[+] 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
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.
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
|