Bienvenidos al repositorio de la materia Análisis de Datos! Aquí encontrarán los materiales de clase, notebooks, datasets y recursos adicionales.

📂 Estructura del Repositorio

• notebooks/ → Contiene las notebooks con los ejemplos y ejercicios de cada clase.
• datasets/ → Conjunto de datos utilizados en los ejemplos y prácticas.
• recursos/ → Ejericios, reportes y otros materiales útiles.
• scripts/ → One-offs / no reutilizable.
• utils/ → Funciones auxiliares utilizadas en las notebooks.

⚠️ Recordá que las diapositivas de las clases y los enunciados de los TPs se encuentran en el Campus posgrado de la FIUBA.

🎓 ¿Sos alumno de una cohorte anterior? Encontrá aquí las instrucciones para descargar los contenidos correspondientes a tu curso y bimestre.

📚 Contenido del Curso

Clase	Tema	Notebooks
1️⃣	Introducción al Análisis de Datos	notebook_clase_1
2️⃣	Análisis exploratorio de datos (EDA)	notebook_clase_2
3️⃣	EDA (cont.) y preprocesamiento	notebook_clase_3_outliers
		notebook_clase_3_datos_faltantes
4️⃣	Preprocesamiento (cont.) y Feature Engineering	notebook_clase_4_codificación
		notebook_clase_4_normalización_estandarización
		notebook_clase_4_discretización
		notebook_clase_4_desbalance
5️⃣	Taller práctico - parte 1	A ser agregada
6️⃣	Pruebas estadísticas y reducción de la dimensionalidad	A ser agregada
7️⃣	Taller práctico - parte 2	A ser agregada
8️⃣	Automatización del análisis de datos	A ser agregada

📚 Bibliografía recomendada aquí.

📅 Fechas importantes

• Entrega del TP parte 1: Lunes 2 de junio de 2025 (hasta las 23:59 hora de Argentina).

• Entrega del TP parte 2: Lunes 16 de junio de 2025 (hasta las 23:59 hora de Argentina).

• Última clase: Jueves 19 de junio de 2025.

⚙️ Instalación y Configuración del Entorno

En esta sección se explican los pasos para utilizar este repositorio.

🔵 Opción 1: Usar un env de Conda

Prerrequisitos

• Anaconda o miniconda
• Git

1. Clonar el repositorio:

git clone https://github.com/FIUBA-Posgrado-Inteligencia-Artificial/CEIA_Analisis_de_datos.git
cd CEIA_Analisis_de_datos

2. Crear y activar el environment:

conda env create -f environment.yml
conda activate add-env

3. Abrir Jupyter:

jupyter notebook

🔵 Opción 2: Usar un env de Poetry

Este proyecto también permite usar Poetry para manejo de dependencias. Seguir los pasos detallados a continuación para crear un environment a partir de los archivos pyproject.toml y poetry.lock proporcionados.

Prerrequisitos

• Poetry : Instrucciones de instalación
• Python 3.11 o 3.12
• Git

1. Clonar el repo:

git clone https://github.com/FIUBA-Posgrado-Inteligencia-Artificial/CEIA_Analisis_de_datos.git
cd CEIA_Analisis_de_datos

2. Crear el environment (ejemplo con Python 3.11, ajustar a 3.12 de ser necesario):

• macOS/Linux

poetry env use python3.11  

• Windows

poetry env use "py -3.11" 

3. Instalar dependencias (Linux/MacOS/Windows):

poetry install --no-root 

Nota: --no-root evita la instalación como package que no es necesaria aquí.

4. Verificar que el environment se instaló correctamente:

poetry env list

Este comando devuelve todos los environments asociados al proyecto (verificar que ceia-analisis-de-datos-xxxxxxx-py3.11 aparece en la lista)

poetry env info

Este comando muestra detalles tales como la versión de Python y el path (ej., /Users/<username>/Library/Caches/pypoetry/virtualenvs/... en macOS o C:\Users\<username>\AppData\Local\pypoetry\... en Windows).

5. Activar el environment:

• macOS/Linux (zsh/bash):

eval "$(poetry env activate)" 

• Windows (PowerShell/CMD):

Invoke-Expression (poetry env activate)

Después de ejecutar el comando, el nombre del environment debería aparecer en el prompt de la terminal entre paréntesis (ej., ceia-analisis-de-datos-py3.11).

6. Verificar activación:

python --version

Debería mostrar Python 3.11.X o 3.12.X.

which python  # macOS/Linux
where python  # Windows

Debería apuntar al Pyhton del env. de Poetry (ej., /Users//.../bin/python o C:\Users<username>...\Scripts\python.exe).

7. Registrar el environment en Jupyter:

poetry run python -m ipykernel install --user --name=ceia-analisis-de-datos --display-name "Python (CEIA)"

8. Abrir Jupyter y seleccionar el kernel correcto:

jupyter notebook

Una vez abierto Jupyter, ir a Kernel → Change Kernel y seleccionar "Python (CEIA)".

🔵 Opción 3: Usar Google Colab

Al momento de la actualización de este repositorio (Marzo 2025) Colab utiliza Python 3.11 y no debería haber inconvenientes para ejecutar las notebooks de la materia con esta herramienta. Pasos a seguir:

1. Desde Colab, ir al menú File y hacer click en Open Notebook.

2. En la nueva ventana que se abre, ir a la opción GitHub (en el menú de la derecha).

3. En la barra buscadora, copiar el nombre del repo:

FIUBA-Posgrado-Inteligencia-Artificial/CEIA_Analisis_de_datos

4. Asegurarse que en Repository aparezca el nombre correcto (FIUBA-Posgrado-Inteligencia-Artificial/CEIA_Analisis_de_datos) y la branch sea main. Hacer click en la notebook deseada para abrir.

📫 Contacto

• ✉️ María Carina Roldán
• ✉️ Ariadna Garmendia