[et_pb_section admin_label=”Sección” fullwidth=”off” specialty=”off” transparent_background=”off” background_color=”#ffffff” allow_player_pause=”off” inner_shadow=”off” parallax=”off” parallax_method=”off” padding_mobile=”off” make_fullwidth=”off” use_custom_width=”off” width_unit=”on” make_equal=”off” use_custom_gutter=”off” custom_css_before=”.tooltip {|| position: relative;|| display: inline-block;|| border-bottom: 1px dotted black;||}||||.tooltip .tooltiptext {|| visibility: hidden;|| width: 120px;|| background-color: black;|| color: #fff;|| text-align: center;|| border-radius: 6px;|| padding: 5px 0;|||| /* Position the tooltip */|| position: absolute;|| z-index: 1;||}||||.tooltip:hover .tooltiptext {|| visibility: visible;||}”][et_pb_row admin_label=”Fila”][et_pb_column type=”4_4″][et_pb_text admin_label=”Texto” background_layout=”light” text_orientation=”center” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Intro a Data Analytics en Geociencias con Python

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label=”Fila” global_module=”5209″ make_fullwidth=”on” use_custom_width=”off” width_unit=”on” use_custom_gutter=”off” padding_mobile=”off” allow_player_pause=”off” parallax=”off” parallax_method=”off” make_equal=”on” parallax_1=”off” parallax_method_1=”off” parallax_2=”off” parallax_method_2=”off” column_padding_mobile=”on” custom_css_main_element=”display: flex;||justify-content: center;||align-items: center;” custom_css_main_2=”border-left: 6px solid #00755E;||padding-left: 20px !important;”][et_pb_column type=”1_3″][et_pb_video global_parent=”5209″ admin_label=”Vídeo” src=”https://youtu.be/rWGB3xUFFz4″]

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text global_parent=”5209″ admin_label=”Modulo0_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 0: Introducción a Python.

Con este módulo aprenderás a instalar y configurar un ambiente de desarrollo en Python, que te va a permitir ejecutar scripts, instalar librerías externas y generar tus propias aplicaciones fácilmente.

Tópicos:

Definición de Python
Instalación y configuración del ambiente desarrollo Python
Ejecución Scripts en Python
Principales estructuras de datos nativas en Python
Principales librerías en la ciencia de datos
Distribución de aplicaciones

Duración : 6:35 min.
Duración Práctica : 30 min.
Complejidad : Baja

[/et_pb_text][et_pb_toggle global_parent=”5209″ admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Diapositivas

[/et_pb_toggle][/et_pb_column][/et_pb_row][et_pb_row admin_label=”Fila” make_fullwidth=”on” use_custom_width=”off” width_unit=”on” use_custom_gutter=”off” padding_mobile=”off” allow_player_pause=”off” parallax=”off” parallax_method=”off” make_equal=”on” parallax_1=”off” parallax_method_1=”off” parallax_2=”off” parallax_method_2=”off” column_padding_mobile=”on” custom_css_main_element=”display: flex;||justify-content: center;||align-items: center;” custom_css_main_2=”border-left: 6px solid #00755E;||padding-left: 20px !important;”][et_pb_column type=”1_3″][et_pb_video admin_label=”Vídeo” src=”https://youtu.be/wv45Aj1Z6lo”]

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo1_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 1: Carga de datos en Python.

En este módulo aprenderás a cargar un archivo de muestras (csv o xlsx) en pandas a través de su DataFrame.

Tópicos:

Importación librería pandas.
Estructura de Datos: DataFrame.
Lectura de archivos con DataFrame: read_csv, read_excel.
Exportación DataFrame a archivo: to_csv, to_xlsx.

Duración : 3:30 min.
Duración Práctica : 20 min.
Complejidad : Baja

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo2_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 2: Despliegue de datos y estadísticas básicas.

En este módulo aprenderás a visualizar espacialmente variables continuas y/o categóricas en Plotly a través de un DataFrame en Pandas. Aprenderás a generar estadísticas básicas sobre tus datos de entrada, así como también filtrar tus datos. Finalmente se exportarán los resultados.

