Objetivos del Curso
El objetivo de este curso es dotar a los estudiantes de la capacidad para interactuar críticamente con el análisis de datos asistido por inteligencia artificial. Ante la creciente automatización de la escritura de código, el valor diferencial del analista reside en su comprensión de los fundamentos estadísticos y metodológicos que permiten validar, corregir e interpretar los resultados.
Al finalizar el curso, los estudiantes serán capaces de leer e interpretar las estructuras básicas de código Python y aplicarlo a contextos de análisis de datos. La escritura de código es un medio para desarrollar esa comprensión, no el fin del aprendizaje.
Requisitos
- Conocimientos básicos de matemáticas y estadística.
- Familiaridad con el sistema operativo, el teclado, el manejo de rutas de archivos y el uso de navegadores web.
- Acceso a un modelo de lenguaje (LLM) — Claude, ChatGPT, Gemini u otro similar. Es suficiente con una cuenta gratuita. El LLM no es un recurso auxiliar del curso: es la herramienta central con la que se trabajará el código.
Nota: Vamos a trabajar en un entorno virtual usando Jupyter Lab: no hay que instalarlo aún.
Contenido del Curso
Variables
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Variables-Objetos
Estructura de datos
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Estructura de Datos
Condicionales
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Condicionales
Loops e Iterables
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Loops e Iterables
Funciones: Introducción
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Introducción a Funciones
Funciones: Scope-Ambito
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Scope
Funciones: First-Class
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
First Class Functions
Lambda Functions-Decoradores
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Lambda Functions-Decoradores
Modulos
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Modulos-Paquetes
Errores y Debugging
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
Errores y Debugging
Introducción a Programación por Objetos
Control Lectura ( temas clase anterior)
Slides Video
Guía de Lectura Slides
OOP
Metodología
En la enseñanza online y a distancia es frecuente que el estudiante pierda continuidad: pospone el visionado de las clases, se dispersa con facilidad o adopta un papel demasiado pasivo. Este curso se ha diseñado precisamente para evitar esa dinámica.
Cada sesión se organiza en tres fases complementarias:
- Control de lectura sobre los materiales de la clase anterior.
- Guía conceptual del nuevo tema mediante transparencias narradas, cuyo objetivo es proporcionar una hoja de ruta clara antes de comenzar a programar.
- Trabajo práctico autónomo sobre un documento HTML interactivo con ejercicios, preguntas teóricas y pequeños retos de programación.
La parte central del aprendizaje ocurre durante esta última fase. El estudiante trabaja a su propio ritmo utilizando Jupyter Lab para experimentar, probar código y analizar resultados. El uso de modelos de lenguaje (LLM) forma parte natural del proceso de trabajo: sirven para generar código, interpretar errores, explorar alternativas y acelerar la experimentación.
Sin embargo, el objetivo del curso no es delegar el razonamiento en la IA, sino desarrollar el criterio técnico necesario para evaluar, corregir y comprender lo que estas herramientas producen. El foco está en aprender a pensar como programador.
Acceso al Curso
El curso se dará en el Campus Virtual de la Univeridad de Vigo.
Clave Estudiante DanielMiles440
El curso comenzará a las 8:15 de Uruguay para permitir a los alumnos acceder al aula,
Evaluación
Participación
Participación en clase y foros