Análisis de datos social y espacial con Python

Descripción
Actualmente Python es uno de los lenguajes de programación más populares y ampliamente utilizados en una variedad de ámbitos disciplinares como ciencia de datos, automatización de proceso, movilidad, diseño y evaluación de política pública, entre otros. El alto nivel de adopción entre profesionales se debe principalmente a su potencialidad, fácil e intuitiva sintaxis y versatilidad, que permiten un rápido aprendizaje de este lenguaje.

En este contexto, el curso Análisis de datos social y espacial con Python, tiene por finalidad introducir a los participantes en el manejo de herramientas que permitan analizar datos sociales y geoespaciales utilizando técnicas de programación adecuadas en el lenguaje Python. Durante el desarrollo de este curso, los estudiantes adquirirán una comprensión sólida de conceptos técnicos relacionados con el uso de librerías que facilitan la manipulación, el análisis, la visualización y la especialización de datos, tales como Pandas, Matplotlib, Seaborn, Geopandas, NumPy, entre otras. Además, desarrollar habilidades prácticas en la creación de programas que les permitan convertir y visualizar geometría en la interfaz de Jupyter Notebook.

Dirigido a: Profesionales de diversas disciplinas como Geografía, Sociología, Arquitectura, Diseño, Ingeniería, etc., que requieran complementar y actualizar sus conocimientos en el análisis de datos, así como profundizar en el lenguaje de programación Python.

Objetivos del programa
El objetivo general del curso es introducir a las y los participantes en los conceptos fundamentales de programación en Python, su aplicación en el análisis estadístico descriptivo, inferencial y espacial de datos, además de elaborar visualizaciones de los resultados.

Población objetiva
Profesionales de diversas disciplinas como Geografía, Sociología, Arquitectura, Diseño, Ingeniería, etc., que requieran complementar y actualizar sus conocimientos en el análisis de datos, así como profundizar en el lenguaje de programación Python.

Requisitos de ingreso
- Conocimientos básicos de estadística.
- Experiencia en manejo de base de datos.
- Experiencia en uso de software estadístico.

Contenidos

Módulo I: Introducción a Python.

• ¿Qué es Python?, IDE Jupyter Notebook.
• Sintaxis básica de Python.
• Variables y tipos de datos.
• Estructura de control de flujo: if/else, while, for.

Módulo II: Manipulación de base de datos

• Introducción a la librería Pandas.
• Creación y manipulación de SERIES Y DataFrames.
• Importar y exportar archivos CSV, EXCEL, TXT.

Módulo III: Análisis y visualización de datos con Pandas, Matplotlib, Seaborn.

• Importar librerías: Pandas y Matplotlib
• Manipulación de base de datos. Subset, filtrar y agrupación de datos.
• Cálculo de medidas descriptivas.
• Visualización de resultados.
• Técnicas de inferencia estadística: Intervalo de confianza, test de hipótesis.
• Medidas de asociación y modelos de regresión.

Módulo IV: Introducción al Análisis Espacial Geográfico con Python

• Uso de entornos virtuales y comandos básicos para el manejo de librerías espaciales.
• Introducción a librerías geopandas y arcpy.
• Tipos de archivos y cómo convertirlos a geojson, json, csv y shapefile.
• Importación y exportación de datos en formatos shapefile y csv, conversión a geometría y visualización en QGIS y Kepler.gl

Módulo V: Obtención de Datos Geomanipulados

• Creación de métodos para convertir coordenadas planas en geometría (exportar y visualizar).
• Creación de un bounding box y descarga de datos desde OSM (OpenStreetMap).
• Visualización de mapas desde Jupyter Notebook.
• Trabajo práctico.

Módulo VI: Obtención de Datos de Otras Fuentes

• Continuación obtención de datos desde OSM
• Introducción a la clusterización espacial
• Métodos de clusterización en python
• Obtención de patrones espaciales

Módulo VII: Visualización de Datos

• Trabajo con datos censales (censo/casen) y manipulación a nivel de geometría
• Visualización de mapas datos censales/casen (orden, limpieza y depuración de datos)
• Realización de trabajo práctico

Metodología
La estrategia didáctica de esta actividad es totalmente aplicado, sustentada en la teoría imprescindible para abordar distintos casos de prueba con los que cubrir las técnicas básicas de análisis de datos. En la medida de los posible se usarán ejemplos propuestos por los participantes y relacionados con su rol en la institución, o bien con sus intereses. Las clases serán 100% on line a través de la plataforma ZOOM.

Evaluación
La evaluación será el desarrollo de una actividad donde deban utilizar y aplicar los conceptos aprendidos durante el curso, en términos del análisis y visualización de datos.

Relatores

Cristián Escobedo Catalán
Geógrafo, U de Chile. Magíster en Política Pública, U de Chile. Ph. D© en Geografía, Universidad Complutense de Madrid, España. Profesor full time en Facultad de Arquitectura y Urbanismo, Universidad de Chile. Investigador en Laboratorio tGIS, Departamento de Geografía, Universidad Complutense de Madrid, España. Especializado en: movilidad, análisis espacial, estadística y econometría espacial, y tecnología de la información geográfica.

Valeria Ulloa Escandor.
Geógrafa, U de Chile. Mater of Science en Ciudades Inteligentes y Sostenibles, Smart Cities, Universidad Complutense de Madrid. Data Scientist en Entel Ocean. Experta en Tecnologías de la Información Geográfica, movilidad urbana y transporte, y análisis espacial