Número de horas: 20,00 Horas
Modalidad de impartición: Presencial
Fechas de inicio-fin: 16/10/2019 - 24/10/2019
Horario: Miércoles en horario de tarde, Jueves en horario de tarde, Viernes en horario de 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.
Número de horas: 16,00 Horas
Modalidad de impartición: Presencial
Fechas de inicio-fin: 25/10/2019 - 06/11/2019
Horario: Miércoles en horario de tarde, Jueves en horario de tarde, Viernes en horario de 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
Número de horas: 16,00 Horas
Modalidad de impartición: Presencial
Fechas de inicio-fin: 07/11/2019 - 14/11/2019
Horario: Miércoles en horario de tarde, Jueves en horario de tarde, Viernes en horario de 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.
Número de horas: 16,00 Horas
Modalidad de impartición: Presencial
Fechas de inicio-fin: 15/11/2019 - 22/11/2019
Horario: Miércoles en horario de tarde, Jueves en horario de tarde, Viernes en horario de 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
Número de horas: 16,00 Horas
Modalidad de impartición: Presencial
Fechas de inicio-fin: 27/11/2019 - 04/12/2019
Horario: Miércoles en horario de tarde, Jueves en horario de tarde, Viernes en horario de 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