Capítulos:
0:00 Bienvenida a la Semana 3
9:36 Estructura HTML y Fundamentos de Web Scraping
19:05 Ingeniería Inversa de APIs No Documentadas
28:27 BeautifulSoup: Navegación entre Hermanos
37:52 Depuración de Errores de Cadenas/Archivos en Vivo
47:30 Web Scraping de Datos de Acciones de Netflix
56:55 Arreglando Tipos de Datos Después del Scraping
1:06:25 Limpieza de DataFrames para Modelado
1:15:43 Cuestionario Práctico: BeautifulSoup y Web Scraping
Sesión en Vivo del Módulo 3 para el Certificado Profesional en Ciencia de Datos de IBM, cohorte IBSC 2026-04-08.
En esta sesión, pasamos de los fundamentos de Python a flujos de trabajo de datos del mundo real. El enfoque está en recopilar datos de fuentes externas, transformarlos en estructuras utilizables y prepararlos para análisis y visualización.
Los temas cubiertos incluyen:
• Trabajando con notebooks de Jupyter
• Web scraping con BeautifulSoup
• Entendiendo HTML, XML y lenguajes de marcado
• Navegando etiquetas padre, hijo y hermano
• Extrayendo datos de páginas web y tablas HTML
• Usando requests para obtener contenido web
• Leyendo tablas web con Pandas
• Trabajando con APIs y wrappers de API como yfinance
• Entendiendo respuestas JSON de APIs
• Usando diccionarios, claves y .get() de manera segura
• Convirtiendo datos crudos de API y web en DataFrames de Pandas
• Introducción a flujos de trabajo ETL
• Creando visualizaciones rápidas con Matplotlib y gráficos de Pandas
• Discutiendo dónde encaja el web scraping en los flujos de trabajo de datos modernos
La gran idea de este módulo es que la ciencia de datos comienza con la adquisición de datos. Antes de poder construir modelos de aprendizaje automático, paneles de control o herramientas de IA, necesitamos entender cómo extraer, limpiar, estructurar y validar datos de fuentes del mundo real.
Todos los notebooks y materiales de la sesión en vivo para este bootcamp están disponibles aquí:
#cienciadedatos #python #webscraping #apis #ETL #pandas #beautifulsoup #visualizacióndedatos #bootcamp