Director
D. Sergio Luis Toral Marín
(Ingeniería Electrónica)

Unidad Promotora
Escuela Técnica Superior de Ingeniería

Impartición
Del 16/10/2019 al 04/12/2019

Modalidad
Presencial

Idioma de impartición
Español

Lugar de impartición
Centro de Cálculo

410,00 €
(tasas incluidas)


8,40 LRU


Prácticas
No


Folleto informativo

Preinscripción
Del 03/06/2019 al 20/09/2019


Matrícula
Del 01/09/2019 al 20/09/2019

954481293

Objetivos


<p>1. Proporcionar una introducción al lenguaje de programación Python y a sus principales módulos (Numpy, Scipy y Matplotlib)</p><p>2. Introducir desde un perspectiva teórico-práctica técnicas de machine learning de regresión, clasificación y clustering, utilizando el módulo scikit-learn en Python</p><p>3. Introducir desde un perspectiva teórico-práctica técnicas de optimización metaheurísticas basadas en trayectoria y en población, utilizando el módulo DEAP en Python</p><p>4. Introducir desde un perspectiva teórico-práctica técnicas de deep learning, incluyendo las Fully Connected Networks, Convolutional Neural etworks (CNNs) y Recurrent Neural Networks (RNNs)</p><br /><p>5. Aplicaciones comerciales</p>

Competencias


- Capacidad de resolver problemas con iniciativa, toma de decisiones, creatividad, y de comunicar y transmitir conocimientos, habilidades y destrezas

- Capacidad para reconocer cuándo se necesita información, dónde localizarla, cómo evaluar su idoneidad y darle el uso adecuado de acuerdo con el problema que se plantea

- Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares)

- 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

Procedimiento de evaluación


Asistencia, Pruebas, Trabajos

Requisitos


Requisitos específicos de admisión a los estudios

  • Graduados y alumnos de Máster y Doctorado; también, cualquier persona interesada con conocimientos previos de programación (no es necesario en Python).

Criterios de selección de alumnos


  • En el caso de que que haya más solicitantes que plazas disponibles, el procedimiento y las reglas para establecer la prelación en la adjudicación de las plazas es el siguiente:
  • Título de doctor.
  • Máster Oficial o Diploma de Estudios Avanzados con la previa titulación de Grado/Licenciatura.
  • Grado o licenciatura.
  • Experiencia profesional en el ámbito del curso.
  • Conocimientos de programación.

Módulos / Asignaturas


Modalidad de impartición: Presencial

Fechas de inicio-fin: 16/10/2019 - 24/10/2019

Horario: Miércoles Tarde, Jueves Tarde, Viernes Tarde

Contenido

(Horario: de 17 a 21 horas)

Conceptos básicos de programación en Python: variables, operaciones, control de flujo, funciones, excepciones. Creación de scripts y módulos en Python. Programación orientada a objetos. Manejo de ficheros.

Módulo numpy: vectores y matrices en numpy. Operaciones matemáticas con vectores. Conversión de datos de ficheros en vectores. Funciones universales. Vectores Vs listas en Python.

Módulo matplotlib: creación de gráficas en Python. Diagrama de dispersión, diagrama de barras, diagramas de barras con errores, diagrama de bigotes. Gráficas con múltiples subgráficas.

Módulo pandas: concepto de dataframe, manejo de dataframes, conversión de datos proveniente de archivos en dataframes.

Módulo Scipy: ejemplos de uso de algoritmos incluidos en la librería científica Scipy.

Modalidad de impartición: Presencial

Fechas de inicio-fin: 25/10/2019 - 06/11/2019

Horario: Miércoles Tarde, Jueves Tarde, Viernes Tarde

Contenido

(Horario: de 17 a 21 horas)

Regresiones: Regresión lineal simple y múltiple, errores en la estimación y overfitting, regresión Ridge y Lasso, aproximaciones no paramétricas.

Clasificadores: Introducción, clasificadores lineales (regresión logística), overfitting, árboles de decisión, ensamble de clasificadores (boosting), métricas de clasificación, aproximaciones Big Data.

Clustering: k-means

Modalidad de impartición: Presencial

Fechas de inicio-fin: 07/11/2019 - 14/11/2019

Horario: Miércoles Tarde, Jueves Tarde, Viernes Tarde

Contenido

(Horario: de 17 a 21 horas)

Introducción a los métodos de optimización meta heurísticos: Métodos de búsqueda local basados en trayectorias tales como Hill Climbing, Simulated Annealing, Tabú Search. Métodos de búsqueda global basados en poblaciones tales como Algoritmos Genéticos (uno o varios objetivos), Algoritmos Genéticos con múltiples poblaciones, Algoritmos basados en enjambre (Particel Swarm Optimization PSO). Programación genética.

Introducción al módulo de optimización DEAP: Optimización de problemas combinatorios (Problema del viajero). Optimización de problemas con variables continuas. Optimización multi-objetivo (NSGA II). Optimización de problemas con variables continuas con PSO. Ejemplos de programación genética (regresión simbólica).

Modelado de un problema desde cero: Se plantea un ejercicio completo a resolver utilizando los métodos de optimización visto en este módulo.

Modalidad de impartición: Presencial

Fechas de inicio-fin: 15/11/2019 - 22/11/2019

Horario: Miércoles Tarde, Jueves Tarde, Viernes Tarde

Contenido

(Horario: de 17 a 21 horas)

- Introducción a Deep Learning con TensorFlow y Keras.

- Redes completamente conectadas: inicialización, regularización y optimizadores

- Redes neuronales convolucionales

- Redes neuronales recurrentes

Modalidad de impartición: Presencial

Fechas de inicio-fin: 27/11/2019 - 04/12/2019

Horario: Miércoles Tarde, Jueves Tarde, Viernes Tarde

Contenido

(Horario: de 17 a 21 horas)

Aplicación 1: Análisis de imágenes de satélite

Aplicación 2: Programación de la Raspberry Pi en Python. APIs y OpenCV

Aplicación 3: Sistemas de recomendación

Aplicación 4: Metaheuristias para la selección de parámetros en redes neuronales

Profesorado


Personal Académico

  • D. Daniel Gutiérrez Reina . Universidad de Sevilla - Ingeniería Electrónica
  • D. Manuel Perales Esteve . Universidad de Sevilla - Ingeniería Electrónica
  • D. Sergio Luis Toral Marín . Universidad de Sevilla - Ingeniería Electrónica

Profesorado

  • D. Daniel Gutiérrez Reina . Universidad de Sevilla - Ingeniería Electrónica
  • D. Jaime Martel Romero-Valdespino - ITelligent Information Technologies
  • D. Juan Pedro Pérez Alcántara . Universidad de Sevilla - Geografía Física y Análisis Geográfico Regional
  • Dª. Mª del Rocío Martínez Torres . Universidad de Sevilla - Administración de Empresas y Marketing
  • D. Manuel Perales Esteve . Universidad de Sevilla - Ingeniería Electrónica
  • D. Mario Rivas Sánchez - ITelligent Information Technologies
  • D. Sergio Luis Toral Marín . Universidad de Sevilla - Ingeniería Electrónica