Ciencia de Datos: Un Enfoque Práctico en la Era del Big Data
Contacto: Jorge Casillas <casillas@decsai.ugr.es>, http://decsai.ugr.es/~casillas
Descripción completa del curso (7ª edición, febrero 2021)
MATRICULACIÓN: Página del curso en la web del Centro Mediterráneo
Existe un descuento para la matrícula conjunta de este curso y el taller Al Grano con la Ciencia de Datos: Ejemplos Prácticos para Entender el Mundo Datificado (4ª ed.) .
- Grado en Ingeniería Informática: 3 ECTS
- Grado en Ingeniería de Tecnologías de Telecomunicación: 1,5 ECTS
- Grado en Estadística: 1,5 ECTS
- Grado en Matemáticas: 1 ECTS
- Grado en Ingeniería Electrónica Industrial: 3 ECTS
- Grado en Ingeniería Civil: 3 ECTS
- Grado en Comunicación Audiovisual: 3 ECTS
- Grado en Información y Documentación: 3 ECTS
- Grado en Economía: 3 ECTS
Introducción
Ciencia de datos es un área de trabajo interdisciplinar que incluye procesos para recopilar, preparar, analizar, visualizar y modelizar datos que permitan generar conocimiento útil para comprender problemas complejos...
Objetivos
Los planes de formación universitaria reglada difícilmente reaccionan a oportunidades laborales emergentes. Además, se tiende a delimitar fronteras que dificultan el desarrollo de especialidades híbridas. Este curso pretende iniciar al alumno en el campo de ciencia de datos, sirviendo así de puente...
A quién va dirigido
Las personas que se dedican a la ciencia de datos se conocen como científicos de datos, que no es más que una mezcla de matemáticos, estadísticos, informáticos...
Equipo docente
El profesorado lo componen docentes e investigadores universitarios séniores y jóvenes del área de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada. Se trata de personal altamente especializado...
Teoría (13h)
- Tema 1: Ciencia de datos, analítica avanzada y big data (1h) – Jorge Casillas
- Tema 2: Análisis exploratorio de datos: visualización (1h) – Jorge Casillas
- Tema 3: Fundamentos de clasificación: árboles de decisión, lazy, RNA, bayesianos, evaluación (2h) – Alberto Fernández
- Tema 4: Preprocesamiento: selección y procesado de instancias y características, tratamiento del ruido (2h) – Alberto Fernández
- Tema 5: Clasificación avanzada: SVM, ensemble learning, problemas no balanceados, deep learning (2,5h) - Salvador García
- Tema 6: Segmentación y relaciones: clustering y reglas de asociación (2h) – Jorge Casillas
- Tema 7: Aprendizaje incremental y data stream mining (1h) – Jorge Casillas
- Tema 8: Big data: fundamentos y paradigmas (1,5h) – Salvador García
Prácticas (17h)
- Práctica 1: KNIME: predicción fundamental (5,5h) – Julián Luengo
- Práctica 2: Phyton para ciencia de datos: visualización y predicción avanzada (6,5h) – Daniel Molina
- Práctica 3: Spark y MLLib: big data (5h) – Diego J. García Gil
Evaluación
Respuesta a preguntas de teoría (modalidad telemática asíncrona) y competición internacional en una plataforma de ciencia de datos (Kaggle o DrivenData). Es obligatorio asistir al 80% de las clases.Planificación
Sesión 1 - lunes, 08/02/2021
15:30-16:00 – Presentación del curso 16:00-17:00 (1h) – Teoría 1 17:00-18:00 (1h) – Teoría 2 18:00-18:30 (30m) – descanso 18:30-20:30 (2h) – Teoría 3 |
Sesión 5 – miércoles, 17/02/2021
16:00-18:00 (2h) – Teoría 6 18:00-18:30 (30m) – descanso 18:30-19:30 (1h) – Teoría 7 |
Sesión 2 - miércoles, 10/02/2021
16:00-18:00 (2h) – Prácticas 1 18:00-18:30 (30m) – descanso 18:30-20:00 (1,5h) – Prácticas 1 |
Sesión 6 - viernes, 19/02/2021
15:30-18:00 (2,5h) – Prácticas 2 18:00-18:30 (30m) – descanso 18:30-20:30 (2h) – Prácticas 2 |
Sesión 3 - viernes, 12/02/2021
16:00-18:00 (2h) – Teoría 4 18:00-18:30 (30m) – descanso 18:30-20:30 (2h) – Prácticas 1 |
Sesión 7 - lunes, 22/02/2021
16:00-17:30 (1,5h) – Teoría 8 17:30-18:00 (30m) – descanso 18:00-20:30 (2,5h) – Prácticas 3 |
Sesión 4 – lunes, 15/02/2021
15:30-18:00 (2,5h) – Teoría 5 18:00-18:30 (30m) – descanso 18:30-20:30 (2h) – Prácticas 2 |
Sesión 8 - miércoles, 24/02/2021
16:00-18:30 (2,5h) – Prácticas 3 18:30-19:00 (30m) – descanso 19:00-19:30 (30m) – Kaggle/DrivenData 19:30-19:40 (10m) – Clausura |
Lugar de celebración y requisitos
El curso es completamente on-line y se imparte a través de Google Meet (https://meet.google.com).Requisitos:
- Disponer de una cuenta de Google (@gmail.com, @go.ugr.es, etc.).
- Ordenador o portátil con capacidad de al menos 8GB de RAM para las prácticas. Las clases de teoría se pueden seguir desde el ordenador (recomendable) o tablet/smartphone, en este segundo caso a través de la app Google Meet (Hangouts) disponible en Google Play para Android y App Store para iOS.
- El dispositivo deberá estar equipado con una cámara, altavoz y micrófono para la participación durante las clases. Se recomienda y ruega emplear auriculares con micrófono para una mejor comunicación.
- Todo el software necesario para las prácticas se basa en software libre y será facilitado al alumnado.
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |