Python para análisis de datos sociales: herramientas fundamentales para profesionales de las ciencias sociales

Daniella Leal

Profesora Adjunta del Instituto de Sociología de la Pontificia Universidad Católica de Chile. Socióloga, Magister y Doctora en Sociología de la misma casa de estudios. Con más de 15 años de experiencia de docencia en áreas de metodologías de investigación social, estadística, análisis de datos y encuestas sociales. Desde el 2010 es jefa de la Unidad de Estudios Telefónicos de la Dirección de Estudios Sociales UC (DESUC), en donde ha conducido un importante número de investigaciones cuantitativas aplicadas para el sector público, privado, organizaciones sociales y organismos internacionales. Sus áreas de interés están en la introducción de nuevas tecnologías para la investigación social, desarrollo de instrumentos cuantitativos, Data Science con foco en el análisis y temas sociales emergentes como discapacidad y análisis de interseccionalidades.

Sebastián Rojas

Sociólogo y Magíster en Sociología de la Pontificia Universidad Católica de Chile. Profesor del curso de Análisis de Datos Sociales del Diplomado en Procesamiento y Análisis de Datos Sociales UC.Actualmente se desempeña en el Departamento de Análisis de Información Social del Ministerio de Desarrollo Social y Familia. Anteriormente formó parte del Centro de Encuestas y Estudios Longitudinales UC. Sus áreas de interés se centran en el sistema estadístico nacional, metodología de encuestas y la incorporación de tecnologías de las ciencias computacionales como Python y R para el análisis, procesamiento, modelamiento y visualización de datos.

El acceso creciente a datos de distinto tipo y en gran volumen ha impulsado el desarrollo de una serie de herramientas tecnológicas que facilitan su trabajo. De allí surge la emergencia de programas de código abierto, que han hecho esta tarea más accesible y flexible.

Esta accesibilidad y flexibilidad nos han desafiado no solo a abrirnos a distintos tipos de programas computacionales, sino también a lenguajes de programación que no estaban en el horizonte del analista de datos sociales tradicional. Python es uno de ellos. De uso creciente, gran versatilidad y alta escalabilidad, se ha convertido en uno de los lenguajes de programación más relevantes de esta década.

Este curso explorará los elementos básicos del lenguaje Python para, posteriormente, profundizar en su uso para un procesamiento y análisis de datos más eficiente. Asimismo, el curso se enfocará en los fundamentos y características propias de las bases de datos y en cómo estas se articulan con la programación orientada a objetos.

Al finalizar el curso, los estudiantes sabrán cómo desenvolverse en entornos y/o aplicaciones que utilizan el lenguaje Python para importar, transformar, analizar y visualizar datos sociales.

El curso se desarrollará en modalidad online, con clases en vivo a través de la plataforma Zoom, combinando clases expositivas sincrónicas y ejercicios prácticos.

• Grado académico o título profesional obtenido en universidades chilenas o extranjeras.
• Se sugiere conocimiento intermedio o superior del idioma inglés, para leer documentación técnica y materiales de apoyo.
• Se necesita formación previa en procesamiento y análisis de datos sociales.

Resultado de aprendizaje general

• Analizar datos sociales de forma comprensiva utilizando Python como herramienta de procesamiento de bases de datos.

Resultados de aprendizaje específicos

• Aplicar las principales características de Python y sus librerías básicas en el trabajo con datos sociales.
• Analizar datos sociales provenientes de fuentes reales y de libre acceso mediante el uso de Python.
• Evaluar ventajas y desafíos del uso de Python en el procesamiento y análisis de datos sociales.

• Clases expositivas sincrónicas
• Talleres prácticos para utilizar las herramientas vistas en clases.
• Ejercicios prácticos.

• Datos sociales y el uso de programas computacionales.
• Python como lenguaje de programación, IPython y Jupyter Notebook, control de flujo.
• Uso de funciones, strings, archivos, listas y diccionarios.
• Principales librerías: NumPy, pandas, matplotlib, SciPy, scikit-learn, statsmodels.
• Cargar datos, almacenamiento y formato de archivos.
• Limpieza de datos y preparación.
• Reordenamiento de datos y agregación.

• Ejercicios prácticos individuales: 60%
• Proyecto final individual: 40% 

Para aprobar el curso, se requiere:

• Asistencia al menos al 75% de las clases sincrónicas.
• Aprobar con nota no inferior a 4.0 en una escala de 1.0 a 7.0

El alumno que no cumpla con estas exigencias reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Los resultados de las evaluaciones serán expresados en notas, en escala de 1,0 a 7,0 con un decimal, sin perjuicio que la Unidad pueda aplicar otra escala adicional.

Los alumnos que aprueben las exigencias del programa recibirán un certificado de aprobación digital de otorgado por la Pontificia Universidad Católica de Chile. Además, se entregará una insignia digital.

Las personas interesadas deberán completar la ficha de postulación que se encuentra al costado derecho de esta página web  y enviar los siguientes documentos al momento de la postulación o de manera posterior a la coordinación a cargo:  

• Fotocopia simple del carnet de identidad por ambos lados.
• Copia simple de título o licenciatura (de acuerdo a cada programa).
• Currículum vitae actualizado.

Con el objetivo de brindar las condiciones y asistencia adecuadas, invitamos a personas con discapacidad física, motriz, sensorial (visual o auditiva) u otra, a dar aviso de esto durante el proceso de postulación.

El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.

No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula.