Diplomado Machine learning and data science. Sistemas, programación, data

Transcripción

1 Diplomado Machine learning and data science Sistemas, programación, data

2 Bienvenido, Diplomado Machine Learning and Data Science Una introducción práctica al aprendizaje computacional y al análisis de datos Presentación El aprendizaje computacional (o machine learning en Inglés) estudia los sistemas artificiales que son capaces de aprender a partir de datos. Esto incluye una gran variedad de sistemas, desde los de visión por computador hasta sistemas para detectar correo no deseado (spam). En todos los casos, un sistema que aprende debe ser capaz de generalizar; es decir, encontrar patrones y regularidades en los datos que le permitan desempeñarse bien con datos que no ha observado previamente. Esta habilidad para generalizar y encontrar patrones en datos, es precisamente la que se explota en los sistemas analíticos actuales. Resumen del curso Inicio 20 de Marzo de Junio 2018 Cierre Martes a Jueves 6:00pm a 9:00pm 120 horas totales presenciales Universidad Nacional de Colombia Sede Bogotá $ 3'

3 Durante muchos años el aprendizaje computacional estuvo confinado a los laboratorios de investigación y muchas de sus aplicaciones no pasaban de ser aplicaciones de juguete que no escalaban bien para ser usadas en escenarios reales. Los primeros casos de éxito se dieron en la década de los noventa en dominios de aplicación restringidos como la detección de fraudes en tarjetas de crédito y la predicción de series de tiempo. Sin embargo, en los últimos diez años ha habido una explosión en las aplicaciones del aprendizaje computacional en diferentes problemas que van desde las aplicaciones científicas, hasta productos de consumo masivo como las cámaras fotográficas o las consolas de juego. El aprendizaje computacional está en el centro de una nueva área de conocimiento, la ciencia de datos (o data science en Inglés), que aborda el análisis y explotación del creciente volumen de datos. Los métodos de aprendizaje computacional permiten extraer información y conocimiento en forma de patrones, modelos predictivos y descriptivos, automáticamente inducidos a partir de estos datos. En un estudio de prospectiva patrocinado por IEEE, el aprendizaje computacional ha sido identificado como una de las tecnologías innovadoras que pueden liderar el cambio de la industria de la computación en los siguientes años. Pero aún, más allá de esta distinción, el aprendizaje computacional juega un papel fundamental en el éxito de otras tecnologías identificadas en el mismo estudio. En algunos casos, el aprendizaje computacional proveerá los métodos básicos que permitan abordar los retos particulares de algunas tecnologías, como la visión por computador, la biología computacional, las interfaces de usuario naturales o el denominado big analytics. En otros casos, los métodos de aprendizaje computacional permitirán analizar y aprovechar los inmensos volúmenes de datos generados por tecnologías, tales como los cursos abiertos masivos en línea, el internet de las cosas o la bioinformática. El propósito de este diplomado es exponer a los estudiantes a los conceptos, métodos y tecnologías de análisis de datos y aprendizaje computacional que en su conjunto soportan las actividades propias de la ciencia de datos. El diplomado tiene un enfoque práctico que enfatiza la aplicación de los conceptos y métodos a la solución de problemas reales. Lo estudiantes desarrollarán implementaciones de diversos sistemas analíticos usando diversas tecnologías actuales para el procesamiento, análisis y visualización de datos. Perfil El diplomado está dirigido a todas las personas que desde sus roles tienen responsabilidad o incidencia en los procesos de análisis de datos y desarrollo de sistemas inteligentes y analíticos: gerentes de informática, analistas, desarrolladores y responsables de área. Igualmente, el diplomado también está dirigido a aquellos profesionales en áreas tales como la ingeniería, ciencias naturales, economía, matemáticas y estadística, interesados en diversas aplicaciones del aprendizaje computacional y el desarrollo de sistemas inteligentes y analíticos. Dado el enfoque práctico del diplomado se requiere que los estudiantes tengan familiaridad previa con conceptos de programación. Objetivo Formar a los estudiantes en las competencias necesarias que les permitan aplicar herramientas conceptuales y tecnológicas del análisis de datos y el aprendizaje computacional a la solución de problemas reales.

