Adquiere habilidades para implementar técnicas de minería de datos en redes sociales, basándote en un plan de estudios diseñado específicamente para satisfacer las necesidades analíticas de empresas actuales.
1
Curso de Social Media Mining con Python para empresas y equipos
Aprende con el curso de Social Media Mining con Python para empresas hasta 100% bonificado, a medida para tu organización.
Totalmente práctico y aplicable
Formación en Social Media Mining con Python a medida
100% bonificable a través de FUNDAE
Curso TUTORIZADO por expertos
Modalidad Aula Virtual Personalizada
Curso de Social Media Mining con Python en Aula Virtual Personalizada
Nuestra modalidad AVP es una formación en directo, práctica y 100% adaptada a vuestro equipo. No trabajamos con contenidos genéricos: diseñamos la formación en función de vuestro nivel, objetivos, procesos internos y necesidades reales de aplicación.
Solicitar información
Temario 100% a medida
Creamos el temario desde cero a partir de vuestras necesidades, nivel del equipo y objetivos concretos, priorizando aquellos contenidos que realmente aporten valor en el día a día.
Proyectos personalizados
Durante la formación trabajaremos con archivos, ejemplos, informes o procesos similares a los que utiliza vuestro equipo, para que el aprendizaje sea directamente aplicable al puesto de trabajo.
Sesiones en directo con consultor experto
Un formador especialista imparte las clases en tiempo real, resolviendo dudas, revisando casos concretos y adaptando el ritmo de la formación a la evolución del grupo.
Calendario adaptado a vuestra disponibilidad
Definimos conjuntamente fechas, horarios y duración de las sesiones para facilitar la asistencia del equipo y minimizar el impacto en la operativa diaria de la empresa.
Bonificación FUNDAE
Curso de Social Media Mining con Python hasta 100% Bonificable a través de FUNDAE
Tu bonificación paso a paso
Forma a tu equipo sin costes mediante la bonificación estatal.
Este programa de Social Media Mining con Python para empresas es subvencionable hasta el 100%.
- Potencia las habilidades de edición y automatización de tus profesionales.
- Accede a una formación avanzada en Social Media Mining con Python práctica y orientada a resultados.
- Prepara a tu equipo para los retos documentales del entorno laboral actual.
- Gestionamos gratis tu bonificación de este curso corporativo de Social Media Mining con Python ante FUNDAE.
01.
Calcula tu bonificación
02.
Revisamos tu caso
03.
Preparamos la gestión
04.
Tu equipo realiza el curso
05.
Aplicas la bonificación
La formación que decides
te devuelve dinero
Todos nuestros cursos son bonificables a través de FUNDAE.
Gestionamos toda la documentación por ti.
100%Tramitación incluida
48hTiempo medio de gestión
9,4Satisfacción general
Calcula tu crédito aproximado
Empleados a formar10
Crédito bonificable estimado
420€*
*Cálculo orientativo
Impacto real
Empresas como Twitter, Instagram y Reddit confían en Python para analizar sus datos
Implanta Social Media Mining con Python en tu empresa para tu equipo con formación A Medida, bonificable al 100% por FUNDAE. Solicita propuesta a medida.
Aprende a utilizar poderosas librerías de Python como NetworkX, Matplotlib y SciPy para la extracción, limpieza y análisis de datos, herramientas utilizadas por gigantes tecnológicos alrededor del mundo.
2
Desarrolla proyectos propios de Social Media Mining y lleva técnicas innovadoras de análisis a tu empresa, mejorando la toma de decisiones basada en datos precisos y actualizados.
3
Mantente a la vanguardia del mercado laboral adquiriendo competencias clave en uno de los sectores de análisis de datos con mayor proyección y demanda de profesionales en el mundo empresarial actual.
4
Personaliza el temario al 100% para tu equipo
Diseñamos una formación a medida utilizando los documentos y flujos de trabajo reales de tu empresa.
Nuestra plataforma
Nueva Plataforma
de E-learningFormación en directo con plataforma de apoyo para reforzar el aprendizaje
Acceso a las grabaciones
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Recursos formativos
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
Confirmación de asistencia
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Ejercicios prácticos
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Acceso a las grabaciones
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Recursos formativos
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
Confirmación de asistencia
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Ejercicios prácticos
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Practica y mejora con nuestra plataforma
Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
Programa formativo
Temario del curso
Encuentra todo el temario del curso aquí.
