Curso de visualización de datos con Seaborn

Este curso de visualización de datos con Seaborn va dirigido a las personas que quieran iniciar sus conocimientos en el campo de Data Science y el análisis de datos, en este caso utilizando Python como lenguaje de programación para ello.

Para poder realizar este curso de una forma adecuada, comprendiendo y aprendiendo todo lo que se explica en el mismo, es necesario tener conocimientos previos en Python, por lo que, si no es tu caso, te recomendamos realizar antes el curso de Python 3 desde cero, que encontrarás dentro de nuestra plataforma.

Al ser un curso básicamente práctico, es decir, enfocado en que puedas aprender los conceptos que se van a presentar de forma rápida y clara, se va a desarrollar de una forma aplicada, para que la parte teórica quede bien asentada tras ver la misma en modo práctico.

Comenzaremos por una introducción en la que conocerás un poco en qué va a consistir el temario y a la profesora que lo impartirá, haciendo hincapié en una completa introducción a Seaborn, para explicar qué es y sus características principales, además de instalarlo para comenzar a utilizarlo en el resto de la formación online.

Después de este primer vistazo a la librería, entraremos ya en la parte más importante del curso de Seaborn, en la que se explicarán los diferentes tipos de gráficos que se pueden obtener con la misma, cada uno de ellos explicado en su correspondiente lección. Cada tipo se explicará primero de forma teórica y después se verá directamente aplicando prácticamente esa teoría.

Estas lecciones comienzan con la dedicada a exponer lo relacionado con los gráficos con variables categóricas, como son los gráficos de barras (barplot, countplot), de cajas y bigotes (boxplot), de violín (violinplot) y de dispersión (stripplot, swarmplot, factorplot).

Continuarás aprendiendo a utilizar los gráficos de tipo matrix plot, que son gráficos que nos ofrecen información acerca de la relación que existe entre las variables, transformando los datos en colores (heatmap) y agrupando los valores en función de una variable categórica (clustermap), para trabajar con ellos de una forma más visual.

Seguiremos con los gráficos de cuadrículas o grids, con los que trabajaremos los conjuntos de gráficos que tienen que ver con las variables numéricas (pairplot), personalizando esas cuadrículas lo máximo posible con diferentes tipos de gráficos, también introduciendo una variable categórica. En este apartado trabajamos utilizando, además de Seaborn, Matplotlib, otra librería de Python muy utilizada.

La siguiente lección trata sobre los gráficos para regresión (lmplot), gráficos utilizados para las regresiones lineales, que son líneas que se ajustan a los datos y tienen una capacidad predictiva. Estos gráficos ofrecen conclusiones más elaboradas y muestran la tendencia de los datos.

En el siguiente apartado te mostraremos cómo personalizar un poco más nuestros gráficos, modificando parámetros como el estilo, tamaños, colores y paletas. Y para concluir el curso, la profesora propondrá una serie de ejercicios prácticos con los que poder aplicar todos los conocimientos adquiridos durante esta formación sobre Seaborn, además de incluir la resolución de los mismos para que puedas verificar que los has resuelto correctamente.