Procesamiento y Análisis de Datos y Machine Learning con Python

SEMIPRESENCIAL

110,00

RESUMEN DEL CURSO

Información adicional

Sesiones presenciales: 21 y 28 de noviembre y 12 y 19 de diciembre 2022 de 16:00 a 18:00h

Actualmente muchos ámbitos de nuestra sociedad se enfrentan con retos tecnológicos asociados a los datos.

Estos implican trabajar con un volumen de datos ingente y heterogéneo (pensemos por ejemplo en los datos que pueden proceder de aplicaciones móviles), que pueden estar en multitud de formatos (en ficheros, en bases de datos, en la web), y que tienen que ser analizados e interpretados.

Es en esta situación donde el procesado y análisis de datos, complementado con las técnicas de Machine Learning o aprendizaje automático, juega un papel fundamental.

El procesado y análisis de datos, aumentado con técnicas de Machine Learning, se puede describir como un campo interdisciplinario dentro de la Ciencia de Datos que involucra diferentes métodos, procesos y sistemas para extraer un mejor conocimiento de datos de distinto tipo y en distintos formatos. A partir de este análisis se pueden desarrollar soluciones basadas en los datos que nos pueden ayudar en el día a día y en un amplio número de dominios tan dispares entre sí como la fabricación industrial, la agricultura o la gestión de recursos humanos.

Por ello, el procesado y análisis de datos se ha convertido en una habilidad esencial en una variedad de dominios en los que saber cómo trabajar con los datos y extraer ideas puede generar un valor significativo.

El curso Procesamiento y Análisis de Datos y Machine Learning con Python mostrará a los estudiantes participantes cómo analizar sus datos, iniciarse en el aprendizaje automático y trabajar eficazmente con las bibliotecas de Python que se utilizan a menudo para la ciencia de datos, como pandas, matplotlib, seaborn y scikit-learn.

Objetivos

El objetivo de esta acción formativa es capacitar al estudiante en competencias digitales relacionadas con Procesamiento de Datos y Machine Learning.

Con las competencias que se adquieren en durante el curso los estudiantes podrán comenzar a realizar tareas habituales en un proyecto de ciencia de datos como son la carga, limpieza, análisis, visualización y modelado de datos.

El foco fundamental de este aprendizaje lo constituyen herramientas abiertas basadas en el lenguaje de programación Python, ampliamente utilizado por la comunidad de Procesamiento de Datos y Machine Learning.

¿A quién va dirigido?

Personas con conocimiento demostrable de programación e interés en analítica de datos.

Programa

El programa se organiza en 4 sesiones que cubren los aspectos más relevantes del análisis de datos:

1 – Introducción al Análisis de Datos con Python (Sesión 1 – 1 hora). Durante esta hora se introducirá a los participantes a al análisis de datos y el papel que ocupa en las organizaciones, su proceso de trabajo, así como el flujo de trabajo y sus diferentes etapas. También se presentarán las herramientas y librerías de Python que se van a utilizar durante el curso (Jupyter, Panda, Matplotlib, Seaborn, Scikit-learn y Keras).

2 – Trabajando con Panda DataFrames (Sesión 1 – 1 hora). Durante esta hora se avanzará en el conocimiento de la librería Pandas y se explicará cómo usando DataFrames se pueden abordar los problemas que habitualmente nos vamos a encontrar en las etapas de carga y limpieza de datos.

3 – Exploración y agregación de información con Pandas DataFrames (Sesión 2 – 1 hora). Durante esta hora se explicará cómo utilizar DataFrames para realizar operaciones comunes de análisis de datos.

4 – Visualización de datos con Pandas, Matplotlib y Seaborn (Sesión 2 – 1 hora). Durante esta hora se aprenderá a crear visualizaciones de datos usando las librerías Pandas, Matplotlib y Seaborn.

5 – Fundamentos de Machine Learning con Scikit-learn (Sesión 3 – 1 hora). Durante esta hora se introducirá a técnicas de modelado supervisado y no supervisado de datos básicas con Scikit-learn para su uso para interpretación y predicción de información.

6 – Modelado avanzado con Redes Neuronales (Sesión 3 – 1 hora). Durante esta hora afianzaremos los conceptos aprendidos de modelado y se describirán técnicas avanzadas de modelado supervisado y no supervisado de datos con Keras.

7 – Mejorando las predicciones: optimización de modelos (Sesión 4 – 1 hora). Durante esta hora se describirán estrategias para mejorar la calidad de la predicción de modelos creados con Scikit-learn y Keras.

