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:20170326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20171029T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;VALUE=DATE:20170204
DTEND;VALUE=DATE:20170326
DTSTAMP:20260418T094113
CREATED:20180514T081337Z
LAST-MODIFIED:20180907T112533Z
UID:6743-1486166400-1490486399@cemed.ugr.es
SUMMARY:Ciencia de Datos: Un Enfoque Práctico en la Era del Big Data (3ª edición)
DESCRIPTION:Dirección:\nJorge Casillas \nLugar de realización\nCentro de la Construcción Sostenible de Padúl (CLOC)  \nReconocimiento de créditos\nPosibilidad de reconocimiento de créditos ECTS OPTATIVOS en los Grados \nCurso reconocido con (hasta el momento): \n3 créditos ECTS OPTATIVOS en el Grado en Ingeniería Electrónica Industrial.\n1.5 créditos ECTS OPTATIVOS en el Grado en Estádistica.\n1 créditos ECTS OPTATIVOS en el Grado en Matemáticas. \nEste curso podrá ser convalidado por créditos de libre configuración en las titulaciones a extinguir  \nJustificación del curso y objetivos\nCiencia de Datos es un área de trabajo interdisciplinar que incluye procesos para recopilar\, preparar\, analizar\, visualizar y modelizar datos que permitan generar conocimiento útil para comprender problemas complejos y ayudar en la toma de decisiones. Estos datos con frecuencia son no estructurados y heterogéneos. En muchas ocasiones\, se trata de grandes volúmenes de datos que por su complejidad y diversidad requiere de arquitecturas y técnicas innovadoras para extraer conocimiento relevante: es el conocido big data. Ciencia de Datos es un campo emergente con una alta aplicabilidad en ciencias de la salud\, marketing\, negocios\, mercados financieros\, transporte\, comunicaciones\, redes sociales\, etc.\nComo indica la consultora Gartner (la más prestigiosa en tecnologías de la información)\, los científicos de datos no son analistas de negocio tradicionales\, son profesionales con la rara capacidad para obtener modelos matemáticos a partir de datos que generan beneficios empresariales claros y contundentes. Así\, cada vez más se exigen profesionales con habilidades en campos como informática\, matemáticas\, estadística o negocios que dominen las nuevas tecnologías y sepan gestionar datos. Las empresas de todos los sectores están adoptando cada vez más la Ciencia de Datos\, de modo que la demanda de expertos en este sector es enorme; así lo refleja un estudio del MIT Sloan Management Review (2015). Está considerada como una de las mejores oportunidades laborales de los próximos años. Catalogada por el Harvard Business Review como la profesión ‘más sexy del siglo XXI’ (2012). Según un estudio de LinkedIn (2015)\, el número de profesionales en Ciencia de Datos se ha duplicado en los últimos cuatro años. Otro estudio de Burtch Works (2015) reconoce el impacto positivo en el salario al incluir conocimientos de Ciencia de Datos. \nObjetivos\nLos planes de formación universitaria reglada difícilmente reaccionan a oportunidades laborales emergentes. Además\, se tiende a delimitar fronteras que dificultan el desarrollo de especialidades híbridas. Este curso pretende iniciar al alumno en el campo de Ciencia de Datos\, sirviendo así de puente entre diversas disciplinas y ayudando a completar la formación universitaria con una orientación eminentemente práctica. El curso se compone de 30 horas lectivas presenciales repartidas en 15 horas de conceptos teóricos y fundamentos y otras 15 horas de prácticas con software especializado y datos de casos reales.\nLa teoría incluye visualización de datos\, técnicas de clasificación básicas (árboles de decisión\, redes neuronales…) y avanzadas (máquinas de soporte vectorial\, ensemble learning\, deep learning…)\, preprocesado (eliminación de ruido\, imputación de valores perdidos\, reducción de datos…)\, aprendizaje no supervisado (agrupamiento y reglas de asociación)\, aprendizaje incremental y minería de flujo de datos\, big data y sus paradigmas y\, finalmente\, experiencias reales de Ciencia de Datos en la empresa. La práctica introduce al alumno en herramientas software tales como KNIME y R y arquitecturas como Hadoop y Spark. También se adquirirá experiencia en la plataforma Kaggle para competiciones en problemas reales.
URL:https://cemed.ugr.es/curso/p01-ciencia-de-datos-un-enfoque-practico-en-la-era-del-big-data-3a-edicion/
CATEGORIES:Curso
END:VEVENT
END:VCALENDAR