Introducción a Python para las Ciencias Sociales (1ª Edición)

El lenguaje de programación Python es muy demandado en la actualidad por ser sencillo potente, versátil y gratuito. Este curso pretende ser una introducción a este lenguaje de programación para poder ser aplicado a las Ciencias Sociales.

**No podrán realizar este curso los estudiantes del grado en Bussines Analitycs ni tampoco estudiantes de la EPS de la UAM**

Programa
  • Conceptos básicos. Se aborda la distinción entre lenguajes compilados e interpretados.
  • Tipos de datos, variables y operadores. Se proporciona una introducción a los conceptos de variable, tipos básicos de variables no estructurados y operadores asociados.
  • Condicionales. Se explica la sentencia condicional.
  • Listas, tuplas, diccionarios y conjuntos. Se detallan los tipos principales de datos estructurados, incluyendo listas, tuplas, diccionarios y conjuntos.
  • Bucles for y while. Se presenta el concepto de bucles, junto con los tipos de bucles disponibles.
  • Numpy. Se introduce la librería numpy para el cálculo numérico con Python.
  • Matplotlib. Se presenta la biblioteca Matplotlib para la visualización de datos.
  • Pandas. Se introduce la librería pandas para el análisis de datos.
  • Funciones. Se abordan las funciones como herramientas para la automatización de tareas.
Días, horario y lugar de celebración
  • Días: Del 29 de enero al 17 de marzo de 2024.
  • Horario: Sin horarios (online)
  • Lugar de celebración: Moodle de Formación Continua
Equipo docente
  • Marta Llorente Comí (Económicas/Econ. Cuant. UAM)
  • Sara Cuenda Cuenda (Económicas/Econ. Cuant.UAM)
  • Susana López González (Económicas/Econ. Cuant. UAM)
Requisitos previos de acceso

No hay requisitos previos.

**No podrán realizar este curso los estudiantes del grado en Bussines Analitycs ni tampoco estudiantes de la EPS de la UAM**

Criterios de evalución

Ejercicios en Moodle (100%).

Matriculación y reconocimiento de ECTs

MATRICULACIÓN:

Introducción a Python para las Ciencias Sociales (1ª Edición)

  •  Matrícula Ordinaria –> 77,80
  •  Matrícula Alumnos UAM con matrícula en vigor, AlumniUAM+, AlumniUAM+Plus y Amigos de la UAM –> 70€

*Para beneficiarse de la matrícula reducida, los estudiantes  deben inscribirse con su correo institucional  @estudiante.uam.es*

PLAZAS OFERTADAS:

Máximo 40 plazas

**El curso se impartirá si alcanzará el número mínimo de 10 plazas**

RECONOCIMIENTO DE ECTS:

Accede aquí para consultar los cursos con reconocimiento de créditos

Becas y criterios de concesión
  • Número de becas: 10%
  • Criterios de concesión:
    •  70% situación socio-económica
    • 30% el expediente académico

**Para solicitar una beca debe ponerse en contacto con: susana.lopez@uam.es / m.llorente@uam.es

Departamento
Análisis Económico: Economía Cuantitativa
Centro
Facultad de Ciencias Económicas y Empresariales
IP/Director
Marta Llorente Comi
Susana Lopez Gonzalez
Modalidad
Online
Fecha inicio
29/01/2024
Fecha fin
17/03/2024
Precio
Matricula General --> 77,80€; Matricula alumnos UAM, alumniUAM+, alumniUAM+Plus y amigos de la UAM --> 70€
aaa1706572799
Programa
Días, horario y lugar de celebración
Equipo docente
Requisitos previos de acceso
Criterios de evalución
Matriculación y reconocimiento de ECTs
Becas y criterios de concesión
Programa
  • Conceptos básicos. Se aborda la distinción entre lenguajes compilados e interpretados.
  • Tipos de datos, variables y operadores. Se proporciona una introducción a los conceptos de variable, tipos básicos de variables no estructurados y operadores asociados.
  • Condicionales. Se explica la sentencia condicional.
  • Listas, tuplas, diccionarios y conjuntos. Se detallan los tipos principales de datos estructurados, incluyendo listas, tuplas, diccionarios y conjuntos.
  • Bucles for y while. Se presenta el concepto de bucles, junto con los tipos de bucles disponibles.
  • Numpy. Se introduce la librería numpy para el cálculo numérico con Python.
  • Matplotlib. Se presenta la biblioteca Matplotlib para la visualización de datos.
  • Pandas. Se introduce la librería pandas para el análisis de datos.
  • Funciones. Se abordan las funciones como herramientas para la automatización de tareas.

© Fundación de la Universidad Autónoma de Madrid