entregas de cohortes anteriores, con repositorio y devolución escrita.

  1. Demanda horaria de bicicletas en CABA

    Análisis · visualización

    Limpieza de 240 mil registros y un gráfico de estacionalidad por comuna. Devolución docente: recortar el eje temporal y explicar los días sin datos.

    Ver código y repositorio
  2. Precios de alquiler en Rosario

    Limpieza · regresión

    Avisos relevados a mano y una regresión simple para estimar el canon mensual. Devolución docente: documentar qué variables quedaron afuera y por qué.

    Ver código y repositorio
  3. Reclamos del 147 en Mendoza

    Clasificación · métricas

    Clasificación de texto en cuatro categorías con matriz de confusión y una nota sobre sobreajuste. Devolución docente: subir el recall de la clase minoritaria.

    Abrir el notebook de referencia

Costo


Precio, cohorte y condiciones de inscripción

El precio se publica en pesos argentinos, con impuestos incluidos, y no se suma inscripción ni matrícula. La cohorte abre con fecha fija y 30 lugares porque cada notebook se corrige con rúbrica.

Precio del programa

ARS 420.000

Total final, impuestos incluidos. Sin cargos de inscripción.

  • Tarjeta de crédito en 3 cuotas sin interés.
  • Transferencia bancaria en un pago.
  • Mercado Pago con el mismo precio publicado.

Reembolso en tres tramos

  1. Hasta 10 días antes del inicio: devolución del 100% del importe pagado.
  2. Entre 9 y 2 días antes del inicio: devolución del 60%.
  3. Desde 48 horas antes del inicio: no hay devolución, pero podés transferir el lugar una vez.

Leer la política de reembolso completa o consultar la tabla de precios y reembolsos.

Preguntas de inscripción

No. El precio publicado es el total del programa y no se agrega ningún cargo de apertura ni de materiales.

Contacto

Consultas sobre la cohorte, el programa o el proyecto aplicado

Respondemos por correo o WhatsApp en horario de oficina. Si tu consulta es sobre vacantes, fechas de inicio o medios de pago, escribinos con el asunto "Cohorte" y te enviamos el detalle completo.

Correo
contacto@cutemanga.com
Teléfono
+54 771 476 8223
Oficina
Av. Córdoba 1473, Piso 5, Oficina 12, C1055AAB, Ciudad Autónoma de Buenos Aires, Argentina
Responsable
Michael Meyer, Managing Director