Del martes 03 nov al 13 nov 2020 viernes

Curso 'Machine Learning en R para datos cualitativos (Clustering y Clasificación de datos)' APLAZADO

Cursos
Online a través de plataforma virtual (en directo)
APLAZADO
160 €

Curso 'Machine Learning en R para datos cualitativos (Clustering y Clasificación)' APLAZADO

Modalidad: Online.
Fecha: Días 3, 4, 5, 6, 9, 10, 11, 12 y 13 de noviembre de 2020.
Metodología: Las clases se impartirán en directo online a través de Blackboard Collaborate. La Fundación considera esencial la interacción real con el profesor y con el resto de alumnos para un aprendizaje óptimo de materias complejas. El profesor dispondrá de pizarra virtual para sus explicaciones y podrá compartir pantalla con los alumnos. Los alumnos dispondrán de chat para interaccionar con el profesor y con el resto de alumnos. Las sesiones de clases serán grabadas y estarán disponibles para los alumnos hasta un mes después de la finalización del mismo.

PRESENTACIÓN:
Debido a la necesidad creciente de analizar datos y extraer conclusiones útiles a partir de ellos, el uso de algoritmos inteligentes de aprendizaje automático se hace cada vez más necesario. La gran cantidad de información disponible hoy en día hace que sea sumamente importante conocer técnicas avanzadas para el análisis inteligente de datos que permitan su explotación.

En este curso, se explicarán, de forma práctica y con ejemplos reales, las técnicas fundamentales para la preparación, análisis, modelado y visualización de datos, utilizando el lenguaje de programación en R, que conducen a la obtención de un conocimiento que aporte valor añadido al estudio, investigación o negocio que se lleve a cabo.

OBJETIVOS
El objetivo del curso es formar al participante en las principales técnicas de tratamiento y análisis de datos, con especial foco en las técnicas de clustering y clasificación de datos para variables cualitativas.

Se estudiarán librerías de R potentes, versátiles y sencillas de usar y se realizarán numerosos ejercicios prácticos aplicando modelos de machine learning sobre conjuntos de datos reales.

PROGRAMA

  • Tema 1. Iniciación y repaso del lenguaje de programación R
  • Tema 2. Extracción, transformación y carga de datos
  • Tema 3. Visualización de datos y generación de informes
  • Tema 4. Técnicas de agrupamiento (clustering)
  • Tema 5. Técnicas y modelos de clasificación
  • Tema 6. Casos Prácticos

DESARROLLO:

  • Día 1 (3 Nov. 16:30-19:00h.):  Introducción. Extracción, transformación y carga de datos (I). Manuel Herrera y Gualberto Asencio.
  • Día 2 (4 Nov. 16:30h-19:00h.): Extracción, transformación y carga de datos (II). Gualberto Asencio.
  • Día 3 (5 Nov. 16:30h-19:00h.): Visualización de datos y generación de informes. Laura Melgar.
  • Día 4 (6 Nov. 16:30h-19:00h): Técnicas de agrupamiento (clustering) (I). Laura Melgar.
  • Día 5 (9 Nov. 17:00-19:00h.): Técnicas de agrupamiento (clustering) (II). Laura Melgar.
  • Día 6 (10 Nov 17:00-19:00h.): Técnicas de agrupamiento (clustering) (III). Técnicas y modelos de clasificación (I). Laura Melgar.
  • Día 7 (11 Nov.17:00-19:00h.): Técnicas y modelos de clasificación (II). Laura Melgar.
  • Día 8 (12 Nov. 17:00-19:00h.): Técnicas y modelos de clasificación (III). Manuel Herrra.
  • Día 9 (13 Nov.11:00-13:00h.): Casos Prácticos. Manuel Herrera. 

DESTINATARIOS
Profesionales, titulados, investigadores, doctorandos y estudiantes de últimos cursos con ciertos conocimientos estadísticos básicos y de programación en R, de cualquier rama de conocimiento.

REQUERIMIENTOS:
Buena conexión a Internet, por cable o inalámbrica de red 5Ghz. Los navegadores recomendados son Chrome o Safari.

DOCENTES

HORAS: 20 horas.

HORARIO: De 17:00-19:00h. (de lunes a jueves), y de 11:00-13:00h. (viernes).

CERTIFICACIÓN:

  • Certificado de asistencia: equivalente al 80% de las horas online del curso.
  • Certificado de aprovechamiento: equivalente al 80% de las horas online del curso y entrega de un ejercicio en el plazo máximo de un mes tras la finalización del mismo.

MATRÍCULA: 160 euros.

REDUCCIONES SOBRE EL IMPORTE DE LA MATRÍCULA:

  • 40% a estudiantes y personas en situación de desempleo. 
  • 20% por segunda inscripción (ampliable a un 10% adicional por cada nueva inscripción, hasta un máximo del 50% por cinco cursos).
  • 20% a profesionales colegiados miembros del Colegio Oficial de Ciencias Políticas y Sociología de Andalucía, socios de la Asociación Andaluza de Sociología (AAS) o socios de la Asociación Andaluza de Antropología (ASANA).
  • 20% para grupos de tres o más personas.

Los descuentos sobre el importe de matrícula podrán ser acumulables hasta un máximo del 50% del importe del curso para cada persona inscrita.

INSCRIPCIONES:

  1. Realizar la preinscripción al curso a través de esta página web (recuerda que previamente debes realizar el registro).
  2. Abonar el pago íntegro de la matrícula (se acepta el pago mediante transferencia bancaria y tarjeta de crédito).
  3. Remitir el comprobante de ingreso junto con el nombre de la persona inscrita, curso y teléfono a inscripciones@centrodeestudiosandaluces.es

En caso de solicitar una reducción de matrícula, enviar adicionalmente la documentación que justifique dicha reducción (tarjeta de demandante de empleo, cuota de socio del Colegio Oficial de Ciencias Políticas y Sociología de Andalucía o de la Asociación Andaluza de Sociología, etc.) La devolución del importe becado se realizará al inicio del curso.

La preinscripción no implica la reserva de plaza ya que es necesario realizar el pago de la matrícula. En caso de que haya más solicitudes que plazas, el criterio de admisión establecido es por riguroso orden de pago.

El plazo de inscripción al curso finaliza el 28 de octubre de 2020.

ANULACIONES:
Para cancelaciones hasta tres días antes del curso, la Fundación devolverá el 100% del importe de la matrícula. A partir de los dos días anteriores al curso, sólo se devolverá el importe por motivos de causa mayor debidamente justificados.

El Centro de Estudios Andaluces se reserva el derecho de anulación del curso.

 

Mapa web del
Centro de Estudios Andaluces