Tópicos:

Importación librerías: pandas, numpy y plotly.
Descripción del contenido DataFrame al cargar muestras.
Visualización espacial de variables continuas y categóricas.
Estadísticas básicas.
Generación de operaciones lógicas para filtros.
Exportación resultados.

Duración : 7:38 min.
Duración Práctica : 30 min.
Complejidad : Media

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo3_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 3: Búsqueda de controles geológicos.

En este módulo aprenderás a determinar los atributos geológicos (Alteración, Zona Mineral, Dominio) que tengan algún control sobre la variable de interés (Bornita).

Tópicos:

Importación librerías: pandas, plotly, probscale, matplotlib.
Estadísticas básicas (globales).
Estadísticas básicas por categoría con groupby.
Gráficos de distribución acumulada por categoría (Probplot).
Exportación de gráficos 2D con matplotlib.
Visualización espacial por población de variables.

Duración : 10:55 min.
Duración Práctica : 30 min.
Complejidad : Media

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo4_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 4: Definición de unidad de estimación

En este módulo aprenderás a crear una unidad de estimación, a través de la definición de una nueva variable (columna) en nuestro DataFrame (pandas). Posteriormente, mediante operaciones lógicas, podrás crear nuevos códigos geológicos sujeto a las variables: alteración, zona mineral y dominio.

Tópicos:

Importación librerías: pandas, plotly, probscale, matplotlib.
Creación de nuevas columnas en DataFrame.
Iteración sobre DataFrame mediante iterrows().
Modificación de valores en el DataFrame mediante loc[].
Visualización espacial.

Duración : 08:56 min.
Duración Práctica : 45 min.
Complejidad : Alta

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo5_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 5: Validación de UG

En este módulo aprenderás a validar una definición de unidad geológica, a través de la construcción de un conjunto de gráficos en Python, tales como: Histogramas, Boxplots y finalmente, un Scatter entre la Medía y Desviación Estándar

Tópicos:

Importación librerías: pandas, plotly, probscale, matplotlib.
Estadísticas básicas por UG con groupby.
Gráficos de distribución acumulada por categoría (Probplot).
Visualización espacial.
Histogramas por UG (pandas -> hist).
Boxplot por UG (pandas -> boxplot).
Scatter: Media v/s STD.

Duración : 09:02 min.
Tiempo aprox a emplear : 30 min.
Complejidad : Media

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo6_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 6: Análisis Multivariable.

En este módulo aprenderás a realizar un análisis multivariable sobre las variables continúas, a través de la construcción de un conjunto de gráficos en Python, tales como: Matriz de correlación, Scatter y Media Condicional (o derivas).

Tópicos:

Importación librerías: pandas, seaborn, plotly, probscale, matplotlib.
Matriz de correlación a través del método corr (Pandas – DataFrame).
HeatMap de la Matriz correlación (seaborn).
Scatter entre variables continuas agrupadas por la unidad geológica.
Media Condicional (o Derivas) en la coordenada East.
Visualización espacial.
Gráficos de distribución acumulada por categoría (Probplot).

Duración : 08:27 min.
Tiempo aprox a emplear : 45 min.
Complejidad : Alta

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_video][/et_pb_column][et_pb_column type=”2_3″][et_pb_text admin_label=”Modulo7_IntroDAGS_Python” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Módulo 7: Exportación y generación de reporte.

En este módulo haremos un énfasis a los métodos en Pandas y Matplotlib que nos permiten exportar nuestros resultados.

Tópicos:

Exportación DataFrame a archivo: to_csv.
Exportación Gráficos a imagen (png o jpg): savefig.

Duración : 04:05 min.
Tiempo aprox a emplear : 15 min.
Complejidad : baja

[/et_pb_text][et_pb_toggle admin_label=”Conmutador” title=”Recursos” open=”off” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]

Repositorio

[/et_pb_toggle][/et_pb_column][/et_pb_row][/et_pb_section]