| Sesión | Fecha y hora de inicio | Fecha y hora de finalización | Aula | Ubicación |
|---|---|---|---|---|
| 1 | 02/06/2026 16:00 | 02/06/2026 20:00 | Aula 2.1 SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
| 2 | 04/06/2026 16:00 | 04/06/2026 20:00 | Aula 2.1 SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
| 3 | 09/06/2026 16:00 | 09/06/2026 20:00 | Aula 2.1 SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
| 4 | 11/06/2026 16:00 | 11/06/2026 20:00 | Aula 2.1 SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
| 5 | 16/06/2026 16:00 | 16/06/2026 20:00 | Aula 2.1 SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
- Martin Rivera, Fernando
- PDI-Titular d'Universitat
- Coordinador/a Curs
Vicente Alepuz Moner
Ingeniero en Telecomunicaciones (UPV).
Máster en Inteligencia Artificial.
Director de Ingeniería en IonClinics & Deionic S.L.
El curso tiene como objetivo capacitar a profesores universitarios sin experiencia en Python en el uso de las librerías Panda, NumPy, Matplotlib y Seaborn para la manipulación y análisis de datos, proporcionando las habilidades necesarias para realizar análisis estadísticos, visualización de datos y manejo de grandes conjuntos de información en su trabajo académico y de investigación.
Contenidos:
- Fundamentos de Python para la manipulación de datos (introducción al entorno Colab y Jupiter Notebook).
- Librería Panda para la manipulación y análisis de datos.
- Librería Numpy para operaciones matemáticas y manipulación de arrays.
- Librerías MatplotLib y Seaborn para la visualización efectiva de datos.
- Integración del análisis de datos en investigación académica
Uso básico de Python para la manipulación de datos.
Manipulación y análisis e datos con Panda.
Manejo eficiente de datos numéricos con Numpy
Visualización de datos con MatplotLib y Seaborn
Integración de herramientas de análisis de datos avanzadas en investigación académica
Asistencia, como mínimo, al 85% de las horas presenciales y hacer las tareas obligatorias fijadas en el programa o encomendadas por el/la tutor/a o profesor/a.
Criterios de evaluacion (consultar enlace):
No es necesario tener conocimientos previos de Python
Traer portátil