Temario
Definición y alcance de la Minería de Datos de Redes Sociales
Aplicaciones en la actualidad
Importancia en la toma de decisiones
Introducción a las cuestiones éticas al usar los datos de redes sociales
Privacidad y protección de datos
Ética en la recopilación de información
Responsabilidad en el uso de datos sensibles
Introducción a los beneficios de la Minería de Datos de Redes Sociales
Ventajas para empresas y marketing
Impacto en la investigación académica
Mejora en la comprensión del comportamiento del usuario
Introducción a NetworkX
Instalación de NetworkX y puesta en marcha en un proyecto Python
Creación y manipulación de grafos con NetworkX
Análisis de redes complejas con NetworkX
Algoritmos disponibles en NetworkX
Introducción a Matplotlib
Instalación de Matplotlib y puesta en marcha en un proyecto Python
Tipos de gráficos y visualizaciones con MatplotLib
Personalización y estilos de gráficos con MatplotLib
Integración con otros paquetes con MatplotLib
Introducción a SciPy
Instalación de SciPy y puesta en marcha en un proyecto Python
Funcionalidades para la ciencia de datos con SciPy
Herramientas de cálculo y análisis estadístico con SciPy
Utilidades para álgebra lineal y optimización con SciPy
Introducción a la autenticación en Twitter y primeros pasos para la extracción de datos
Uso de la API de Twitter
Obtención de tokens de acceso a Twitter
Restricciones y límites de la API de Twitter
Introducción a la autenticación en Reddit y primeros pasos para la extracción de datos
Acceso a la API de Reddit
Métodos de autenticación en Reddit
Reglas y políticas de uso de la API de Reddit
Introducción a la autenticación en Instagram y primeros pasos para la extracción de datos
Proceso de autenticación en la API de Instagram
Obtención de permisos y claves de Instagram
Restricciones de la API de Instagram
Introducción a la autenticación en Facebook y primeros pasos para la extracción de datos
Acceso a la API de Facebook
Protocolos de autenticación de Facebook
Directrices de uso y obtención de datos en Facebook
Introducción al NLP (Procesamiento de Lenguaje Natural) para el análisis de datos
El Procesamiento de Lenguaje Natural en la minería de texto
Técnicas de preprocesamiento NLP
Análisis de sentimientos con NLP
Introducción a la identificación de palabras clave
Métodos de extracción de términos relevantes
Análisis de frecuencia y relevancia de palabras clave
Herramientas de identificación de palabras clave
Algoritmos de clustering y agrupación de datos aplicados a datos de redes sociales
Métodos de agrupación y segmentación
Interpretación de resultados y selección de clusters
Representaciones gráficas con Matplotlib
Creación de gráficos de barras, líneas y dispersión con MatplotLib
Visualización de datos en redes sociales con MatplotLib
Personalización de gráficos de MatplotLib
Representación de grafos y análisis de redes con NetworkX
Visualización de conexiones y comunidades con NetworkX
Estilización y diseño de gráficos de redes con NetworkX
Introducción a la planificación de proyectos
Definición de objetivos y alcance del proyecto
Asignación de recursos y cronograma
Metodologías de gestión de proyectos
Implementación de procesos de extracción y análisis de datos
Resolución de desafíos y problemas técnicos
Iteraciones y ajustes en el desarrollo
Interpretación de hallazgos y conclusiones
Informes y presentación de resultados
Lecciones aprendidas y futuras direcciones de investigación
Introducción a la detección de tendencias
Métodos para identificar temas candentes
Herramientas para seguimiento de tendencias
Análisis de picos de interacción
Introducción a la predicción de tendencias
Modelos de predicción basados en datos sociales
Factores que influyen en la evolución de tendencias
Evaluación y precisión de las predicciones
Introducción a las técnicas de identificación de "influencers"
Métodos para identificar perfiles influyentes
Evaluación de la influencia en redes sociales
Estrategias de colaboración con "influencers"
Introducción a la técnicas de análisis del comportamiento del usuario
Patrones de interacción y comportamiento en redes sociales
Segmentación de audiencias
Interpretación de datos para la toma de decisiones
Introducción a las aplicaciones de Machine Learning en Social Media Mining
Algoritmos de aprendizaje supervisado y no supervisado
Predicciones basadas en datos sociales
Automatización de tareas de análisis
Introducción a los procesos y técnicas de evaluación de modelos de Machine Learning
Métricas de evaluación para datos sociales
Optimización de hiperparámetros
Validación cruzada y selección de modelos
La ética en la segmentación de audiencias
Criterios éticos en la clasificación y segmentación de usuarios
Riesgos de discriminación y sesgos
Buenas prácticas en la personalización de contenido
Introducción a la importancia de la responsabilidad en el uso de datos sensibles
Protección de la privacidad y datos personales
Políticas de transparencia en el uso de datos sociales
Cumplimiento de regulaciones y normativas
Introducción a las técnicas de marketing aplicables a redes sociales
Estrategias basadas en la minería de datos
Análisis de campañas y métricas de éxito
Personalización y segmentación de audiencias
¿Qué es la inteligencia competitiva y cómo podemos aprovecharla?
