Objetivos:
Dada la gran cantidad de información disponible hoy en día procedente de los sistemas de información, web, redes sociales, o sensores, es sumamente importante conocer técnicas avanzadas para el análisis inteligente de datos que permitan su explotación. 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 que aporte valor añadido al negocio. Actualmente, en el mercado laboral existe una gran demanda de profesionales formados en Ciencia de Datos avanzada. Igualmente, en la mayoría de los proyectos de investigación es necesario realizar análisis de datos de forma automatizada para extraer conclusiones fiables. El objetivo del curso es formar al participante en las principales técnicas más avanzadas de la Ciencia de Datos desde un punto de vista eminentemente práctico. Se estudiará una herramienta de código abierto como es WEKA y se realizarán numerosos ejercicios prácticos aplicando modelos de aprendizaje automático sobre conjuntos de datos reales. Programa: BLOQUE I: Técnicas avanzadas de pre-procesado de datos Tema 1: Adquisición, carga y visualización de datos Tema 2: Transformación de atributos Tema 3: Selección de atributos avanzada Tema 4: Aplicación del pre-procesado con datos reales BLOQUE II: Reglas de asociación y Clustering Tema 5: Técnicas avanzadas de extracción de reglas de asociación Tema 6: Aplicación de las reglas de asociación con datos reales Tema 7: Técnicas avanzadas de clustering Tema 8: Aplicación del clustering con datos reales BLOQUE III: Clasificación avanzada Tema 9: Técnicas avanzadas de clasificación Tema 10: Aplicación de la clasificación con datos reales Tema 11: Clasificación desbalanceada Tema 12: Aplicación de la clasificación desbalanceada con datos reales BLOQUE IV: Regresión Tema 13: Técnicas avanzadas de regresión Tema 14: Aplicación de la regresión con datos reales BLOQUE V: Introducción al análisis de datos Big Data Tema 16: Caso práctico de Big Data BLOQUE VI: Series Temporales Tema 17: Predicción de series temporales Tema 18: Aplicación de las series temporales con datos reales Total horas: 20h Plazas: 16 Requisitos / público al que va dirigido: Titulados o estudiantes de últimos cursos, preferiblemente de las ramas de Ciencias, Ingeniería o Arquitectura. Además, toda aquella persona que tenga inquietud por conocer técnicas inteligentes de extracción de conocimiento en grandes bases de datos. Horario: 7, 8, 12 y 13 de febrero de 16:00h a 20:00h 9 de febrero de 10:00h a 14:00h Docente: Dr. Gualberto Asencio Cortés, Universidad Pablo de Olavide Dra. Cristina Rubio Escudero, Universidad de Sevilla MATRÍCULA: 150€ TEXTO A INCLUIR DETRÁS DE CADA UNO DE LOS CURSOS El plazo de inscripción al curso finaliza el jueves 1 de febrero INSCRIPCIONES Para matricularte en el curso debes: 1. Realizar la preinscripción al curso a través de esta página web (recuerda que previamente debes realizar el registro). 2. Abonar el pago de la matrícula mediante alguna de las siguientes vías: Realizando transferencia a nombre del Centro de Estudios Andaluces a la cuenta bancaria IBAN ES79 0182 5566 7402 0150 8457 indicando el nombre de la persona que se inscribe. Mediante tarjeta de crédito a través de esta página web. 3. Remitir el comprobante de ingreso junto con el nombre de la persona inscrita, curso y teléfono a inscripciones@centrodeestudiosandaluces.es RECUERDA QUE... La preinscripción no implica la reserva de plaza ya que es necesario realizar el pago y enviar la solicitud. El pago del curso no se aceptará sin la previa preinscripción al curso. Anulaciones Para cancelaciones hasta 3 días antes del curso, la Fundación devolverá el 100% del importe de la matrícula. A partir de los 2 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.
Tema 15: Introducción al Big Data
L | M | X | J | V | S | D |
---|---|---|---|---|---|---|
1
|
2
|
3
|
4
|
|||
5
|
6
|
7
|
8
|
9
|
10
|
11
|
12
|
13
|
14
|
15
|
16
|
17
|
18
|
19
|
20
|
21
|
22
|
23
|
24
|
25
|
26
|
27
|
28
|
29
|
30
|
31
|