Curso-Taller Análisis Estadístico con Python

Contenido

Curso-Taller Análisis Estadístico con Python#

Este Curso-Taller de Python para Análisis Estadístico en Ciencias de la Salud, está diseñado para profesionales y estudiantes en áreas biomédicas que deseen adquirir competencias en programación con Python orientadas al análisis estadístico de datos clínicos y epidemiológicos.

Sitio oficial del curso#

https://chrisdewa.github.io/curso_python/

¿Por aprender programación estadística?#

Reproducibilidad: Python permite documentar cada paso del análisis, facilitando la replicación científica, a diferencia de SPSS o Excel.
Escalabilidad: Soporta grandes volúmenes de datos y análisis complejos sin las limitaciones técnicas de herramientas gráficas. Puedes analizar datasets de millones de filas sin una supercomputadora o realizar análisis computacionalmente exigentes con más seguridad.
Autonomía: Al aprender a programar, adquieres independencia técnica para adaptar análisis a tus necesidades, sin depender de menús preestablecidos. Además, la herramienta se adapta a tus necesidades en todo momento.
Agiliza flujos de trabajo: Python agiliza tus flujos de trabajo mediante la automatización de análisis o de problemas informáticos frecuentes.
Integración moderna: Python es estándar en ciencia de datos, con bibliotecas para estadística, visualización, machine learning y manejo de datos clínicos.

Descripción#

A través de clases teóricas y práctica intensiva, los participantes desarrollarán habilidades para:

Manipular datos con Python.
Generar visualizaciones efectivas.
Aplicar métodos estadísticos básicos y avanzados.
Comunicar resultados de forma reproducible en Jupyter Notebooks.

Objetivo de aprendizaje#

Al finalizar el curso, la persona participante será capaz de realizar análisis estadísticos reproducibles en Python aplicados a datos de salud, incluyendo la exploración, limpieza, visualización, aplicación de pruebas estadísticas, modelos de regresión y generación de reportes científicos en Jupyter Notebooks.

¿Qué aprenderás?

Conceptos fundamentales de programación.
Aplicaciones estadísticas con Python.
Uso de JupyterLab y bibliotecas científicas.

Perfil de ingreso#

Profesionales de la salud en medicina, enfermería, ciencias paraclínicas, biología, química o disciplinas relacionadas con la investigación biomédica.
Que cuenten con conocimientos básicos en estadística y metodología de la investigación.
Se sugiere contar con estudios de posgrado (especialidad o maestría en ciencias de la salud o áreas afines), aunque no es un requisito indispensable.
Interés en aplicar programación para análisis de datos clínicos, epidemiológicos o de investigación en salud.
Habilidad para el autoaprendizaje y disposición para realizar actividades prácticas de forma autónoma.

Perfil de egreso#

La persona egresada del curso será capaz de:

Configurar entornos de trabajo locales y en la nube utilizando JupyterLab y otras herramientas de código abierto.
Programar análisis estadísticos básicos y avanzados empleando bibliotecas científicas validadas como pandas, statsmodels y scikit-learn.
Automatizar flujos de trabajo de análisis y generación de reportes en salud.
Aplicar buenas prácticas de documentación, versionado y reproducibilidad científica en sus proyectos.
Integrar conocimientos estadísticos con programación en Python para resolver problemas reales en el ámbito clínico, epidemiológico o académico.

Duración y distribución horaria#

La duración aproximada total del curso es de 300 horas, que incluyen la lectura y comprensión de los temas, ejecución del código y ejercicios y clases guiadas por el autor.

Requisitos para tomar el curso#

Requisito	Explicación
Dominio intermedio del inglés	Aunque el contenido del curso está en español, Python y la mayoría de su documentación están en inglés. Se recomienda un nivel mínimo B1.
Conocimientos básicos de estadística y metodología de investigación	Son necesarios para adquirir adecuadamente las competencias del curso.
Computadora personal (Mac, Windows o Linux)	Es indispensable para instalar el software y realizar las actividades prácticas.
Práctica diaria	Python requiere práctica constante para un aprendizaje efectivo.

Licencia y uso del contenido#

Usted puede compartir el material siempre que siga los términos de la licencia.

Términos	Descripción
Atribución	Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial	Usted no puede hacer uso del material con propósitos comerciales.
SinDerivadas	Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado
No hay restricciones adicionales	No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.

Licencia completa: https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode.

Cómo contribuir#

Este repositorio está abierto a contribuciones externas.
Si deseas mejorar el contenido, corregir errores o proponer nuevas ideas, puedes abrir un issue o enviar un pull request.

Las contribuciones serán agradecidas y, si se incorporan, serán desplegadas públicamente en el curso con el debido reconocimiento.

Sin embargo, no generarán derechos de autoría ni retribuciones económicas.

Cómo citar#

Delaflor Wagner, C. A. (2025). Curso-Taller de Análisis Estadístico con Python. Zenodo. https://doi.org/10.5281/zenodo.16290872