Academy

We have two ongoing courses at the moment:

  • Basic Python
  • Python para Periodismo de Datos

You can read details for both below and stay tuned for different courses that we will be adding to this space!

Basic Python

The Basic Python course is aimed at people looking to get a head start with Python for data analysis and exploration.

In two sessions we will learn from how to clean messy data sets, analyze data, automatically download data from the web, to how to create basic charts and maps.

The sessions are a mixture of explanations and practical exercises.

At the end of the course, each student will receive an official certificate signed by the instructor.

Date: Contact us to give you the starting dates for the next cohort

Duration: 3 hours per session

Hours: 09:30 a.m. - 12:30 pm.

Location: Remote

Prices:

Women: $ 100. We fully support women in STEM.

Full price: $ 300.00.

Would you like to attend as a group? If your company plans to send a group of 3 or more people, we offer discounts. Please contact us at [academy@libreai.com] for more information.

Are you a student and would you like to attend the course? Please contact us at [academy@libreai.com] for more information on special prices.

*** Limited availability ***

Instructor: Dr. Claudia Orellana-Rodríguez

Claudia is a scientist and engineer whose work harnesses the power of machine learning, natural language processing (NLP), social media analysis, and opinion mining to reveal patterns of engagement, attention, and influence in the digital age. She has a PhD in Computer Science from University College Dublin, Ireland, a Master of Science from Leibniz Universitaet Hannover, Germany, and a Computer Systems Engineering from the University of El Salvador (UES).

Claudia has been a visiting researcher at the Center for Civic Media at the MIT Media Lab, where she worked with the Media Cloud team to identify the influence of the American media.

[https://www.linkedin.com/in/claudia-orellana-rodriguez/]

Contents
SESSION I
Clean data

In the real world, generally, the data we work with is not clean or in the proper format. In this section we will start by importing a file to prepare for data cleansing. Among other things, we will learn how to find and replace values within a column, how to change the data type of a column, and how to extract data from a column to complete a new column.

Analyze data
In this section we will learn how to explore data, looking at summary statistics (count, median, mean, percentiles, standard deviation, etc.) for each column. We will also see how to sort, filter, sum, and count values in columns. Finally, we will learn how to group data by creating pivot tables.

SESSION II
Download data from the web

In practice, we may want to download data first, then clean and analyze it. However, there is also the possibility that the data comes from another source, so we leave this section for now. At the end of this section, we will be able to write some basic webscrapers to collect data from the Internet.

Visualizations
In this section we will learn about techniques that can be used to integrate visualizations into a narrative. Then we will create basic charts: line charts, bar charts, and scatter plots. Finally we will explore how to use maps to report geographically distributed information.

Prerequisites
This course is intended for people with little or no prior knowledge of Python.
Although no programming skills are required, it helps to know what a terminal is and to be familiar with Excel or Google Sheets.
NOTE: In this course we start with a development environment that the instructor has prepared and suitable for the tasks that we are going to carry out. It is not necessary for students to prepare an environment prior to the course. Each student, however, will have the opportunity to ask questions and receive advice to establish her development environment (install Python, libraries, Jupyter, ...) on her personal computer.

Equipment
Computer.
Internet access.
Web browser, preferably Chrome, Firefox, or Safari.

Python para Periodismo de Datos

El curso Python para Periodismo de Datos está dirigido a periodistas que buscan aprender los usos más comunes de Python para contar historias con datos.

En dos sesiones aprenderemos desde cómo limpiar conjuntos de datos desordenados, analizar datos, descargar datos automáticamente de la web, hasta cómo crear gráficos y mapas básicos.

Las sesiones son una mezcla de explicaciones y ejercicios prácticos.

Al final de curso, cada asistente recibirá un certificado oficial firmado por la instructora.

Fecha: Contáctanos para darte los detalles del siguiente curso

Duración: 3 horas por sesión

Horas: 09:30a.m. - 12:30p.m.

Lugar: Remoto

Precios:

Mujeres en periodismo: $100.

Precio completo: $150.00.

¿Quisieras asistir en grupo? Si tu compañía planea enviar un grupo de 3 o más personas, ofrecemos descuentos. Por favor contáctanos a [academy@libreai.com] para mayor información.

¿Eres estudiante de periodismo y te gustaría asistir al curso? Por favor contáctanos a [academy@libreai.com] para mayor información sobre precios especiales.

*** Cupo Limitado ***

Instructora: Dr. Claudia Orellana-Rodríguez

Claudia es una científica e ingeniera cuyo trabajo aprovecha el poder de machine learning, el procesamiento del lenguaje natural (NLP), el análisis de redes sociales y la minería de opiniones, para revelar patrones de participación, atención e influencia en la era digital. Tiene un doctorado en Ciencias de la Computación de la University College Dublin, Irlanda, una maestría en ciencias de la Leibniz Universitaet Hannover, Alemania, y una Ingeniería de Sistemas Informáticos de la Universidad de El Salvador (UES).

Claudia ha sido investigadora visitante en el Center for Civic Media del MIT Media Lab, donde trabajó con el equipo de Media Cloud para identificar la influencia de los medios de comunicación estadounidenses.

[https://www.linkedin.com/in/claudia-orellana-rodriguez/]

Contenido
SESION I
Limpiar datos

En el mundo real, generalmente, los datos con los que trabajamos no están limpios o con el formato adecuado. En esta sección empezaremos por importar un archivo para prepararnos para la limpieza de datos. Entre otras cosas, aprenderemos a buscar y reemplazar valores dentro de una columna, cómo cambiar el tipo de datos de una columna y cómo extraer datos de una columna para completar una nueva columna.

Analizar datos
En esta sección aprenderemos a explorar datos, mirando estadísticas resumidas (recuento, mediana, media, percentiles, desviación estándar, etc.) para cada columna. También veremos cómo ordenar, filtrar, sumar y contar valores en columnas. Finalmente, aprenderemos cómo agrupar datos creando tablas dinámicas.

SESION II
Descargar datos de la web
En la práctica, es probable que primero deseemos descargar datos para luego limpiarlos y analizarlos. Sin embargo, también existe la posibilidad de que los datos vengan de otra fuente, por eso dejamos esta sección para este momento. Al finalizar esta sección, vamos a poder escribir algunos webscrapers básicos para recopilar datos de Internet.

Visualizaciones para contar historias
En esta sección aprenderemos sobre técnicas que se pueden utilizar para integrar visualizaciones en una narrativa. Luego crearemos gráficos básicos: gráficos de líneas, de barras y diagramas de dispersión. Finalmente exploraremos cómo usar mapas para reportar información distribuida geográficamente.

Prerrequisitos
Este curso está dirigido a periodistas con poco o sin conocimiento previo de Python y que buscan sumergirse en el periodismo de datos.
Aunque no se requieren conocimientos de programación, es útil saber qué es una terminal y estar familiarizados con Excel o Google Sheets.
NOTA: En este curso partimos con un ambiente de desarrollo que la instructora ha preparado y adecuado para las tareas que vamos a realizar. No es necesario que los estudiantes preparen un ambiente previo al curso. Cada estudiante, sin embargo, tendrá la oportunidad de hacer preguntas y recibir asesoría para establecer su ambiente de desarrollo (instalar Python, librerías, Jupyter, ...) en su computadora personal.

Equipo
Computadora.
Acceso a Internet.
Navegador web, de preferencia Chrome, Firefox, o Safari.