Director
D. Joaquín Borrego Díaz
(Ciencias de la Computación e Inteligencia Artificial)

Unidad Promotora
Departamento de Ciencias de la Computación e Inteligencia Artificial

Impartición
Del 28/01/2016 al 15/07/2016

Modalidad
Presencial

Idioma de impartición
Español

Lugar de impartición
Laboratorio Módulo H1, Facultad de Matemáticas

653,00 €
(tasas incluidas)


33,00 ECTS


Prácticas
No

Preinscripción
Del 01/12/2015 al 20/01/2016


Matrícula
Del 04/01/2016 al 20/01/2016

Objetivos


* Habilitar al alumno en las competencias necesarias para el tratamiento computacional y estadístico de datos, utilizando técnicas computacionales y de Inteligencia Artificial.

* Formar a titulados en el análisis científico de datos

* Implantar unos estudios de postgrado que capaciten al egresado como científico de datos dentro de la empresa.

* Facilitar una formación aplicada en Data Science a titulados superiores.

* Capacitar a titulados en el manejo científico de soluciones para Big Data.

* Proveer al empresariado e instituciones de la región de especialistas cualificados en la explotación de datos y extracción de conocimiento de los mismos

* Actualizar las competencias y conocimientos de profesionales en Estadística o Computación que trabajan en el sector público o privado.

Competencias


CG01. Capacidad para aplicar los conocimientos adquiridos y para resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y mulitidisciplinares, siendo capaces de integrar estos conocimientos.

CG02. Capacidad de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.

CG03. Capacidad de comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CG04. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

CG05. Los estudiantes serán capaces de realizar un análisis crítico, evaluación y síntesis de ideas nuevas y complejas.

CG06. Los estudiantes deben ser capaces de comunicarse con sus colegas, con la comunidad con la que comparte intereses profesionales en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento.

CG07. Los estudiantes serán capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento.

CG08. Los estudiantes serán capaces de analizar textos del área en otras lenguas relevantes en el ámbito científico.

CG09. Los estudiantes serán capaces de evaluar la calidad de nuevos métodos creación y gestión de conocimiento.

CG10. Capacidad para formular opiniones globales y razonadas sobre proyectos de ámbito creativo-tecnológico.

Procedimiento de evaluación


Asistencia, Trabajos

Requisitos


Requisitos específicos de admisión a los estudios

  • Titulados en Matemáticas, Estadística, Computación, Física, Económicas y Empresariales, Ingenieros, así como profesionales ligados a puestos TIC o a la gestión y explotación de datos en empresas y administraciones públicas (en posesión de la titulación universitaria requerida para el acceso a los estudios de posgrado de acuerdo a la normativa de Enseñanzas Propias).

Requisitos académicos para la obtención del Título o Diploma

  • Superar satisfactoriamente los 33 ECTS

Módulos / Asignaturas


Modalidad de impartición: Presencial

Fechas de inicio-fin: 24/04/2016 - 25/05/2016

Horario: en Tarde

Contenido

Introducción a la Ciencia del Dato

Experimentación e Investigación: Reproducibilidad y documentación

Proyectos básicos de aplicación de técnicas de Ciencia del Dato

Big data

Etapas de un proyecto

Exploración de datos

Técnicas de educción

Modelización: tipos de datos

Computación

Aplicación

Gestión de versiones

Elaboración y redacción de informes finales

Cuestiones éticas y legales asociadas a cada etapa de un proyecto

Legislación de protección de datos que afectan al proyecto en Data Science

Modalidad de impartición: Presencial

Fechas de inicio-fin: 28/01/2016 - 18/03/2016

Horario: en Tarde

Contenido

Fundamentos de Python

Tipos de datos: números, cadenas, tuplas, listas, diccionarios, conjuntos

Definiciones por comprensión, estructuras de control, etc.

Definición de funciones

Gestión de errores

Arquitecturas y paradigmas para los datos (Introducción)

Tipos de datos: Estructurados y esestructurados

Optención de datos

Almacenamiento y consulta

Biblioteca estándar Python:

Otras bibliotecas:

Modalidad de impartición: Presencial

Fechas de inicio-fin: 28/01/2016 - 18/03/2016

Horario: en Tarde

Contenido

Fundamentos de Estadística

* Probabilidad e inferencia estadística

* Análisis Exploratorio de Datos

* Modelo de Regresión Lineal Múltiple

Entorno de programación estadística R

* Tipos de objetos.

* Elementos de Programación

* Gestión de datos

* Análisis exploratorio de datos: visualización.

Modalidad de impartición: Presencial

Fechas de inicio-fin: 31/03/2016 - 03/06/2016

Horario: en Tarde

Contenido

* Concepto básicos en Aprendizaje estadístico

* Modelo lineal generalizado.

* Modelos de Regresión no lineales

* Modelos de Regresión no paramétricos

* Regresión y clasificación mediante KNN

Modalidad de impartición: Presencial

Fechas de inicio-fin: 31/03/2016 - 03/06/2016

Horario: en Tarde

Contenido

* Introducción a los datos (estructurados y desestructurados)

* Introducción y repaso sobre obtención de datos (APIs, RDF, logs, transacciones, textos, etc.)

