La programación constituye una competencia transversal y esencial en la formación universitaria de los grados en ingeniería, ciencias experimentales y tecnologías. Python se ha consolidado como herramienta de referencia para la introducción a la programación por su sintaxis clara, su curva de aprendizaje progresiva y su amplia aplicabilidad en múltiples dominios científicos y técnicos.

Este curso está pensado como un recurso educativo completo (curso introductorio sobre programación y ciencia de datos con Python), diseñado para su reutilización por estudiantes y docentes y para su integración en distintos planes de estudio.

Este curso de programación se estructura para una semana de trabajo (30 horas). Se propone la siguiente planificación para dicha semana:

Día 1: Introducción a Python y su entorno (6 horas)
  • Lección 1: Instalación de entorno de trabajo: Jupyter Notebook (en Docker) y Visual Studio Code (1.5 horas)
  • Lección 2: Introducción a la programación y resolución automática de problemas con Python (2 horas)
  • Lección 3: Tipos de datos y operadores (2.5 horas)
Día 2:  Estructuras de control y desarrollo modular (6 horas)
  • Lección 4: Instrucciones simples y estructuradas (2 horas)
  • Lección 5: Diseño de programas elementales en Python (2 horas)
  • Lección 6: Desarrollo modular y diseño descendente (2 horas)
Día 3: Tipos de datos simples y estructurados (6 horas)
  • Lección 7: Enteros (1 hora)
  • Lección 8: Flotantes (1.5 horas)
  • Lección 9: Booleanos y cadenas (1.5 horas)
  • Lección 10: Listas, diccionarios, tuplas y conjuntos. Funciones de primer orden (2 horas)
Día 4: Ficheros. Manipulación de datos y ficheros en Python (6 horas)
  • Lección 11: Entrada y salida de datos. Ficheros (3 horas)
  • Lección 12: Introducción a numpy y pandas (3 horas)
Día 5: Visualización de datos. Repaso (6 horas)
  • Lección 13: Visualización de datos con matplotlib y seaborn (2 horas)
  • Lección 14: Introducción al aprendizaje automático con scikit-learn (4 horas)

Declaración de uso de Inteligencia Artificial generativa

Durante la preparación de este trabajo, el autor ha utilizado varios modelos (OpenAI ChatGPT4, Claude Code) para armonizar el texto. Tras usar esta herramienta, se ha revisado y editado el contenido según fuera necesario. El autor asume la plena responsabilidad del contenido de la publicación.

Licencia

Distribuido bajo licencia Creative Commons 4.0 BY-NC-SA.

Última modificación: sábado, 27 de junio de 2026, 15:23