Martes, 10 de noviembre de 2026
Miércoles, 11 de noviembre de 2026
Jueves, 12 de noviembre de 2026
Contenidos
Fecha límite para renunciar al curso: 04/11/2026
Tema 1. Repaso de aprendizaje automático
Tema 2. Clasificación desbalanceada
Tema 3. Métodos de ensemble
Tema 4. Aprendizaje automático a partir de imágenes
Tema 5. Análisis de datos espacio-temporales
Tema 6. Predicción de series temporales
Tema 7. Explicabilidad de modelos de inteligencia artificial (XAI)
Tarea solicitada
Asistencia a sesiones síncronas.
Realización de una tarea práctica: 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.)
Ponentes
- Nombre ponente/s
- 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 más de 39 artículos en revistas JCR (32 en Q1/Q2) y más de 35 artículos en conferencias internacionales. Investigador en más de 12 proyectos de investigación públicos y 18 contratos de transferencia con empresas. Jefe de proyectos y científico de datos en empresa privada de IA a tiempo completo (2 años). Coinventor de una patente industrial sobre machine learning en el ámbito agronómico. 2 sexenios de investigación y 2 uinquenios.
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.
Observaciones
Software Orange instalado última versión ( descarga en https://orangedatamining.com/ ). Instalar dentro estos Addons: Geo, TimeSeries, Explain, Educational, Image Analytics, World Hapiness, Prototypes, Network.