Descripción del proyecto

Curso Online

Curso sobre Aprendizaje automático y ciencia de datos

Visión general del curso sobre Aprendizaje automático y ciencia de datos

El aprendizaje automático es una habilidad que toma cada vez más relevancia debido al gran número de datos (big data), los cuales deben de ser analizados para tomar decisiones.

En este curso en línea aprenderás los conceptos básicos del aprendizaje automático (machine learning)  y la ciencia de datos. En particular, aprenderás las técnicas necesarias para evaluar el rendimiento de los algoritmos y de los modelos obtenidos. También aprenderás como preprocesar los datos para obtener así modelos de mayor calidad (simples, comprensibles, eficientes, etc.). Por último, en este curso de análisis de datos aprenderás a poner en funcionamiento las técnicas estudiadas mediante un ejemplo práctico programando tus propios scripts y algoritmos en R.

Lo que aprenderás en este curso

  • Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios)
  • Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente
  • Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos
  • Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje R) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.

Plan de estudio del curso

UNIDAD 1. Introducción al aprendizaje automático y la ciencia de datos

PRÁCTICA 1. Introducción al lenguaje R

UNIDAD 2. Evaluación de modelos de aprendizaje automático

PRÁCTICA 2. Evaluación de modelos de aprendizaje automático

UNIDAD 3. Técnicas básicas de aprendizaje automático

PRÁCTICA 3. Práctica de creación de modelos de aprendizaje automático

UNIDAD 4. Preprocesamiento de datos

PRÁCTICA 4. Visualización

PROYECTO

Docentes a cargo del Curso

José Hernández-Orallo

José Hernández Orallo es catedrático de universidad en la Universitat Politècnica de València (UPV). Cursó estudios de Informática por la UPV, parcialmente en la École Nationale Supérieure de l’Électronique et de ses Applications (France) y es doctor en lógica por la Universidad de Valencia con premio extraordinario de doctorado, incorporándose al Departamento de Sistemas Informáticos y Computación de la UPV en 1996. Desde el año 2000 es miembro del equipo DMIP (Data Mining, Machine Intelligence and Inductive Programming), con líneas de investigación en aprendizaje automático, inteligencia artificial, minería de datos, programación lógica (y funcional) inductiva y evaluación del aprendizaje. En los últimos 20 años ha impartido asignaturas relacionadas con sistemas de información estratégicos, aprendizaje automático, minería de datos, ciencia de datos y bases de datos en titulaciones de grado, posgrado, doctorado y empresas. También ha impartido cursos sobre minería de datos en el extranjero. Fue subdirector de internacional de la Escuela Técnica Superior de Informática Aplicada entre 2003-2008 y director de dos aulas de empresa con Everis y BigML. Ha publicado 5 libros y cerca de 200 contribuciones a congresos y revistas internacionales, como por ejemplo ACM transactions on Data Mining and Knowledge Discovery, Machine Learning Journal, Communications of the ACM, Journal of Artificial Intelligence, Journal of Machine Learning Research, Pattern Recognition y un largo etcétera. Sus trabajos han recibido aproximadamente 4000 citas según Google Scholar y han sido tratados en artículos de divulgación científica en The Economist, New Scientist, Nature, la BBC o el Financial Times. Ha participado en alrededor de 40 convenios con empresas, contribuciones en congresos docentes y proyectos tanto de investigación como docentes. Ha dirigido 6 tesis doctorales y en esos momentos dirige otras dos, así como numerosas tesis de máster y proyectos de fin de grado. Ha realizado varias estancias y charlas en Dinamarca, Reino Unido, El Salvador, Chile, México, Italia, Austria, Alemania y Francia.