8 – Qué caminos seguir tras este curso (Sesión 4 – 1 hora). Durante esta hora se proporcionarán recursos que permitirán a los estudiantes seguir con su formación y adquirir nuevas competencias tras este curso.

Durante el curso los alumnos realizarán un trabajo apoyado por 7 horas de contenidos e-learning. Este trabajo estará organizado en una serie de múltiples tareas que les permitirá aplicar el contenido visto durante las clases. Dicho trabajo se usará para la evaluación del curso. Para la realización de este trabajo tutorización durante los días laborales de las dos semanas siguientes para responder dudas sobre el trabajo. Las 10 sesiones de tutoría serán de 30 minutos.

Los estudiantes deberán ser capaces de haber instalado el software Jupyter https://jupyter.org en sus computadores o usarán el entorno web proporcionado durante el curso.

Imparte el curso

Francisco Javier López Pellicer

Francisco Javier López Pellicer es Doctor e Ingeniero en Informática y licenciatura en Ciencias Económicas y Empresariales por la Universidad de Zaragoza.

 

Investigador de sistemas de información basados en datos. Sus actividades de investigación se centran en la problemática de los datos espaciales, los sistemas de información geoespaciales y los problemas relacionados con la publicación de datos abiertos de naturaleza espacial producidos por administraciones públicas. Desde 2004 forma parte del Grupo de Sistemas de Información Avanzados de la Universidad de Zaragoza y desde 2007 es profesor del Dept. de Informática e Ingeniería de Sistemas de la U. de Zaragoza dando formación en Sistemas de Información y en Ingeniería Web.

Javier Lacasta Miguel

Javier Lacasta Miguel es Doctor en Informática por la Universidad de Zaragoza.

 

Profesor titular en el Departamento de Informática e Ingeniería de Sistemas de la Universidad de Zaragoza impartiendo asignaturas de bases de datos, proyectos de software y recuperación de información. Forma parte del Grupo de Sistemas de Información Avanzados de la Universidad de Zaragoza y su labor investigadora se centra en el campo de la Gestión del Conocimiento, recuperación de información, análisis y minería de datos.

Confirmación de Plaza

  • Se confirmará telefónicamente la asistencia al curso/taller y posteriormente se enviará un email con las indicaciones de abono.
  • El pago deberá hacerse efectivo una vez confirmada la plaza por ITAINNOVA y antes del inicio de la acción formativa.
  • No se realizarán devoluciones del importe de la matrícula en los tres días previos a la fecha de inicio del curso.
  • El Instituto Tecnológico de Aragón emitirá una factura a la empresa participante por el importe del curso.

El importe de la cuota de asistencia al curso es deducible en el Impuesto sobre Sociedades y en el IRPF a efectos de la determinación del rendimiento neto de las actividades económicas. Asimismo, los gastos de formación del personal permiten una deducción en la cuota de dichos impuestos del 5% sobre ese importe. (Ley 43/1995 sobre el Impuesto de Sociedades y Ley 40/1998 sobre IRPF).
Esta formación está enmarcada en la actuación “Formación para Innovar” dentro del Objetivo Especifico 10.2.1 del Programa Operativo 2014-2020 FSE.
Construyendo Europa desde Aragón
Fondo Social Europeo (FSE).

Cancelación de Plaza

  • Si se comunica la cancelación hasta 3 días laborales antes del inicio del Curso, se devolverá el importe íntegro de la inscripción.
  • En caso de no cancelar o hacerlo fuera de plazo no se reembolsará el importe de la inscripción pero se admite la sustitución de su plaza por otra persona de su entidad. El cambio se podrá realizar hasta un día antes de la celebración del curso.
  • En caso de cancelación de la acción formativa únicamente se reembolsará el importe de la matrícula.

Solicitar información














    Información básica sobre protección de datos. Responsable: INSTITUTO TECNOLÓGICO DE ARAGÓN. Finalidad: gestionar el curso en el que puede llegar a participar (preinscripción, matriculación, desarrollo, facturación, etc.), y poder hacerte llegar información (incluso por medios electrónicos) sobre otros cursos, actividades y eventos promovidos o participados por ITAINNOVA. Legitimación: consentimiento prestado para el tratamiento de los datos y, en su caso, el envío de información. Derechos e información adicional sobre protección de datos en Política de Privacidad ITAINNOVA