Limpieza base (missing values y duplicados)

Curso práctico centrado en la limpieza mínima imprescindible para trabajar con datos reales. El alumno aprende a detectar problemas habituales de calidad, como valores ausentes, registros duplicados y formatos inconsistentes, y a aplicar soluciones básicas antes de visualizar o modelar. El objetivo es dar una base operativa de preprocesado para que el resto del certificado Data Science con Python arranque sobre datos utilizables.

Al finalizar el curso, el participante será capaz de:

• Detectar valores ausentes y duplicados en un conjunto de datos
• Seleccionar estrategias básicas de limpieza según el contexto del dato
• Eliminar o imputar valores ausentes aplicando criterios simples y justificables
• Normalizar formatos y tipos básicos antes de un análisis posterior
• Preparar un DataFrame limpio para visualización o modelado inicial

1. Detección de problemas de calidad - valores ausentes, duplicados, formatos incoherentes y perfilado inicial
2. Limpieza básica - eliminación, imputación simple, normalización de tipos y estandarización de campos
3. Preparación para análisis - salida limpia, validación rápida y criterios mínimos de calidad

• Python 3 instalado
• Entorno de notebooks o editor con ejecución de scripts
• Biblioteca pandas disponible

→ PY01 - Fundamentos de Python: Tipos escalares | operadores y flujo de control