[+] CONSULTA LA OFERTA FORMATIVA DE CURSOS/MICROCURSOS

Fechas: Días 27, 28, 29, 30 de junio y 4, 5, 6 de julio de 2022

Horas: 20 horas

Horario: Desde las 17:00h a 20:00h (bloques de 3 horas) todos los días, salvo el 6 de julio de 17:00h a 19:00h (2 horas).

Matrícula: 160 euros

PRESENTACIÓN

Dada la gran cantidad de información disponible hoy en día procedente de los sistemas de información, web, redes sociales, bases de datos, portales Open Data o sensores IoT, es sumamente importante conocer técnicas avanzadas para el análisis inteligente de datos que permitan su explotación para extraer conocimiento y conclusiones útiles para la investigación y el negocio. La Ciencia de Datos (en inglés, Data Science) es un área emergente relacionada con la preparación, análisis y visualización de datos para la obtención de conocimiento a partir de datos que permite aportar valor añadido al negocio o a la investigación.

Actualmente, en el mercado laboral existe una gran demanda de profesionales formados en Data Science y Big Data. Igualmente, en la mayoría de los proyectos de investigación e I+D+i es necesario realizar análisis de datos de forma automatizada para extraer conclusiones fiables.

OBJETIVOS

El objetivo del curso es formar al participante en el análisis de datos y modelado de problemas usando una metodología científica y herramientas visuales (Orange y Weka) sencillas para la preparación, análisis, modelado y visualización de datos, con aplicación a datos reales.

DOCENTES

Gualberto Asencio Cortés (profesor contratado doctor acreditado titular en el área de Lenguajes y Sistemas Informáticos de la Universidad Pablo de Olavide)  

PROGRAMA

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 avanzadas de preprocesado de datos

Tema 4: Preprocesado de datos

Tema 5: Selección de atributos

BLOQUE III: Clustering y reglas de asociación

Tema 6: Técnicas de clustering

Tema 7: Técnicas de extracción de reglas de asociación

BLOQUE IV: Clasificación

Tema 8: Técnicas de clasificación

Tema 9: Clasificación desbalanceada

BLOQUE V: Regresión

Tema 10: Técnicas de regresión

BLOQUE VI: Series Temporales

Tema 11: Predicción de series temporales

DESARROLLO

Sesión 1: Tema 1: Introducción a la ciencia de datos

Sesión 2: Tema 2: Adquisición y visualización de datos

Sesión 3: Tema 3: Análisis de la distribución de los datos

Sesión 4: Tema 4: Preprocesado de datos

Sesión 5: Tema 5: Selección de atributos

Sesión 6: Tema 6: Técnicas de clustering

Sesión 7: Tema 7: Técnicas de extracción de reglas de asociación

Sesión 8: Tema 8: Técnicas de clasificación

Sesión 9: Tema 9: Clasificación desbalanceada

Sesión 10: Tema 10: Técnicas de regresión

Sesión 11: Tema 11: Predicción de series temporales

DESTINATARIOS

Conocimientos básicos de Estadística e Informática. No se requieren conocimientos de programación.