Ciencia de datos y herramientas Big Data para la Investigación
Desde
01
Jun
Hasta
16
Jun
Estado:
Matrícula cerrada
Modalidad:
Online
Fechas del curso:
Límite renuncias: 20/06/23
Lunes, 26 de junio de 2023 (16:30 a 20:30h.)
Martes, 27 de junio de 2023 (10:00 a 14:00h.)
Miércoles, 28 de junio de 2023 (16:30 a 20:30h.)
Contenidos

Curso de 21 horas de certificación (2'1 creds.) Fecha límite para renunciar al curso: 20/06/2023.

BLOQUE I: Análisis exploratorio de datos

  • Tema 1: Introducción a la ciencia de datos
  • Tema 2: Adquisición y visualización de datos
  • Tema 3: Análisis de la distribución de los datos

BLOQUE II: Técnicas de preprocesado de datos

  • Tema 4: Preprocesado de datos
  • Tema 5: Selección de atributos

BLOQUE III: Aprendizaje no supervisado

  • Tema 6: Técnicas de clustering
  • Tema 7: Técnicas de extracción de reglas de asociación

BLOQUE IV: Aprendizaje supervisado

  • Tema 8: Técnicas de clasificación
  • Tema 9: Técnicas de regresión
Fecha de entrega tarea:

Participación obligatoria en sesiones síncronas.

Realización de una tarea práctica con datos reales: 100%

 

* Es necesario tener en cuenta los criterios de asistencia como parte de la evaluación del curso además de los propios que establezca el/la ponente:
Según el Plan de Formación aprobado por la Comisión de Formación e Innovación en su punto 5 (5.1) se establece con respecto a la asistencia que:
a. Cursos presenciales. En esta modalidad, las personas inscritas deberán asistir obligatoriamente a un mínimo del 85% del total de las horas lectivas en cursos de 20 o menos horas, y un 75% en cursos de más de 20 horas y superar las pruebas o actividades de evaluación (tareas) que se establezcan. El incumplimiento de este requisito implicará una evaluación negativa. 
b. Cursos semipresenciales/online. En esta modalidad, se tendrán en cuenta los criterios establecidos por el formador/a para la superación de la actividad formativa (asistencia a sesiones presenciales/asíncronas, actividades, tarea, etc.)
Nombre ponente/s
D. Gualberto Asencio Cortés
Institución ponente/s
Universidad Pablo de Olavide
Breve CV ponente/s

Profesor Titular de Universidad del área de Lenguajes y Sistemas Informáticos en la Universidad Pablo de Olavide. Ingeniero en Informática (Univ. de Sevilla), Máster en Ingeniería y Tecnología del Software (Univ. de Sevilla), Doctorado (Univ. Pablo de Olavide) y Máster Ejecutivo en Innovación (EOI). Autor de 30 artículos en revistas JCR (24 en Q1/Q2) y más de 35 artículos en conferencias internacionales. Investigador en 10 proyectos de investigación públicos y 15 contratos de transferencia con empresas. Jefe de proyectos y científico de datos en empresa privada de IA a tiempo completo (2 años). Co-inventor de una patente industrial sobre machine learning en el ámbito agronómico.

Líneas de investigación actuales: aprendizaje automático, minería de datos, transfer learning, explicabilidad de modelos, online learning, predicción de series temporales y optimización.

Campos de aplicación: predicción de series naturales (sísmicas, calidad del aire, meteorológicas, agronómicas, …), predicción de consumo eléctrico y precios de mercado, predicción de tráfico urbano, predicción de estructuras biológicas y genómica.