María José Ramírez Quintana

José Hernández Orallo es catedrático de universidad en la Universitat Politècnica de València (UPV). Cursó estudios de Informática por la UPV, parcialmente en la École Nationale Supérieure de l’Électronique et de ses Applications (France) y es doctor en lógica por la Universidad de Valencia con premio extraordinario de doctorado, incorporándose al Departamento de Sistemas Informáticos y Computación de la UPV en 1996. Desde el año 2000 es miembro del equipo DMIP (Data Mining, Machine Intelligence and Inductive Programming), con líneas de investigación en aprendizaje automático, inteligencia artificial, minería de datos, programación lógica (y funcional) inductiva y evaluación del aprendizaje. En los últimos 20 años ha impartido asignaturas relacionadas con sistemas de información estratégicos, aprendizaje automático, minería de datos, ciencia de datos y bases de datos en titulaciones de grado, posgrado, doctorado y empresas. También ha impartido cursos sobre minería de datos en el extranjero. Fue subdirector de internacional de la Escuela Técnica Superior de Informática Aplicada entre 2003-2008 y director de dos aulas de empresa con Everis y BigML. Ha publicado 5 libros y cerca de 200 contribuciones a congresos y revistas internacionales, como por ejemplo ACM transactions on Data Mining and Knowledge Discovery, Machine Learning Journal, Communications of the ACM, Journal of Artificial Intelligence, Journal of Machine Learning Research, Pattern Recognition y un largo etcétera. Sus trabajos han recibido aproximadamente 4000 citas según Google Scholar y han sido tratados en artículos de divulgación científica en The Economist, New Scientist, Nature, la BBC o el Financial Times. Ha participado en alrededor de 40 convenios con empresas, contribuciones en congresos docentes y proyectos tanto de investigación como docentes. Ha dirigido 6 tesis doctorales y en esos momentos dirige otras dos, así como numerosas tesis de máster y proyectos de fin de grado. Ha realizado varias estancias y charlas en Dinamarca, Reino Unido, El Salvador, Chile, México, Italia, Austria, Alemania y Francia.

Fernando Martínez Plumed

Fernando Martínez Plumed es investigador postdoctoral en el Departamento de Sistemas Informáticos y Computación (DSIC) de la Universidad Politécnica de Valencia (UPV). Posee los títulos de Ingeniero Informático (2009), Máster en Ingeniería de Software, Métodos Formales y Sistemas de Información (2010) y Diploma de postgrado en Dirección de Empresas para Ingenieros (2011) por la UPV. Es Doctor en Informática por la UPV (2016) y su tesis aborda la creación de sistemas de IA de propósito general, así como el análisis y evaluación tanto de su desarrollo como de sus capacidades cognitivas, obteniendo ésta la calificación de sobresaliente Cum Laude. Sus actividades académicas y de investigación han abarcado distintas áreas de la Inteligencia Artificial, aprendizaje automático, minería de datos, evaluación de IA, programación inductiva y sistemas cognitivos. Los resultados de su investigación están recogidos en más de 35 artículos en conferencias nacionales e internacionales (incluyendo IJCAI, ECAI o AI) y en revistas científicas con impacto (incluyendo Artificial Intelligence , Cognitive Systems research, Adaptive Behaviour o AI Magazine) . Es además revisor en conferencias como ECML, AAAI, SIGKDD, IJCAI o NIPS, y en revistas como EAAI o IA Iberamia. Destacar que recientemente ha publicado dos artículos en el Artificial Intelligence Journal (revista más importante dentro del área de la Inteligencia Artificial) y ha sido galardonado con el premio «Best Paper Award» entre más de 650 artículos presentados en la conferencia europea de IA (ECAI 2016). En cuanto a docencia, ha impartido e imparte diversas asignaturas relacionadas con la ciencia de datos, aprendizaje automático, business intelligence, minería de datos y visualización, tanto en el grado de Informática (UPV) como en diversos másteres de la UPV y de la UIMP. Ha dirigido una decena proyectos de fin de máster con fechas de defensa 2015-2019.

Curso Online sobre Aprendizaje Automático y Ciencia de Datos

Etiquetas: ,