Contenidos
Curso de 21 horas de certificación (2'1 creds.)
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
Tarea solicitada
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.)
Ponentes
- Nombre ponente/s
- D. Gualberto Asencio Cortés
- Institución ponente/s
- Universidad de Pablo 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 32 artículos en revistas JCR (27 en Q1/Q2) y más de 35 artículos en conferencias internacionales. Investigador en más de 10 proyectos de investigación públicos y 17 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.
Observaciones
Software “Orange” última version instalada: https://orangedatamining.com con los add-ons Educational y Associate.