* Tratamiento y limpieza de datos: Expresiones regulares, Herramientas ETL

* Almacenamiento BD relacionales versus BD Nosql: Column Stores, BD Documentos, Clave-Valor, BD en grafo, etc.

* Procesamiento en paralelo y escalabilidad (multiprocesamiento a nivel de datos VS a nivel funcional)

* Casos de uso y diseño de soluciones

* Entornos integrados. Ejemplo: RapidMiner

Modalidad de impartición: Presencial

Fechas de inicio-fin: 08/06/2016 - 15/07/2016

Horario: en Tarde

Contenido

* Técnicas de Reducción de la dimensionalidad

* Análisis de Conglomerados

* Técnicas de clasificación probabilística

* Support Vector Machines (SVM)

* Árboles de clasificación y regresión

Modalidad de impartición: Presencial

Fechas de inicio-fin: 19/05/2016 - 17/06/2016

Horario: en Tarde

Contenido

* Inteligencia Colectiva y flujos de datos

** Web Social

** Social Media

** Metodologías ''crowd''

* Redes: Conceptos, topología y comportamiento extremal

** Propagación

** Resiliencia en redes

** Computación bajo reputación y confianza

* Análisis de la semántica emergente: Análisis de opinión y sentimientos

* Sistemas de recomendación (Item based, User Based)

* Aplicaciones

Modalidad de impartición: Presencial

Fechas de inicio-fin: 23/06/2016 - 08/07/2016

Horario: en Tarde

Contenido

Módulo I: Fundamentos del Procesamiento del Lenguaje Natural

Introducción: de la Lingüística Computacional a la Ingeniería del Lenguaje Natural

Niveles y técnicas para el estudio y tratamiento automático de los lenguajes naturales

Nociones y técnicas básicas: Expresiones regulares, Autómatas y Gramáticas

Recursos lingüísticos

Módulo II: Lenguaje natural, datos y conocimiento

Reconocimiento automático de la voz: Redes neuronales y otras tecnologías aplicadas al nivel acústico. Análisis del entrenamiento, adaptación y evaluación.

Análisis léxico-morfológico: corpus lingüísticos y técnicas relacionadas con la ciencia del dato. Corrección ortográfica, lematización, tokenización.

Análisis gramatical: sintaxis y semántica. Modelos basados en conocimiento y modelos estadísticos.

Gestión del diálogo: Autómatas. Sistemas basados en agentes. El enfoque basado en el estado de información. Las técnicas POMDP (procesos de decisión de Markov parcialmente observables) como soporte al aprendizaje automático en gestión del diálogo.

Traducción automática: Técnicas y enfoques. Paradigmas basados en reglas, basados en corpus y enfoques híbridos.

Aplicaciones comerciales e industriales: Speech Analytics, Content Analytics, Text Mining, Information Retrieval and Extraction, Question Answering, Sentiment Analysis, Entity Names Recognition, etc.

Modalidad de impartición: Presencial

Fechas de inicio-fin: 08/06/2016 - 15/07/2016

Horario: en Tarde

Contenido

Arquitectura de la visualización de la Información

Estructura visual: diseño e implementación

Infografías y economía visual

Presentación de informes y Reports

Profesorado


Personal Académico

  • D. Joaquín Borrego Díaz . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. José A. Alonso Jiménez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. José Antonio Guerrero Durán - Servicio de Documentación Clínica del Hospital Virgen del Rocío
  • D. Juan Luis Moreno Rebollo . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. Juan Manuel Muñoz Pichardo . Universidad de Sevilla - Estadística e Investigación Operativa

Profesorado

  • D. Álvaro Romero Jiménez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. Antonio Beato Moreno . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. David Solís Martín - Consultor de Datrik Intelligence S.L.
  • D. Fernando Sancho Caparrini . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. Gabriel Muñoz Ríos - Consultor
  • D. Gonzalo Antonio Aranda Corral . Universidad de Huelva - Tecnologías de la Información
  • Dª. Inmaculada Barranco Chamorro . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. Jaime de Miguel Rodríguez . Sushant School of Art & Architecture - Architecture
  • D. Joaquín Borrego Díaz . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. José A. Alonso Jiménez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. José Antonio Guerrero Durán - Servicio de Documentación Clínica del Hospital Virgen del Rocío
  • D. José Francisco Quesada Moreno - Centro de Informática Científica de Andalucía
  • D. José L. Ruiz Reina . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. José Luis Pino Mejías . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. José Manuel Camacho Sosa - Consultor Informático
  • D. Juan Galán Páez - Consultor de Datrik Intelligence S.L.
  • D. Juan Luis Moreno Rebollo . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. Juan Manuel Muñoz Pichardo . Universidad de Sevilla - Estadística e Investigación Operativa
  • Dª. Mª Dolores Cubiles de la Vega . Universidad de Sevilla - Estadística e Investigación Operativa
  • Dª. María Dolores Jiménez Gamero . Universidad de Sevilla - Estadística e Investigación Operativa
  • Dª. María José Hidalgo Doblado . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. Miguel Ángel Gutiérrez Naranjo . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
  • D. Pedro Luis Luque Calvo . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. Rafael Blanquero Bravo . Universidad de Sevilla - Estadística e Investigación Operativa
  • D. Rafael Pino Mejías . Universidad de Sevilla - Estadística e Investigación Operativa