Seaborn
Seaborn ·Ciencia de Datos
Curso completo de visualización estadística en Python con Seaborn, orientado a análisis exploratorio y reporting para ciencia de datos y analítica de negocio. Trabajas con gráficos relacionales, de distribución, categóricos y de regresión, mapas de calor, paletas y temas, composiciones en rejillas y la nueva interfaz declarativa. Al terminar produces visualizaciones claras y reutilizables para informes, modelos y dashboards.
¿Prefieres verlo en directo? Agenda una demo sin compromiso.
Formación corporativa: este curso se activa bajo pedido para tu organización. Adaptamos temario, calendario y modalidad (teleformación, aula virtual o mixto).
Contenido del curso
Visualización estadística en Python con interfaz declarativa.
-
Introducción e instalación Lección
-
Conceptos básicos de Seaborn Lección
-
Seaborn vs Matplotlib Lección
-
Estructuras de datos en Seaborn Lección
-
Temas y estilos básicos Lección
-
Test de introducción a Seaborn Test
Detalles del curso
Público objetivo
- Científicos de datos y analistas que necesitan dominar la visualización estadística en Python.
- Desarrolladores Python que ya conocen Matplotlib y buscan una herramienta de alto nivel para gráficos estadísticos.
- Ingenieros de machine learning que necesitan explorar y comunicar datos de forma visual y profesional.
- Estudiantes de ciencia de datos que quieren un itinerario completo de Seaborn con proyectos prácticos.
Contenido del certificado
Módulo 1: Introducción, instalación y conceptos fundamentales Qué es Seaborn, instalación y primer gráfico Estructura de Seaborn: figure level vs axes level Diferencias clave entre Seaborn y Matplotlib Datos long form vs wide form con Pandas Temas, estilos y contextos Módulo 2: Gráficos relacionales Gráficos de dispersión con scatterplot Gráficos de líneas con lineplot relplot como función figure level con faceting Codificación visual: hue, size y style Módulo 3: Gráficos de distribución Histogramas con histplot y KDE con kdeplot Distribución acumulada con ecdfplot y rugplot displot como función figure level Distribuciones bivariantes jointplot y pairplot para análisis de pares Módulo 4: Gráficos categóricos Dispersión categórica: stripplot y swarmplot Diagramas de caja, violín y boxenplot Gráficos de barras, conteo y puntos catplot como función figure level Módulo 5: Regresión y matrices de calor Regresión visual con regplot y lmplot Análisis de residuos con residplot Mapas de calor con heatmap Mapas de calor jerárquicos con clustermap Módulo 6: Personalización avanzada Paletas de colores secuenciales, divergentes y cualitativas FacetGrid para cuadrículas condicionales PairGrid y JointGrid Títulos, etiquetas, leyendas y límites de ejes Ajustes avanzados de ejes y escalas Temas predefinidos, rcParams y despine Módulo 7: Integraciones y producción Integración avanzada con Pandas 2.x y backend PyArrow Composición de subplots con plt.subplots y GridSpec API declarativa seaborn.objects Exportación de figuras en PNG, PDF y SVG Integración con Jupyter Notebook y Streamlit Módulo 8: Evaluación y proyectos Test global de conocimientos Proyecto de dispersión con penguins Proyecto multivariado con FacetGrid Proyecto integrador de EDA completo Retos de código de análisis de datos
Este curso completo de Seaborn recorre la biblioteca de visualización estadística de principio a fin: desde los conceptos fundamentales (figure level vs axes level, datos long form vs wide form) hasta la nueva interfaz seaborn.objects, pasando por gráficos relacionales, distribuciones univariantes y bivariantes, gráficos categóricos, regresión, mapas de calor, personalización avanzada con paletas y grids (FacetGrid, PairGrid, JointGrid), integraciones con Pandas y Streamlit, exportación de figuras y proyectos prácticos de análisis de datos.
Objetivos de aprendizaje
- Dominar la arquitectura de Seaborn y elegir entre funciones figure-level y axes-level según el caso.
- Crear gráficos relacionales, de distribución y categóricos con codificación visual de múltiples variables.
