Ciencia de Datos con Python en QGis3.4

• Como manejar datos espaciales y alfanumericos en QGis

• Estará en capacidad de utilizar QGis para el análisis estadístico tradicional de datos alfanuméricos y espaciales

• Manejo de los paquetes científicos de Python

• Iniciarse con bases solidas en el campo de la ciencia de datos considerando el contexto espacial

• Extracción de estadísticas utilizando las herramientas de QGis

• Crear e interpretar mapas considerando la vinculación entre los datos y la representación espacial

• Manejo del paquete Python Numpy

• Crear visualizaciones de datos con las herramientas de QGis

• Crear e interpretar visualizaciones de datos con Matplotlib

• Extraer estadísticas de datos alfanumericos, tablas de atributos y raster con Numpy y Scipy

• Profesionales de las ciencias geográficas que deseen sacar mayor provecho de los datos disponibles

• Personal de instituciones publicas y privadas que busquen innovar, enriquecer e incrementar la productividad

• Usuarios de QGis que deseen realizar análisis estadísticos exploratorios y visualizaciones de datos en QGis

• Profesionales de las ciencias geográficas interesados en abordar uno de los campos de mayor demanda y crecimiento

• Personas interesadas en reforzar sus conocimientos de estadística aplicada

• Desarrolladores de Python principiantes con interés en la ciencia de datos

• Un conocimiento básico de Python

• Manejo básico de QGis

• Deseable haber realizado el curso de programación con Python en QGis o conocimientos equivalentes

Existe una alta y creciente demanda por especialistas en el manejo de datos, que sean capaces de gestionar y aprovechar el inmenso flujo de datos (Big Data), los profesionales de las ciencias geográficas no escapan de esta realidad.

En el presente curso el alumno aprenderá desde el manejo básico de datos, pasando por la iniciación en la estadística, la visualización y la vinculación con la representación espacial, esta última como contexto y fuente de información. El contenido se imparte por fases primero como extraer estadísticas, generar visualizaciones de datos con las herramientas de QGis y finalmente, el tratamiento de datos con algoritmos de Machine Learning.

Nos enfocaremos en cuatro bibliotecas, primero los tres principales paquetes científicos de Python:

- Numpy, (numerical Python) creación y manipulación eficiente de estructuras de datos

- Matplotlib visualización de datos

- Scipy estadística, optimización

Luego GDAL, para la lectura y escritura de archivos raster