Curso de Introducción a Python: Del Seudocódigo al Código Real
Desarrollo lógico y traducción efectiva en programación Python básica.
Aprende a analizar enunciados y transformarlos desde el seudocódigo a un código Python, orientado a objetos o no según tus necesidades.
-
Cursos Online
-
Profesores en vivo
-
100% Práctico
-
Turno mañana o tarde
-
Horario Personalizado
-
Certificado de Asistencia
Lo que aprenderás
- Ejercitar la lógica de programación.
- Aprender programación desde cero.
- Usar Visual Studio Code como Editor de Código.
- Conocer y aprender el lenguaje de programación Python.
- Ser un programador desde cero, sin conocimiento en otro lenguaje o con algo previo, pero es recomendable.
- Mejorar las habilidades de programación, mejorar procesos y facilitar la comprensión de código.
- Preparar un entorno dónde programar en Python.
- Operaciones aritméticas y jerarquía de Python.
- Manejo de cadenas en Python.
- Insertar datos por teclado con Python.
- Mostrar Datos por Pantalla al usuario en Python.
- Operadores Relacionales de Python.
- Operadores Lógicos de Python.
- Condicionales en Python.
- Estructuras de Datos: Listas, Tuplas y Diccionarios.
- Iteraciones y bucles repetitivos de Python.
- Segmentar Código y hacerlo más eficaz con las Funciones en Python.
- Solucionar posibles errores que puedan dar tus programas.
- Programación Orientada a Objetos.
Temario
1. Conceptos básicos de Python
- Tipos de datos: enteros, reales, cadenas, etc.
- Entrada de datos: input.
- Salida de datos: print básico.
2. Operadores y expresiones
- Operadores: asignación, aritméticos, lógicos y relacionales, operadores de asignación compuestos (+=, etc).
- Otros operadores.
3. Funciones de Entrada/Salida
- Función input ().
- Función print().
- Métodos para manipular cadenas: format().
4. Sentencias de control-I
- Sentencia if.
- Sentencia if-else.
- Sentencia if-elif.
5. Sentencias de control-II
- Bucles for (iterable, range).
- Bucles while.
- Bucles anidados.
6. Strings o cadenas
- Definición y creación de cadenas.
- Secuencias de escape.
- Acceso a los elementos de una cadena. Operador índice, slicing, *, +, in, not in.
- Funciones y métodos de cadenas: len(), int(), lower(), etc.
7. Listas
- Definición, creación y actualización de listas.
- Acceso a los elementos de una lista. Operador índice, slicing, *, +, in, not in.
- Creación de listas mediante List Comprehensions.
- Funciones y métodos aplicados cadenas: len(), sum(), append(), etc.
- De cadenas a listas y viceversa (split vs join).
- Listas de listas.
8. Tuplas y diccionarios
- Definición y creación de tuplas.
- Acceso a los elementos de una tupla.
- Operadores y funciones en tuplas.
- Definición, creación y actualización de diccionarios.
- Acceso a los elementos de un diccionario.
- Funciones y métodos aplicados a diccionarios: items(), values(), keys(), etc.
9. Funciones en Python
- Definición de función.
- Tipos de funciones: built-in-functions(abs, pow, etc), incorporadas en módulos, se deben importar (import math, sin), creadas por el programador.
- Estructura de una función: encabezado(parámetros), cuerpo y return.
- Llamada a una función y devolución de valores(return).
- Ámbito de las variables.
10. Manipulación masiva de datos: Ficheros
- Definición de ficheros.Tipos de ficheros.
- Ficheros de texto.
- Modos de apertura (w, r, a, w+, r+, a+). Claúsula with-as.
- Creación de ficheros de texto: file.write(), file.writelines().
- Lectura de ficheros de texto: file.read(), file.readline(), file.readlines().
- Utilización de split() y splitlines().
- Ficheros binarios. Libería pickle:dump y load Apertura. Modos de apertura.
- try: … except.
11. Manejo y Análisis de estructuras de datos. Librería Pandas
- Creación de estructuras de datos: Series.
- Creación de una serie a partir de una lista y de un diccionario.
- Acceso a los elementos de una serie a través de posiciones e índices.
- Aplicar funciones a una serie.
- Filtrado de una serie.
12. Creación de estructuras de datos: Dataframes
- Creación de un Dataframe a partir de un diccionario, de una lista de diccionarios, de una lista de listas y de un fichero csv o excel.
- Acceso a los elementos de un dataframe: mediante posiciones (df.iloc) o mediante nombres (df.loc o df [columna]).
- Operaciones con las columnas de un Dataframe. Aplicar funciones a columnas.
- Operaciones con las filas de un Dataframe.
Características
- Dirigido a: Estudiantes de FP, universitarios, Bachiller, Master y personas que necesiten aprender el uso de esta herramienta.
