El pasado viernes 5 de septiembre se llevó a cabo la tercera sesión del curso Python Learning, organizado por nuestro núcleo, con la participación de sus investigadoras adjuntas, la Dra. Romina Sepúlveda (Universidad Andrés Bello), la Dra. Mabel Vidal (Universidad de Concepción) y la Dra. Carol Moraga (Universidad de O’Higgins).
La primera parte de la jornada estuvo a cargo de la Dra. Romina Sepúlveda, quien introdujo a los y las participantes en conceptos clave de visualización y análisis de datos en Python. Se revisaron herramientas como los histogramas para observar distribuciones numéricas, el uso de boxplots y stripplots para analizar diferencias entre categorías, y criterios para seleccionar el tipo de gráfico más adecuado en análisis bivariados o multivariados. Estos contenidos permitieron a la audiencia comprender cómo traducir datos biológicos en representaciones gráficas claras y útiles para la investigación científica.
La segunda parte estuvo liderada por Felipe Gómez, miembro del laboratorio de la Dra. Carol Moraga (Universidad de O’Higgins). Su taller práctico se centró en el uso de NumPy como herramienta fundamental para la computación científica en Python. A través de ejemplos aplicados, los participantes aprendieron a manipular arreglos multidimensionales (ndarrays) utilizando métodos como reshape, flatten, astype y operaciones de agregación (sum, mean, std, entre otras). Además, exploraron las ufuncs (funciones universales) para operaciones vectorizadas y realizaron ejercicios de estadística básica, incluyendo el cálculo de medias, desviaciones estándar y valores mínimos y máximos. Finalmente, el taller abordó la visualización de datos genómicos mediante histogramas, boxplots comparativos y heatmaps, mostrando cómo estas técnicas permiten extraer patrones y tendencias relevantes en conjuntos de datos biológicos.