Scribd
Cargar
141 vistas2 páginas

Python para Economistas

Este curso enseña Python para economistas con el objetivo de ampliar sus herramientas computacionales en el ámbito académico y profesional. Se dictará de forma asincrónica a través de videos y de forma sincrónica por Zoom, utilizando Jupyter notebooks para ejemplos prácticos. Los estudiantes completarán trabajos prácticos semanales y aprenderán sobre programación básica, análisis de datos con Numpy y Pandas, visualizaciones y conexión con APIs a lo largo de 6 clases.

Cargado por

Nelson David Bolivar Ardila
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
141 vistas2 páginas

Python para Economistas

Este curso enseña Python para economistas con el objetivo de ampliar sus herramientas computacionales en el ámbito académico y profesional. Se dictará de forma asincrónica a través de videos y de forma sincrónica por Zoom, utilizando Jupyter notebooks para ejemplos prácticos. Los estudiantes completarán trabajos prácticos semanales y aprenderán sobre programación básica, análisis de datos con Numpy y Pandas, visualizaciones y conexión con APIs a lo largo de 6 clases.

Cargado por

Nelson David Bolivar Ardila
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 2

Python para Economistas

Maestría en Economía, Facultad de Ciencias Económicas, UNLP


Objetivo
Este curso tiene por objetivo enseñar las bases de la programación en Python para ampliar las
herramientas computacionales que los economistas podemos utilizar tanto en el ámbito académico
como en el profesional. Basándonos en el conocimiento que los alumnos tienen de Stata, se buscará
profundizar en las funciones de Python que pueden servir de complemento. A diferencia de un curso
genérico de introducción a Python, este curso presentará ejemplos de aplicaciones en el área de las
ciencias económicas para practicar los contenidos aprendidos con temas familiares a los alumnos.
El curso se dictará mediante herramientas virtuales asincrónicas (videos) y sincrónicas (por la
plataforma Zoom). En las clases asincrónicas, se utilizarán unos pocos minutos (aprox. 10 a 15) para
presentar algunas herramientas para el desarrollo y versionado del código, y luego se explicarán, con
breves ejemplos, los temas del día. En las clases sincrónicas, se aclararán dudas de los videos y se
conectarán los conceptos teóricos con ejemplos prácticos. Estas clases se apoyarán en Jupyter
notebooks en los cuales estará parte del código requerido para completar los trabajos prácticos y se
dejarán líneas de código en blanco para que el alumno pueda razonar y completar el programa.
Los Jupyter notebooks pretenden ser la base de códigos replicables que el alumno, a futuro,
podrá adaptar y utilizar en sus propios proyectos. Este curso no pretende ser exhaustivo, pero busca
generar en el alumno la confianza necesaria para poder leer autónomamente documentación y código
en internet y utilizar estas herramientas acorde a las necesidades específicas de sus proyectos de
investigación o sus tareas profesionales.

Docentes
Rodrigo Bonazzola estudió la licenciatura y maestría en física en el Instituto Balseiro. Trabajó en el
área de genómica computacional en la universidad de Chicago, desarrollando métodos estadísticos
que permiten entender la base genética de enfermedades mediante la integración de distintos tipos de
datos. Actualmente es candidato doctoral en computación (Leeds University, Reino Unido)
investigando los factores genéticos que afectan la forma del corazón, usando técnicas de aprendizaje
profundo para procesamiento de imágenes médicas. Contacto: rodbonazzola@gmail.com

Axel McCallum trabaja actualmente en la Dirección General de Cultura y Educación de la provincia


donde lidera un equipo de análisis en la Subsecretaría de Planeamiento. Antes trabajó en los
ministerios de Educación de CABA y de la Nación. Trabajó en proyectos de consultoría en análisis y
minería de datos con consultoras privadas, el CAF y la UNTreF. Es licenciado en Ciencia Política
(UdeSA) y tiene maestrías en Economía Aplicada (UTDT) y Políticas Públicas (Indiana University,
Bloomington) donde fue becario Fulbright. Contacto: axel.mccallum@gmail.com

Belén Michel Torino es candidata doctoral en economía (UdeSA) y tiene maestrías en Economía
(UNLP) y en Análisis Computacional aplicado a Políticas Públicas (University of Chicago). Ha
trabajado en evaluación y monitoreo de programas sociales y en áreas de data management/business
intelligence en organizaciones como el Banco Mundial, el Banco Inter-Americano de Desarrollo
(BID), la organización internacional de las migraciones (NU-OIM) y la administración nacional de la
seguridad social (ANSES). Contacto: belenmichel@gmail.com

Asistentes
Cristian Bonavida: cristianbonavida@gmail.com
Julián Borgo: borgojulian@gmail.com
Fechas y horarios de clases
● Clases asincrónicas (videos): se pondrán a disposición la semana previa a la clase por Zoom.
● Clases sincrónicas (zoom): Jueves de 18.30 a 20:30hs (23/9, 30/9, 7/10, 14/10, 21/10, 28/10)

Modalidad y fechas de clases


● Son 6 clases en total y trataremos los contenidos que se detallan en el temario. Al final del
curso habrá una clase opcional donde se cubrirán temas de Aprendizaje Automático y
Aprendizaje Profundo.
● Para cada clase dispondrán de una presentación en pdf, videos y un Jupyter notebook con
código para seguir los ejemplos prácticos y completar partes de código.

Evaluación
● En cada clase sincrónica, se entregará un trabajo práctico que deberá ser resuelto antes de la
siguiente clase sincrónica. Se darán 6 días extras para entregas que, por alguna dificultad
personal deban entregar algún trabajo con retraso. Estos días pueden ser distribuidos de
acuerdo a la conveniencia de los alumnos a lo largo de los seis trabajos prácticos.
● La nota final se basará en la participación en clase y la calificación de los trabajos prácticos,
dándole un peso mayor al TP6 dado que este será integrador.

Temario
Clase Temas

0 Instalación del intérprete de Python, una IDE o editor, Anaconda, git y Google Colab.

1 Introducción a la programación en Python: sintaxis básica, tipos de datos (caracteres,


enteros, punto flotante, lógicos), operaciones básicas, condicionales, ciclos (for y
while). Listas, tuplas, sets, diccionarios y métodos asociados.

2 Entrada de y salida a archivos. Funciones. Módulos. Clases y objetos. Atributos y


métodos de objetos.

3 Numpy y Pandas. Expresiones regulares. Librerías de gráficos (básico).

4 Profundización en Pandas. Visualizaciones avanzadas. Widgets interactivos en Jupyter.

5 Introducción a datos georreferenciados y elaboración de mapas. Conexión con APIs.

6 Bases de datos relacionales (SQL). Scrapear datos de la web o de un pdf.

7 Clase optativa - disparadora de ideas de investigación:


Introducción conceptual a Aprendizaje automático (AA) y aprendizaje profundo (AP).
Aplicaciones prácticas.

Bibliografía
Los siguientes libros son una fuente útil de consulta sobre los temas del curso:
● Think Python, 2e - Es un buen recurso sobre Python y pensamiento computacional.
● Python the Hard Way - Es otro buen recurso para aprender Python.

También podría gustarte