- Tipo de curso: Clases particulares tele-presenciales con temario adaptado a la necesidad del alumno, 100% práctico.
- Duración: Lo marca el alumno según las horas contratadas.
- Modalidad: Aula Virtual (Zoom), con profesor en vivo.
- Turno: Mañana y tarde.
- Nº de alumnos: Pueden ser individuales o en grupos con un máximo de 3 alumnos, esto se define al momento de reservar las horas.
- 1 alumno€25 - 1 hora
- 2 alumnos€40 - 1 hora
- 3 alumnos€50 - 1 hora
- Paquetes de 5 y 10 horas
Dirigido a:
-
Universitarios
Alumnos de todas las Universidades
-
FP
Alumnos de Formación Profesional
-
Máster
Alumnos de Máster de Ingeniería
Clases para empresas
Contáctanos y consigue la mejor opción de capacitación para tus colaboradores.
- Cursos presenciales en oficinas
- 100% práctico para tu empresa
- Temario personalizado para tu empresa
Temario
1. Conceptos básicos de Python
- Tipos de datos: enteros, reales, cadenas, etc.
- Entrada de datos: input.
- Salida de datos: print básico.
2. Operadores y expresiones
- Operadores: asignación, aritméticos, lógicos y relacionales, operadores de asignación compuestos (+=, etc).
- Otros operadores.
3. Funciones de Entrada/Salida
- Función input ().
- Función print().
- Métodos para manipular cadenas: format().
4. Sentencias de control-I
- Sentencia if.
- Sentencia if-else.
- Sentencia if-elif.
5. Sentencias de control-II
- Bucles for (iterable, range).
- Bucles while.
- Bucles anidados.
6. Strings o cadenas
- Definición y creación de cadenas.
- Secuencias de escape.
- Acceso a los elementos de una cadena. Operador índice, slicing, *, +, in, not in.
- Funciones y métodos de cadenas: len(), int(), lower(), etc.
7. Listas
- Definición, creación y actualización de listas.
- Acceso a los elementos de una lista. Operador índice, slicing, *, +, in, not in.
- Creación de listas mediante List Comprehensions.
- Funciones y métodos aplicados cadenas: len(), sum(), append(), etc.
- De cadenas a listas y viceversa (split vs join).
- Listas de listas.
8. Tuplas y diccionarios
- Definición y creación de tuplas.
- Acceso a los elementos de una tupla.
- Operadores y funciones en tuplas.
- Definición, creación y actualización de diccionarios.
- Acceso a los elementos de un diccionario.
- Funciones y métodos aplicados a diccionarios: items(), values(), keys(), etc.
9. Funciones en Python
- Definición de función.
- Tipos de funciones: built-in-functions(abs, pow, etc), incorporadas en módulos, se deben importar (import math, sin), creadas por el programador.
- Estructura de una función: encabezado(parámetros), cuerpo y return.
- Llamada a una función y devolución de valores(return).
- Ámbito de las variables.
10. Manipulación masiva de datos: Ficheros
- Definición de ficheros.Tipos de ficheros.
- Ficheros de texto.
- Modos de apertura (w, r, a, w+, r+, a+). Claúsula with-as.
- Creación de ficheros de texto: file.write(), file.writelines().
- Lectura de ficheros de texto: file.read(), file.readline(), file.readlines().
- Utilización de split() y splitlines().
- Ficheros binarios. Libería pickle:dump y load Apertura. Modos de apertura.
- try: … except.
11. Manejo y Análisis de estructuras de datos. Librería Pandas
- Creación de estructuras de datos: Series.
- Creación de una serie a partir de una lista y de un diccionario.
- Acceso a los elementos de una serie a través de posiciones e índices.
- Aplicar funciones a una serie.
- Filtrado de una serie.
12. Creación de estructuras de datos: Dataframes
- Creación de un Dataframe a partir de un diccionario, de una lista de diccionarios, de una lista de listas y de un fichero csv o excel.
- Acceso a los elementos de un dataframe: mediante posiciones (df.iloc) o mediante nombres (df.loc o df [columna]).
- Operaciones con las columnas de un Dataframe. Aplicar funciones a columnas.
- Operaciones con las filas de un Dataframe.
Características
- Dirigido a: Estudiantes de FP, universitarios, Bachiller, Master y personas que necesiten aprender el uso de esta herramienta.
- Tipo de curso: Clases particulares tele-presenciales con temario adaptado a la necesidad del alumno, 100% práctico.
- Duración: Lo marca el alumno según las horas contratadas.
- Modalidad: Aula Virtual (Zoom), con profesor en vivo.
- Turno: Mañana y tarde.
- Nº de alumnos: Pueden ser individuales o en grupos con un máximo de 3 alumnos, esto se define al momento de reservar las horas.
Clases para alumnos de los siguientes centros de estudio
