- Fecha: 20/04/2020 al 29/04/2020
- Web: https://cemed.ugr.es/curso/20gr58/
- Programa
- Matrícula: 40 euros
- CÓDIGO: 20GR58 GRANADA
Nota importante: Si tienen correo electrónico de Google, es aconsejable que sea el que pongan al matricularse. Es importante que indiquen su perfil profesional o formativo para poder formar los equipos multidisciplinares.
Se requiere un número de 16 alumnos para realizar el taller
En el siguiente enlace podrán encontrar información adicional y material del curso: http://decsai.ugr.es/~casillas/al-grano-ciencia-datos.html
- Modalidad de realización: Plataforma Google Meet
- Dirección: Jorge Casillas Barranquero
- Colabora: Unidad de Cultura Científica y de la Innovación
Presentación:
Los datos generados digitalmente (desde las redes sociales, a las plataformas de comunicaciones o los dispositivos móviles) ofrecen una forma de acumular nuevos datos a gran escala, el conocido big data.
Estos datos pueden ayudar a comprender grandes temas de interés crucial para muchas áreas. Desde las ciencias biosanitarias a las ciencias sociales y políticas, pasando por la empresa, la economía o el deporte, todas se interesan por análisis cuantitativos que expliquen comportamientos sociales, diseños de mercados, efectos epidemiológicos y cualquier otra forma responsable de mejorar el valor social de los datos.
Ciencia de datos proporciona la experiencia técnica necesaria para analizar datos, a veces heterogéneos y no estructurados. Pero este proceso debe ser complementado con un enfoque cualitativo obteniendo datos etnográficos e información subjetiva que permitan poner de manifiesto los contextos del objeto de estudio, el conocido thick data.
Por las implicaciones éticas que subyacen y la necesidad de complementar el análisis con información cualitativa, en los equipos multidisciplinares de ciencia de datos cada vez es más demandada la participación de psicólogos, antropólogos, sociólogos, politólogos, médicos, economistas, etc. con una base técnica fundamental en ciencia de datos.
Este breve taller pretende acercar el mundo de la ciencia de datos a este contexto con un enfoque eminentemente práctico donde, sin necesidad de instalar ningún software, a partir de herramientas on-line el alumnado podrá aplicar los fundamentos del aprendizaje automático (la rama de la inteligencia artificial que genera conocimiento a partir de datos) y la visualización (técnicas avanzadas de generación de gráficos) para abordar problemas de distinto tipo (sociales, marketing, salud…) desde un nuevo enfoque.
A quién va dirigido:
El taller está orientado para toda persona con interés en acercarse por primera vez a la ciencia de datos y el big data pero sin conocimientos previos en el campo y sin necesidad de formación avanzada en informática. No obstante, se recomienda cierta destreza en el uso fluido de software e informática en general para mejor aprovechamiento del taller. En cualquier caso, el profesor irá guiando a todo el alumnado para una consecución satisfactoria de los objetivos docentes.
Objetivos:
- Comprender qué es el aprendizaje automático, la ciencia de datos y el big data.
2. Entender lo que pueden y no pueden hacer; lo que deben y no deben hacer.
3. Comprender su base conociendo algunos algoritmos básicos.
4. Ganar experiencia en la aplicación de estas técnicas a datos del mundo real.
Competencias de los alumnos:
El alumno sabrá/comprenderá
1. Comprender qué es el aprendizaje automático, la ciencia de datos y el big data.
2. Entender lo que pueden y no pueden hacer; lo que deben y no deben hacer.
3. Comprender su base conociendo algunos algoritmos básicos.
4. Ganar experiencia en la aplicación de estas técnicas a datos del mundo real.
El alumno será capaz de
Resolver en equipo un microproyecto de ciencia de datos. Algunos ejemplos de los posibles proyectos son: análisis de Twitter sobre política o salud, predicción de campañas de telemarketing en banca, análisis de ventas en eBay, perfiles de pacientes, diagnóstico de enfermedades, análisis relacional de cuestionarios médicos o sociales, flujos migratorios, etc.
Método de evaluación: evaluación del profesor en base al proyecto desarrollado y la exposición
