• Aprender un lenguaje sencillo. Dentro de los lenguajes de promoción por los que puedes optar, Python destaca por su sencillez, legibilidad y precisión de sintaxis. Por lo tanto, en pocas líneas te permite programar algoritmos bastante complejos. Este lenguaje es, esencialmente, práctico en cuanto al uso del código.
• Aprender un lenguaje versátil. Si hay algo que de verdad caracteriza a este lenguaje de programación, es su capacidad para ser utilizado en múltiples propósitos distintos. Para ello, se utilizan diferentes librerías que añadirán funciones adicionales a este lenguaje y que crecen de forma exponencial en una comunidad muy activa de desarrolladores.
• Aprender a extraer datos.  Una de las tareas para las que te vendrá bien saber algo de programación con Phyton es, sin duda, la extracción de datos de múltiples fuentes: webs, redes sociales, bases de datos de Balances y Cuentas de resultados, cotizaciones de bolsa, investigación de mercado, prospección, generación de leads comerciales, Plantilla de Recursos Humanos, estudios de satisfacción interna o externa etc. Asimismo, Phyton puede ayudarte a la hora de llevar a cabo una visualización de datos avanzada, esencial en el proceso de decisión compatible con la potencia de Excel.
• Aprender a automatizar procesos: Python  puede convertirse en el  mejor aliado ya que una de sus grandes virtudes es automatizar los procesos que se hacen de manera mecánica. Reducirlos a unas líneas de código que podrás insertar donde necesites, te ahorrará mucho tiempo que podrás aprovechar para otras tareas más provechosas.

Titulados o estudiantes de último año de carrera en Ingeniería técnica o Superior, Grado o Master en Ingeniería. Conocimientos básicos de programación. 

Temario “Python para ingenieros”. Nivel 2

1.      ¿Por qué Python?  Presentación comparativa, fortalezas, potencial futuro

2.      ¿Cómo trabajar en Python? Uso de editores (Spyder, PyCharm, etc.) y notebooks de Jupyter

3.      Sintaxis básica:

• Tipos de datos
• Librerías
• Funciones
• Estructuras de control
• Clases y objetos

4.      Representación con Matplotlib

5.      Operaciones matemáticas con Numpy

• Estructuras de datos con arrays
• Manipulación de arrays
• Algebra lineal

6.      Cálculo científico con SciPy

• Interpolación
• Sistemas de ecuaciones no lineales
• Ajustes por mínimos cuadrados
• Integración numérica
• Ecuaciones Diferenciales Ordinarias

7.      Introducción a Linux (línea de comandos) y a Git (control de versiones)

8.      Introducción al Modelado Físico y Optimización

9.      Introducción a Data Science

10.  Introducción a Inteligencia Artificial: Machine Learning y Deep Learning