- Aplicar regresión visual, mapas de calor y clustermap para análisis estadístico avanzado.
- Personalizar visualizaciones con paletas, grids y ajustes de ejes a nivel profesional.
- Utilizar la nueva interfaz
seaborn.objectspara composición declarativa de gráficos. - Integrar Seaborn con Pandas, Matplotlib, Jupyter y Streamlit y exportar figuras en alta calidad.
Otros cursos de Seaborn
Seaborn - Evaluación, Integraciones y producción
Curso para llevar tus visualizaciones con Seaborn más allá del análisis exploratorio y conectarlas con un flujo real de entrega. Trabajas con evaluación de calidad gráfica y errores comunes, integración con notebooks, reporting y dashboards, exportación reproducible y patrones para incluir Seaborn en proyectos productivos junto a pandas y Matplotlib. Al terminar entregas un proyecto completo de visualización empaquetado y listo para compartir con tu equipo.
Seaborn - Fundamentos
Curso de fundamentos visuales con Seaborn para análisis exploratorio de datos en Python. Trabajas con gráficos relacionales para descubrir patrones entre variables, gráficos de distribución para entender la forma de los datos y gráficos categóricos para comparar grupos y segmentos. Al terminar manejas con soltura las familias de gráficos imprescindibles y los aplicas a tus propios DataFrames para generar insights claros y comunicables.
Seaborn - Regresión, matrices de calor y Personalización de gráficos
Curso para llevar tus visualizaciones con Seaborn al nivel de informe técnico publicable. Trabajas con gráficos de regresión para acompañar análisis y modelos, matrices de calor para correlaciones y matrices de confusión, y técnicas avanzadas de personalización: paletas, temas, anotaciones, leyendas y composición en rejillas multivariable. Al terminar produces gráficos con identidad visual coherente, listos para informes, papers y presentaciones.
Forma equipos completos con un itinerario
Este curso aparece dentro de las siguientes carreras corporativas.
Data Analytics
Carrera profesional de Data Analytics para analistas de negocio, BI y consultoría: dominio de SQL para exploración y modelado, Python con pandas y NumPy para análisis, visualización avanzada con Power BI, Plotly, Matplotlib y Seaborn, transformación con dbt, procesamiento en Databricks y Streamlit para aplicaciones analíticas orientadas a la toma de decisiones en banca, seguros, retail, energía y consultoras.
IA para Ciencia de Datos
Carrera profesional de ciencia de datos e IA para equipos que construyen modelos predictivos, sistemas de ML y pipelines de deep learning en producción: Python, SQL, análisis con NumPy y pandas, visualización, machine learning con scikit-learn, deep learning con TensorFlow y PyTorch, Transformers de Hugging Face, PySpark y MLOps.
¿Formación para tu equipo en esta tecnología?
Tú nos dices a quién formar y nosotros configuramos la plataforma con tu marca, damos de alta a tu gente, evaluamos las entregas con IA y te entregamos los certificados y los informes técnicos para tu gestor FUNDAE. Catálogo amplio con teleformación, aula virtual o mixto. Sin permanencia, sin coste de setup.
¿Prefieres verlo en directo? Agenda una demo.
Preguntas frecuentes
- ¿Seaborn es bonificable por FUNDAE para mi empresa?
- Puede ser bonificable cuando la acción cumple los requisitos aplicables. La plataforma aporta evidencias técnicas: seguimiento de tiempos, registro de conexiones, foros, encuestas y certificados para que tu entidad organizadora o gestoría revise la documentación.
- ¿En qué modalidades se imparte Seaborn?
- En tres modalidades: teleformación (online asíncrona), aula virtual privada en directo y mixta. Adaptamos temario, calendario y modalidad al equipo.
- ¿Se adapta Seaborn al nivel de mi equipo?
- Sí. Adaptamos temario, calendario y modalidad al nivel y al stack del equipo, con ejercicios evaluados por IA y certificado verificable.
- ¿Cuánto tarda en activarse para mi empresa?
- La activación corporativa estándar es rápida, sin coste de setup ni permanencia.