Análisis de la competencia en redes sociales
Tendencias del mercado y benchmarking
Estrategias empresariales basadas en datos sociales
Introducción al acceso a APIs especializadas
Integración de fuentes de datos específicas
Limitaciones y requisitos en el uso de APIs avanzadas
Casos de uso especializados
Incorporación de datos externos para enriquecer el análisis
Integración de datos geoespaciales, demográficos, entre otros
Verificación y validación de la calidad de los datos externos
Introducción a las técnicas de análisis de series temporales
Modelos para análisis de datos temporales en redes sociales
Predicciones basadas en tendencias temporales
Estacionalidad y ciclos en datos sociales
La importancia del seguimiento de eventos y su impacto en redes sociales
Identificación y análisis de eventos importantes
Medición del impacto de eventos en redes sociales
Gestión de crisis y oportunidades basadas en eventos
Introducción a las amenazas a la seguridad de datos
Vulnerabilidades en la minería de datos de redes sociales
Protección contra ataques y brechas de seguridad
Mejores prácticas de seguridad
La importancia legal del cumplimiento normativo y regulaciones
Regulaciones de protección de datos en redes sociales
Cumplimiento con leyes de privacidad y protección de datos
Políticas internas de seguridad de la información
Tecnologías y metodologías en evolución en desarrollos emergentes
Avances en la minería de datos de redes sociales
Predicciones sobre el futuro del campo
Problemas no resueltos a día de hoy y desafíos técnicos más destacables
Oportunidades para la innovación y avance
Potencial impacto en diversas industrias y disciplinas
Perfiles profesionales
Pensado para quienes deben dominar Social Media Mining con Python en su día a día
Desarrolladores de Análisis de Datos
Desean expandir sus conocimientos en minería de datos enfocada en redes sociales, utilizando herramientas avanzadas en Python.
Equipos de Marketing Digital
Buscan integrar análisis de datos sociales para optimizar campañas y obtener insights valiosos sobre audiencias.
Científicos de Datos
Quieren aplicar metodologías de machine learning y NLP en el contexto de la minería de redes sociales, potenciando decisiones informadas.
Ingenieros de Software
Requieren habilidades para gestionar y manipular grandes volúmenes de datos extraídos de plataformas sociales, garantizando su seguridad y ética.
Consultores de Negocios
Necesitan comprender las tendencias del comportamiento del usuario en redes sociales para asesorar a empresas en estrategias competitivas.
Grupos de Investigación
Investigan el impacto de las interacciones en redes sociales y necesitan herramientas para análisis exhaustivo y visualizaciones efectivas.
¿Tienes dudas?
Casos de éxito
Empresas que ya han formado a sus equipos
Experiencias reales de equipos que ya han trabajado con nosotros.
+16
años de liderazgo
+3.500
empresas formadas
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
Nuestra empresa decidió contratar formación con Imagina aprovechando los créditos de FUNDAE, y fue una gran decisión. La modalidad online nos permitió adaptar los horarios a nuestro equipo. La formación ha sido práctica, clara y útil para el día a día. Es sencillo de gestionar y los resultados son excepcionales.
Hugo Gutiérrez
Analista Financiero
Gracias a Imagina, la eficiencia de nuestras sesiones de capacitación ha mejorado drásticamente. Es sencillo de usar y los resultados son excepcionales.
Luis Martínez
Administrativo
Gracias al aula virtual de Imagina siempre son capaces de adaptar los cursos a nuestras necesidades. El contenido fue muy completo y práctico.
