Instalación y configuración del entorno de desarrollo (Anaconda, Jupyter Notebooks).

Fundamentos de programación en Python.

Estructuras de datos básicas: listas, tuplas, diccionarios y conjuntos.

Control de flujo: bucles y condicionales.

Descripción estadística de datos.

Distribuciones de probabilidad.

Pruebas de hipótesis.

Introducción a la librería SciPy para análisis estadístico.

Regresión lineal simple y múltiple

Modelos econométricos avanzados.

Diagnóstico y validación de modelos.

Uso de la librería statsmodels.

Construcción de modelos económicos.

Simulación de escenarios.

Optimización y programación lineal.

Introducción a la librería PuLP para optimización.

Introducción a la librería matplotlib.

Creación de gráficos estáticos y dinámicos.

Visualización de resultados econométricos.

Uso de la librería seaborn para gráficos avanzados.

Definición del problema económico a resolver.

Recolección y limpieza de datos.

Aplicación de técnicas econométricas y modelización.

Presentación y visualización de resultados.

Documentación y reporte final.