Curso curriculum

    1. Google Meet

    2. Objetivo del Curso

    1. Objetivo

    2. Módulo 1 - Introducción a la limpieza de datos

    3. Contenido Adaptado_Módulo 1 - Introducción a la limpieza de datos

    4. Ejemplo

    5. Módulo 1 - Introducción a la limpieza de datos 2

    6. Contenido Adaptado_Módulo 1 - Introducción a la limpieza de datos 2

    7. Módulo 1 - Introducción a la limpieza de datos 3

    8. Contenido Adaptado_Módulo 1 - Introducción a la limpieza de datos 3

    9. Módulo 1 - Introducción a la limpieza de datos 4

    10. Contenido Adaptado_Módulo 1 - Introducción a la limpieza de datos 4

    1. Objetivo

    2. Módulo 2 - Identificación de problemas de datos (2.1. Identificación de datos incorrectos)

    3. Contenido Adaptado_Módulo 2 - Identificación de problemas de datos (2.1. Identificación de datos incorrectos)

    4. Módulo 2 - Identificación de problemas de datos (2.2. Manejo de datos faltantes)

    5. Contenido Adaptado_Módulo 2 - Identificación de problemas de datos (2.2. Manejo de datos faltantes)

    6. Módulo 2 - Identificación de problemas de datos (2.2. Manejo de datos faltantes)_EXTRA

    7. Contenido Adaptado_Módulo 2 - Identificación de problemas de datos (2.2. Manejo de datos faltantes)_EXTRA

    8. Módulo 2 - Identificación de problemas de datos (2.3. Identificación de inconsistencias y 2.4. Auditoría de datos)

    9. Contenido Adaptado_Módulo 2 - Identificación de problemas de datos (2.3. Identificación de inconsistencias y 2.4. Auditoría de datos)

    1. Objetivo

    2. Módulo 3. Limpieza de datos. (3.1. Corrección de datos incorrectos)

    3. Contenido Adaptado_Módulo 3. Limpieza de datos. (3.1. Corrección de datos incorrectos)

    4. Módulo 3. Limpieza de datos. (3.2. Manejo de datos faltantes)

    5. Contenido Adaptado_Módulo 3. Limpieza de datos. (3.2. Manejo de datos faltantes)

    6. Módulo 3. Limpieza de datos. Clase Teórico-práctica con el Ejemplo del dataset del Titanic

    7. Contenido Adaptado_Módulo 3. Limpieza de datos. Clase Teórico-práctica con el Ejemplo del dataset del Titanic

    8. Módulo 3. Limpieza de datos. (3.3. Resolución de Inconsistencias de Datos)_Parte1

    9. Contenido Adaptado_Módulo 3. Limpieza de datos. (3.3. Resolución de Inconsistencias de Datos)_Parte 1

    10. Módulo 3. Limpieza de datos. (3.3. Resolución de Inconsistencias de Datos)_Parte2

    11. Contenido Adaptado_Módulo 3. Limpieza de datos. (3.3. Resolución de Inconsistencias de Datos)_Parte2

    12. Módulo 3. Limpieza de datos. (3.4. Técnicas de limpieza de datos automatizadas)

    13. Contenido Adaptado_Módulo 3. Limpieza de datos. (3.4. Técnicas de limpieza de datos automatizadas)

    1. Objetivo

    2. Contenido Adaptado_Módulo 4. Proceso general de limpieza de datos. (4.1. Mejores prácticas para el mantenimiento de la calidad de los datos)

    3. Módulo 4. Proceso general de limpieza de datos. (4.1. Mejores prácticas para el mantenimiento de la calidad de los datos)

    4. Módulo 4. Proceso general de limpieza de datos. (4.2. Desarrollo de un plan de limpieza de datos)

    5. Contenido Adaptado_Módulo 4. Proceso general de limpieza de datos. (4.2. Desarrollo de un plan de limpieza de datos)

    6. Módulo 4. Proceso general de limpieza de datos. (4.3. Utilización de la limpieza de datos para la toma de decisiones)

    7. Contenido Adaptado_Módulo 4. Proceso general de limpieza de datos. (4.3. Utilización de la limpieza de datos para la toma de decisiones)

    8. Módulo 4. Contenido extra - resumen proceso general de limpieza de datos simplificado

    9. Contenido Adaptado_Módulo 4. Contenido extra - resumen proceso general de limpieza de datos simplificado

    10. Módulo 4. Proceso general de limpieza de datos. (4.4. Casos de estudio: limpieza de datos en la práctica)

    11. Contenido Adaptado_Módulo 4. Proceso general de limpieza de datos. (4.4. Casos de estudio: limpieza de datos en la práctica)

    1. Cuestionario OPTIMIZACIÓN DE INFORMACIÓN: TÉCNICAS EFICIENTES DE “DATA CLEANING”

Acerca de este curso

  • 63 Sesiones
  • Inicio: 18/06/24
  • Fin: 15/10/204

Formadora

Lorena Lago

Lorena Lago es una técnica en Ciencia de Datos con una amplia experiencia en docencia y apoyo a la investigación. Posee un doctorado en Biología por la Universidad de Santiago de Compostela (USC) y un máster en Medioambiente y Recursos Naturales. Ha trabajado como investigadora asociada y técnico superior de apoyo a la investigación en la USC, donde participó en diversos contratos I+D y publicó múltiples artículos científicos. Además, cuenta con experiencia en la elaboración de informes científico-técnicos y la evaluación de planes hidrológicos. Lorena ha sido docente de formación profesional para el empleo, impartiendo cursos de introducción a herramientas como Microsoft Word y Excel, y ha colaborado en la organización de jornadas y congresos. Está certificada como técnico en Ciencia de Datos y posee habilidades avanzadas en Python, SQL, R, y diversas herramientas de análisis y visualización de datos. Habla español, gallego e inglés, y ha realizado estancias de investigación postdoctoral en la Université Blaise Pascal en Francia. Su perfil se destaca por la combinación de habilidades técnicas y su capacidad para la enseñanza y la gestión de proyectos.Técnico en Ciencia de Datos y Docente de Formación Profesional. Cuenta además con experiencia con alumnos con discapacidad.