Elena Pérez
Responsable de Recursos Humanos
Mejor de lo esperado, la modalidad online se adapta a nuestros horarios. La ayuda con la bonificación FUNDAE hizo todo más fácil. Práctico y necesario.
Alejandro Sánchez
Director de Operaciones
480.000 alumnos formados en Imagina
Preguntas frecuentes
Resolvemos todas tus dudas sobre nuestra formación en Social Media Mining con Python
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
El curso de Social Media Mining con Python te proporciona las habilidades necesarias para analizar datos de redes sociales mediante el uso de Python, una herramienta clave en el ámbito del análisis de datos. Aprenderás a utilizar librerías como NetworkX, matplotlib y SciPy, lo que te permitirá extraer, limpiar y analizar datos de plataformas como Twitter, Instagram, Reddit y Facebook. Esto mejorará tus capacidades analíticas y facilitará la toma de decisiones empresariales basadas en datos reales.
Sí, el curso se puede bonificar a través de FUNDAE, permitiendo a las empresas recuperar hasta el 100% del coste del curso, dependiendo de los créditos de formación disponibles. Además, si nos encargamos de la gestión de la bonificación, solo implicará un coste adicional del 10% sobre el valor del curso más IVA, que también es bonificable según los créditos disponibles en FUNDAE.
El curso se imparte en la modalidad de aula virtual personalizada, lo que significa que las clases se llevan a cabo mediante videoconferencia a través de Zoom con un formador especializado. Esta modalidad también ofrece acceso a las grabaciones de las sesiones para su revisión posterior, permitiendo a los participantes ajustar el aprendizaje a su ritmo y necesidades.
Con este curso, adquirirás habilidades en la utilización de Python para la minería de datos en redes sociales, así como en el manejo de herramientas y librerías como NetworkX para análisis de redes complejas, Matplotlib para visualización, y SciPy para análisis estadístico. También desarrollarás capacidades para comprender el comportamiento del usuario en redes sociales y para realizar análisis ético del uso de datos.
Puedes inscribirte en el curso rellenando los formularios disponibles en nuestra página web. Asegúrate de proporcionar la información completa y correcta para que podamos procesar tu inscripción de manera eficiente y facilitar el acceso a los beneficios de bonificación a través de FUNDAE.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso de Social Media Mining con Python te proporciona las habilidades necesarias para analizar datos de redes sociales mediante el uso de Python, una herramienta clave en el ámbito del análisis de datos. Aprenderás a utilizar librerías como NetworkX, matplotlib y SciPy, lo que te permitirá extraer, limpiar y analizar datos de plataformas como Twitter, Instagram, Reddit y Facebook. Esto mejorará tus capacidades analíticas y facilitará la toma de decisiones empresariales basadas en datos reales.
¿Tienes dudas?
Estamos aqui para ayudarte
Sí, el curso se puede bonificar a través de FUNDAE, permitiendo a las empresas recuperar hasta el 100% del coste del curso, dependiendo de los créditos de formación disponibles. Además, si nos encargamos de la gestión de la bonificación, solo implicará un coste adicional del 10% sobre el valor del curso más IVA, que también es bonificable según los créditos disponibles en FUNDAE.
¿Tienes dudas?
Estamos aqui para ayudarte
El curso se imparte en la modalidad de aula virtual personalizada, lo que significa que las clases se llevan a cabo mediante videoconferencia a través de Zoom con un formador especializado. Esta modalidad también ofrece acceso a las grabaciones de las sesiones para su revisión posterior, permitiendo a los participantes ajustar el aprendizaje a su ritmo y necesidades.
¿Tienes dudas?
Estamos aqui para ayudarte
Con este curso, adquirirás habilidades en la utilización de Python para la minería de datos en redes sociales, así como en el manejo de herramientas y librerías como NetworkX para análisis de redes complejas, Matplotlib para visualización, y SciPy para análisis estadístico. También desarrollarás capacidades para comprender el comportamiento del usuario en redes sociales y para realizar análisis ético del uso de datos.
¿Tienes dudas?
Estamos aqui para ayudarte
Puedes inscribirte en el curso rellenando los formularios disponibles en nuestra página web. Asegúrate de proporcionar la información completa y correcta para que podamos procesar tu inscripción de manera eficiente y facilitar el acceso a los beneficios de bonificación a través de FUNDAE.
¿Tienes dudas?
