BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Centro Mediterráneo - ECPv5.16.1.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Centro Mediterráneo
X-ORIGINAL-URL:https://cemed.ugr.es
X-WR-CALDESC:Eventos para Centro Mediterráneo
BEGIN:VTIMEZONE
TZID:Europe/Madrid
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;VALUE=DATE:20200414
DTEND;VALUE=DATE:20200424
DTSTAMP:20260504T023948
CREATED:20200403T062625Z
LAST-MODIFIED:20220303T132316Z
UID:20158-1586822400-1587686399@cemed.ugr.es
SUMMARY:[SE REALIZA EN MODALIDAD ONLINE] Al Grano con la Ciencia de Datos: Ejemplos Prácticos para Entender el Mundo Datificado (I ed.)
DESCRIPTION:Nota importante:\nHay una segunda edición del curso en el siguiente enlace: Al Grano con la Ciencia de Datos: Ejemplos Prácticos para Entender el Mundo Datificado (II ed.) \nEn el siguiente enlace podrán encontrar información adicional y material del curso: http://decsai.ugr.es/~casillas/al-grano-ciencia-datos.html \nModalidad de realización: \nPlataforma Google Meet \nDirección:\nJorge Casillas Barranquero \nColabora:\nUnidad de Cultura Científica y de la Innovación \nPresentación:  \nLos datos generados digitalmente (desde las redes sociales\, a las plataformas de comunicaciones o los dispositivos móviles) ofrecen una forma de acumular nuevos datos a gran escala\, el conocido big data.\nEstos datos pueden ayudar a comprender grandes temas de interés crucial para muchas áreas. Desde las ciencias biosanitarias a las ciencias sociales y políticas\, pasando por la empresa\, la economía o el deporte\, todas se interesan por análisis cuantitativos que expliquen comportamientos sociales\, diseños de mercados\, efectos epidemiológicos y cualquier otra forma responsable de mejorar el valor social de los datos. \nCiencia de datos proporciona la experiencia técnica necesaria para analizar datos\, a veces heterogéneos y no estructurados. Pero este proceso debe ser complementado con un enfoque cualitativo obteniendo datos etnográficos e información subjetiva que permitan poner de manifiesto los contextos del objeto de estudio\, el conocido thick data. \nPor las implicaciones éticas que subyacen y la necesidad de complementar el análisis con información cualitativa\, en los equipos multidisciplinares de ciencia de datos cada vez es más demandada la participación de psicólogos\, antropólogos\, sociólogos\, politólogos\, médicos\, economistas\, etc. con una base técnica fundamental en ciencia de datos. \nEste breve taller pretende acercar el mundo de la ciencia de datos a este contexto con un enfoque eminentemente práctico donde\, sin necesidad de instalar ningún software\, a partir de herramientas on-line el alumnado podrá aplicar los fundamentos del aprendizaje automático (la rama de la inteligencia artificial que genera conocimiento a partir de datos) y la visualización (técnicas avanzadas de generación de gráficos) para abordar problemas de distinto tipo (sociales\, marketing\, salud…) desde un nuevo enfoque. \nA quién va dirigido: \nEl taller está orientado para toda persona con interés en acercarse por primera vez a la ciencia de datos y el big data pero sin conocimientos previos en el campo y sin necesidad de formación avanzada en informática. No obstante\, se recomienda cierta destreza en el uso fluido de software e informática en general para mejor aprovechamiento del taller. En cualquier caso\, el profesor irá guiando a todo el alumnado para una consecución satisfactoria de los objetivos docentes. \nObjetivos:  \n1. Comprender qué es el aprendizaje automático\, la ciencia de datos y el big data.\n2. Entender lo que pueden y no pueden hacer; lo que deben y no deben hacer.\n3. Comprender su base conociendo algunos algoritmos básicos.\n4. Ganar experiencia en la aplicación de estas técnicas a datos del mundo real. \nCompetencias de los alumnos: \nEl alumno sabrá/comprenderá\n1. Comprender qué es el aprendizaje automático\, la ciencia de datos y el big data.\n2. Entender lo que pueden y no pueden hacer; lo que deben y no deben hacer.\n3. Comprender su base conociendo algunos algoritmos básicos.\n4. Ganar experiencia en la aplicación de estas técnicas a datos del mundo real. \nEl alumno será capaz de\nResolver en equipo un microproyecto de ciencia de datos. Algunos ejemplos de los posibles proyectos son: análisis de Twitter sobre política o salud\, predicción de campañas de telemarketing en banca\, análisis de ventas en eBay\, perfiles de pacientes\, diagnóstico de enfermedades\, análisis relacional de cuestionarios médicos o sociales\, flujos migratorios\, etc. \nMétodo de evaluación: \nevaluación del profesor en base al proyecto desarrollado y la exposición
URL:https://cemed.ugr.es/curso/20gr57/
CATEGORIES:Curso
END:VEVENT
END:VCALENDAR