Este curso está diseñado para capacitar a profesionales y estudiantes en el uso de Python aplicado al análisis econométrico. A través de herramientas como Pandas, Statsmodels y linearmodels, los participantes aprenderán a importar, procesar y visualizar datos económicos, así como a implementar modelos de regresión, series de tiempo y datos de panel. Además, se abordarán buenas prácticas para la documentación reproducible y conceptos básicos de MLOps para el versionado y despliegue de modelos.

MÓDULO 0

Entorno de trabajo y herramientas esenciales 

• Bienvenida, Objetivos del curso e instalación de Python.
• Introducción al IDE Positron y uso esencial de la terminal.
• Fundamentos de Quarto para documentación y reportes.

MÓDULO 1

Fundamentos de programación en Python 

• Variables, Tipos de datos fundamentales y Operadores.
• “Todo en Python es un objeto”: Atributos, Métodos (y funciones).
• Estructuras de datos como objetos (Listas, Diccionarios y sus métodos).
• Estructuras de control (condicionales y bucles).
• Módulos, paquetes y su gestión con pip y Entornos Virtuales (venv).

MÓDULO 2

Manipulación de datos con Pandas y visualización

• Introducción a NumPy (como base de Pandas).
• Pandas para el análisis de datos: 
  - Series y DataFrames: Creación, inspección y selección.
  - Lectura/Escritura de datos, manejo de datos faltantes y transformaciones.
  - Agrupación y combinación de DataFrames.
• Visualización de datos esencial con Matplotlib y Seaborn.

MÓDULO 3

Modelado econométrico para datos de Corte Transversal con Statsmodels 

• Introducción a Statsmodels y la API de fórmulas.
• Regresión Lineal (MCO): Estimación, interpretación y predicción. 
  - Variables cualitativas, interacciones y formas funcionales.
• Diagnóstico del Modelo Lineal (Residuos, Multicolinealidad, Heterocedasticidad).

MÓDULO 4

Tópicos avanzados en modelado econométrico (Series de Tiempo y Datos de Panel)

•  Análisis de Series de Tiempo con Pandas y Statsmodels: 
  - Manejo de datos temporales, visualización (ACF/PACF).
  - Introducción a modelos ARMA/ARIMA.
•  Modelos para Datos de Panel con linearmodels: 
  - Preparación de datos de panel.
  - Estimación e interpretación de Pooled OLS, Efectos Fijos y Aleatorios.
• Introducción a modelos para Variables Dependientes Discretas con Statsmodels.

MÓDULO 5

Proyecto final, Versionado, Despliegue y Buenas prácticas

• Conceptos de Versionado, Despliegue y Monitoreo de modelos con Vetiver.
• Desarrollo del Proyecto Final Aplicado (en Quarto).
• Presentación de proyectos, Buenas prácticas y Cierre del curso.

Capacitar a los participantes en el uso del lenguaje de programación Python y sus librerías especializadas (Pandas, Statsmodels, linearmodels, Vetiver) para la importación, manipulación, visualización de datos, así como la implementación, diagnóstico y comunicación efectiva de análisis econométricos aplicados a datos de corte transversal, series de tiempo y datos de panel, introduciendo también conceptos básicos de versionado y consideraciones para el despliegue de modelos.

Estudiantes: Alumnos de grado, maestrías o doctorados en Economía, Finanzas, Políticas Públicas, Ciencia de Datos Aplicada o campos afines que ya posean conocimientos teóricos de econometría.

Profesionales y académicos del área de economía y finanzas: Economistas, analistas financieros, consultores, investigadores y científicos de datos que trabajen con datos económicos y financieros.

Docentes e investigadores universitarios: Profesores que deseen incorporar Python en su enseñanza de la econometría o en sus proyectos de investigación.

Analistas de datos en general: Profesionales que, teniendo una base econométrica, deseen migrar o complementar sus herramientas de análisis con Python.