Python avanzado para Tratamiento de Datos e Inteligencia Artificial (V ed.)

Modalidad de celebración:
Plataforma MoodleCloud (La dirección del curso contactará con ustedes por correo electrónico con la debida antelación para facilitarles la forma de conexión, así como las directrices que consideren necesarias para el correcto seguimiento del curso.)

Duración
15 horas síncronas y/o presenciales, más otras 15 asíncronas y 45 de trabajo y revisión individual del estudiante. Horas totales 75.

Dirección:
Pedro González Rodelas (Prof. de la Univ. Granada)

Coordinación:
Fco. Miguel García Olmedo (Prof. de la Univ. Granada)

Posibilidad de reconocimiento de créditos:

Nota: La información sobre el reconocimiento de créditos, puede consultarse en el siguiente enlace: reconocimiento de créditos

Este curso será reconocido hasta el momento en los siguientes Grados de la Universidad de Granada:

2 créditos ECTS OPTATIVOS en la Facultad de Comunicación y Documentación en el Grado en Comunicación Audiovisual
1 créditos ECTS OPTATIVOS en la Facultad de Comunicación y Documentación en el Grado en Información y Documentación
0,5 créditos ECTS OPTATIVOS en la E.T.S. de Arquitectura en el Grado en Arquitectura
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Doble Grado en Física y Matemáticas
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Biología
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Bioquímica
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Biotecnología
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Ciencias Ambientales
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Estadística
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Física
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Geología
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Ingeniería Electrónica Industrial
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Química
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Óptica y Optometría
1,5 créditos ECTS OPTATIVOS en la Facultad de Ciencias en el Grado en Química
3 créditos ECTS OPTATIVOS en la E.T.S de Ingeniería de la Edificación en el Grado en Edificación
3 créditos ECTS OPTATIVOS en la Facultad de Ciencias del Deporte en el Grado en Ciencias de la Actividad Física y del Deporte
3 créditos ECTS OPTATIVOS en la E.T.S de Ingeniería de Caminos, Canales y Puertos en Todos los Grados adscritos
3 créditos ECTS OPTATIVOS en la Facultad de Derecho en el Grado en Derecho
3 créditos ECTS OPTATIVOS en la E.T.S. de Ingenierías Informáticas y Telecomunicaciones en el Grado en Ingeniería de Tecnologías de Telecomunicaciones
2 créditos ECTS OPTATIVOS en la E.T.S. de Ingenierías Informáticas y Telecomunicaciones en el Grado en Ingeniería Informática

Introducción

Hoy en día la mecanización de tareas repetitivas y tediosas, así como el tratamiento y procesamiento intensivo de datos es uno de los hitos fundamentales de la sociedad de la información y de la era del Big Data.

Por otra parte, dentro del software libre, uno de los lenguajes que está teniendo de manera continuada una subida espectacular en cuanto a popularidad a nivel mundial, a la vez que ha tenido una mejora sustancial, con la inclusión y actualización de potentes y versátiles nuevos módulos de cálculo simbólico (SymPy), numérico (NumPy, Scipy), gráfico (Matplotlib, Seaborn, Bokeh), de tratamiento y ciencia de datos (Pandas, Openpyxl), Machine & Deep Learning (TensorFlow, PyTorch, scikit-learn, Pybrain, PyML), e Inteligencia Artificial en general (AIMA, pyDatalog, SimpleAI, EasyAI, etc.) ha sido sin duda Python; y de ahí su vertiginosa evolución y expansión a nivel mundial, no sólo en el ámbito académico, sino también en el científico e industrial.

Y de ahí surge esta iniciativa de formación, que intentará hacer más fácil y llevadera tanto la inmersión inicial en la Ciencia de Datos y la Inteligencia Artificial en general, así como el uso avanzado de muchos de los entresijos y detalles más técnicos de este potente y completo lenguaje de programación para la mecanización de tareas informáticas rutinarias, la generación automática de informes, gestión de ficheros y equipos, web-scraping, etc.

Así pues estará orientado tanto a los estudiantes de carreras científico-técnicas y de ingeniería que quieran aprender estas técnicas, como para los doctorandos e investigadores, a los que pueda resultar útil en su investigación.

Competencias del alumnado

a) El alumnado sabrá/comprenderá:

• La importancia y peculiaridades concretas de este potente lenguaje de programación de cara a la posible mecanización de tareas informáticas de todo tipo.
• Las diferencias fundamentales entre las distintas formas de programar con Python: tanto en su forma procedural básica, de tipo funcional, así como en su versión más avanzada (orientada a objetos).
• El diálogo y significado de los errores básicos en el proceso de compilación.
• Las técnicas más importantes de webscraping, o de extracción automática o semi-automática de información desde Internet.
• Alguna de las posibilidades fundamentales que también posee este lenguaje para implementar y poner en funcionamiento diferentes estrategias de aprendizaje automático (Machine Learning), profundo (Deep Learning) o de Inteligencia Artificial (I.A.), en general.

b) El alumnado será capaz de:

• Descargar, instalar e interactuar con varios de los módulos de Python especialmente desarrollados para las tareas y técnicas incluidas en el programa del curso.
• Mecanizar muchas de las tareas informáticas repetitivas y algo tediosas que normalmente tiene que realizar en su quehacer diario.
• Buscar, descargar y revisar ficheros de todo tipo e información relevante para su trabajo o proyectos personales que esté disponible en Internet.
• Organizar sus datos de manera flexible y versátil, mediante el uso de Pandas y las herramientas para interactuar con ficheros Excel, CSV, etc.
• Realizar sus primeros programas con Python relacionados con el aprendizaje automático/profundo o la Inteligencia Artificial en general.

Método de evaluación

• (10%) La asistencia/conexión a las sesiones, que será obligatoria en no menos del 75% de las sesiones presenciales/síncronas, que será controlada y monitorizada, tanto por el director como por el coordinador del curso, estando ambos disponibles en todo momento para atender dudas y poder solucionar cualquier problema que surja, tanto durante las sesiones síncronas como durante todo el resto del tiempo, hasta la completa finalización del curso. También estará activo todo ese tiempo un grupo de Telegram, abierto exprofeso para tener una comunicación aún más ágil y rápida.
• (40%) La evolución continua de la persona inscrita, comprobada a través de la realización de cortas actividades, cuestionarios y ejercicios sencillos planteados sobre las explicaciones dadas, o los videos grabados y materiales proporcionados en la plataforma online elegida.
• (50%) La evaluación rigurosa de al menos una práctica completa, de envergadura suficiente como para poder valorar la capacitación en la materia, que deberá ser realizada en las horas no presenciales y presentada en tiempo y forma a través de la plataforma para la docencia elegida.

Cualificación personal o empleos a los que da acceso
Curso capacitador para la programación avanzada en lenguaje Python, Webscraping, Ciencia de Datos y Deep Learning

Idiomas utilizados
Español