Estamos aqui para ayudarte
Encuentra el Curso Perfecto para tu Organización
![Data Science con Python](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M457.18 127C287.3 127 297.91 200.67 297.91 200.67L298.1 276.99H460.21V299.9H233.71C233.71 299.9 125 287.58 125 458.98C125 630.38 219.88 624.31 219.88 624.31H276.51V544.77C276.51 544.77 273.45 449.85 369.87 449.85H530.66C530.66 449.85 620.99 451.31 620.99 362.55V215.85C620.99 215.85 634.71 127 457.18 127ZM367.79 178.32C375.517 178.315 382.929 181.378 388.397 186.837C393.866 192.296 396.942 199.703 396.95 207.43C396.957 211.258 396.209 215.05 394.749 218.588C393.289 222.127 391.146 225.343 388.443 228.053C385.739 230.763 382.528 232.914 378.993 234.382C375.458 235.85 371.668 236.607 367.84 236.61H367.79C360.063 236.626 352.647 233.572 347.171 228.121C341.695 222.67 338.609 215.267 338.59 207.54V207.49C338.586 203.663 339.336 199.873 340.797 196.336C342.257 192.799 344.401 189.585 347.104 186.876C349.807 184.167 353.017 182.018 356.551 180.55C360.085 179.082 363.873 178.324 367.7 178.32H367.79Z" fill="url(%23paint0_linear)"/>
<path d="M462.001 792.691C631.881 792.691 621.281 719.021 621.281 719.021L621.091 642.701H458.971V619.791H685.471C685.471 619.791 794.181 632.121 794.181 460.701C794.181 289.281 699.301 295.371 699.301 295.371H642.671V374.911C642.671 374.911 645.731 469.791 549.311 469.791H388.521C388.521 469.791 298.191 468.331 298.191 557.101V703.851C298.191 703.851 284.471 792.671 462.001 792.671V792.691ZM551.391 741.371C547.565 741.375 543.775 740.625 540.239 739.164C536.703 737.703 533.489 735.559 530.781 732.856C528.073 730.153 525.924 726.943 524.457 723.409C522.99 719.875 522.234 716.087 522.231 712.261C522.227 708.434 522.977 704.644 524.438 701.107C525.899 697.57 528.042 694.355 530.745 691.647C533.448 688.938 536.658 686.788 540.192 685.32C543.726 683.852 547.514 683.094 551.341 683.091C555.17 683.077 558.964 683.819 562.506 685.272C566.049 686.726 569.27 688.863 571.986 691.561C574.702 694.26 576.86 697.467 578.337 701C579.813 704.533 580.579 708.322 580.591 712.151V712.201C580.596 719.93 577.532 727.345 572.071 732.815C566.61 738.285 559.201 741.363 551.471 741.371H551.391Z" fill="url(%23paint1_linear)"/>
<defs>
<linearGradient id="paint0_linear" x1="191.93" y1="192.868" x2="525.539" y2="525.735" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint1_linear" x1="393.096" y1="411.662" x2="745.197" y2="744.49" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
CURSO
Data Science con Python
A Medida
Aprende Data Science con Python y domina herramientas como Pandas, Matplotlib y Scikit-learn para análisis, visualización y modelado de datos en proyectos reales.
CURSO
Ciencia de Datos con Python
A Medida
Online
Aprende a recopilar, limpiar y preparar datos para visualizarlos y gestionarlos con Python.
![Análisis y visualización de datos con Python](data:image/svg+xml;utf8,<svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path d="M668.771 275C656.502 275 646.556 282.762 646.556 292.336V627.664C646.556 637.238 656.502 645 668.771 645H809.34C821.609 645 831.556 637.238 831.556 627.664V292.336C831.556 282.762 821.609 275 809.34 275H668.771Z" fill="url(%23paint0_linear_2380_18404)"/>
<path d="M797.947 378.291H777.389C775.159 395.677 761.439 409.467 744.087 411.802V432.371C772.743 429.866 795.556 406.98 797.947 378.291Z" fill="white"/>
<path d="M797.927 368.067H777.357C774.802 349.085 758.538 334.449 738.855 334.449C730.031 334.449 721.894 337.391 715.372 342.347L700.824 327.799C711.119 319.185 724.382 314 738.855 314C769.842 314 795.278 337.768 797.927 368.067Z" fill="white"/>
<path d="M693.574 335.008C684.829 345.339 679.556 358.704 679.556 373.299C679.556 404.368 703.449 429.857 733.863 432.392V411.834C714.764 409.384 700.004 393.066 700.004 373.3C700.004 364.353 703.028 356.112 708.111 349.544L693.574 335.008Z" fill="white"/>
<rect x="685.679" y="505.441" width="21.5258" height="100.454" fill="white"/>
<rect x="742.339" y="462.391" width="21.5258" height="143.505" fill="white"/>
<rect x="770.669" y="483.918" width="21.5258" height="121.979" fill="white"/>
<rect x="714.009" y="483.918" width="21.5258" height="121.979" fill="white"/>
<path d="M342.784 185C202.257 185 211.033 245.941 211.033 245.941L211.191 309.074H345.29V328.025H157.926C157.926 328.025 68 317.834 68 459.618C68 601.403 146.486 596.381 146.486 596.381H193.331V530.585C193.331 530.585 190.8 452.066 270.56 452.066H403.567C403.567 452.066 478.29 453.274 478.29 379.85V258.498C478.29 258.498 489.639 185 342.784 185ZM268.839 227.453C275.231 227.448 281.362 229.982 285.886 234.498C290.409 239.014 292.954 245.141 292.961 251.533C292.966 254.699 292.347 257.836 291.14 260.763C289.932 263.69 288.16 266.351 285.923 268.593C283.687 270.834 281.031 272.613 278.106 273.828C275.182 275.042 272.047 275.669 268.88 275.671H268.839C262.448 275.684 256.312 273.158 251.783 268.649C247.253 264.139 244.7 258.015 244.684 251.624V251.582C244.681 248.417 245.302 245.282 246.51 242.356C247.718 239.43 249.491 236.771 251.727 234.53C253.963 232.29 256.619 230.511 259.542 229.297C262.465 228.083 265.599 227.456 268.765 227.453H268.839Z" fill="url(%23paint1_linear_2380_18404)"/>
<path d="M346.772 735.674C487.299 735.674 478.53 674.733 478.53 674.733L478.373 611.6H344.266V592.648H531.629C531.629 592.648 621.556 602.848 621.556 461.047C621.556 319.246 543.07 324.284 543.07 324.284H496.225V390.08C496.225 390.08 498.756 468.566 418.996 468.566H285.988C285.988 468.566 211.266 467.359 211.266 540.79V662.184C211.266 662.184 199.917 735.657 346.772 735.657V735.674ZM420.717 693.221C417.551 693.224 414.417 692.604 411.491 691.395C408.566 690.187 405.907 688.414 403.667 686.178C401.427 683.942 399.65 681.286 398.436 678.363C397.223 675.44 396.597 672.306 396.595 669.141V669.141C396.592 665.975 397.212 662.84 398.42 659.914C399.629 656.989 401.402 654.329 403.638 652.089C405.874 649.848 408.529 648.07 411.453 646.855C414.376 645.641 417.51 645.014 420.675 645.011V645.011C423.843 645 426.981 645.613 429.911 646.816C432.841 648.018 435.506 649.786 437.753 652.018C440 654.25 441.785 656.903 443.006 659.826C444.228 662.748 444.861 665.883 444.871 669.05V669.091C444.876 675.485 442.34 681.619 437.823 686.144C433.306 690.669 427.177 693.214 420.783 693.221H420.717Z" fill="url(%23paint2_linear_2380_18404)"/>
<defs>
<linearGradient id="paint0_linear_2380_18404" x1="567.931" y1="230.889" x2="556.424" y2="644.68" gradientUnits="userSpaceOnUse">
<stop stop-color="%233770A0"/>
<stop offset="0.858789" stop-color="%23023461"/>
</linearGradient>
<linearGradient id="paint1_linear_2380_18404" x1="123.365" y1="239.487" x2="399.332" y2="514.839" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint2_linear_2380_18404" x1="289.773" y1="420.482" x2="581.036" y2="695.802" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
CURSO
Análisis y visualización de datos con Python
A Medida
Empieza en el mundo de la ciencia de datos a través del análisis de datos y la creación de visualizaciones con Python para la toma de decisiones a nivel profesional
Diseñemos hoy el curso que tu empresa necesita
Cuéntanos tus objetivos de negocio y prepararemos una propuesta formativa bonificable totalmente ad hoc