4 Metodología En este diplomado se asume la educación como un proceso de interacción dinámica centrada en los participantes, donde el rol del profesor, además de proveer su experiencia profesional y los elementos conceptuales, se concentra en ser un dinamizador. Desde esta perspectiva, la metodología debe reflejar el enfoque propiciando el desarrollo de las competencias propuestas. Se pretende entonces una participación activa y productiva en el desarrollo del diplomado, a través de: a) exposición magistral, b) talleres de trabajo en equipo c) sustentación y argumentación de los trabajos. 120 HORAS 50%: Presentación de temas 50%: Talleres guiados Profesores coordinadores Módulo I Introducción al Análisis y Visualización de Datos con Python Felipe Restrepo Calle, PhD Ingeniero de Sistemas Ingeniero de Sistemas y Computación, Universidad Tecnológica de Pereira, 2004; Magíster en Instrumentación Física, Universidad Tecnológica de Pereira, 2007; Doctor en Ingeniería Informática, Universidad de Alicante (España), Ha participado en varios proyectos de investigación a nivel nacional e internacional. Estancias posdoctorales: Universidad de Sevilla (España) durante 2012 y 2013, Universidade Federal do Rio Grande do Sul (Brasil) durante el primer semestre de Profesor del Departamento de Ingeniería de Sistemas e Industrial en la Universidad Nacional de Colombia, sede Bogotá. Sus áreas de interés incluyen: lenguajes de programación, análisis automático de código fuente, procesadores de lenguaje, diseño de sistemas embebidos y educación en ingeniería. Cuenta con más de 30 publicaciones científicas en revistas, libros y conferencias internacionales. Actualmente lidera el grupo de investigación PLaS (Programming Languages and Systems) y es el Coordinador de la Maestría en Ingeniería de Sistemas y Computación.

5 Módulo II Introducción al Aprendizaje Computacional (Machine Learning) con Python Fabio Augusto González Osorio Ingeniero de Sistemas Ingeniero de Sistemas,Universidad Nacional de Colombia (1993); MSc. en Matemáticas, Universidad Nacional de Colombia [1998]; Ph.D. & M.Sc. in Computer Science, The University of Memphis (2003); Profesor visitante University of Louisville, USA (2009); Profesor visitante Ecole Nationale Superieure de Techniques Avancees (ENSTA- ParisTech), Francia (2010); Profesor visitante University of Houston, USA (2017). Profesor Titular del Departamento de Ingeniería de Sistemas e Industrial. Coordinador del programa de Doctorado en Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia, Bogotá. Amplia experiencia en investigación en aprendizaje computacional, minería de datos, recuperación de información, procesamiento de lenguaje natural y visión por computador. Participación en diversos proyectos de investigación internacionales y nacionales. Más de 100 publicaciones científicas en revistas, libros y conferencias internacionales. Lidera el grupo de investigación MindLab ( M a c h i n e L e a r n i n g P e r c e p t i o n a n d D i s c o v e r y L a b, Módulo II Desarrollo de Sistemas Analíticos en la Nube Jorge Eliecer Camargo, PhD Ingeniero de Sistemas Profesor del Departamento de Ingeniería de Sistemas e Industrial de la Universidad Nacional de Colombia, Sede Bogotá. Cuenta con más de 50 publicaciones científicas en revistas, libros y conferencias internacionales relacionadas con el manejo de grandes volúmenes de datos y aplicaciones de machine learning en grandes volúmenes de datos en imágenes, audio y texto (big data). Ingeniero de Sistemas de la Universidad Nacional de Colombia, Magíster en Ingeniería de Sistemas y Computación de la Universidad de los Andes, Doctor en Ingeniería - Sistemas y Computación de la Universidad Nacional de Colombia. Ha participado en diferentes proyectos de investigación a nivel nacional e internacional. Trabajó en el Departamento de Policía Científica en Lausana (Suiza) en el proyecto "Detección automática de medicamentos falsos utilizando técnicas de procesamiento de imágenes y Machine Learning" y en el proyecto "Monitoreo de redes de tráfico de drogas sintéticas utilizando técnicas de procesamiento de imágenes y Machine Learning".

6 Co-Fundador de BigData Solutions S.A.S, compañía colombiana de base tecnológica que presta servicios de Consultoría en Big Data. Experiencia en Avantel S.A.S a cargo de la fábrica de software interna de la compañía. Consultor asesor en Arquitectura de Software, Machine Learning y Big Data para entidades tales como ICFES, DANE, MinTIC, Secretaría de Gobierno, Agencia de Defensa Jurídica del Estado, Superintendencia de Servicios Públicos, Ministerio de Transporte, CINTEL, entre otras. Certificación Este curso ofrece certificación expedida por la Facultad de Ingeniería de la Universidad Nacional de Colombia Sede Bogotá si el estudiante cursa con éxito el 80% o más del tiempo efectivo del curso. (Certificado de completitud) Para algunos cursos/diplomados es necesario aprobar con una nota mínima exámenes o talleres en el desarrollo de la metodología. Formalización de la inscripción Nombre del banco Nombre de la cuenta Número de la cuenta Código de recaudo Nombre del curso SWIFT (Internacional) UID (Internacional) Banco Popular Fondo Especial Facultad de Ingeniería Machine Learning BPOPCOBB

7 Contenido / Programa del curso Módulo I Introducción al Análisis y Visualización de Datos con Python El objetivo de este módulo es entrenar al estudiante en el uso del lenguaje de programación Python como herramienta para el análisis y visualización de datos. El módulo abordará los elementos básicos del lenguaje, los ambientes de programación que soportan su uso interactivo y las bibliotecas especializadas para el análisis y visualización de datos. Introducción Introducción a Phyton Qué es el análisis de datos? Retos y aplicaciones del análisis de datos Configuración entorno de trabajo: Notebooks ipython/jupyter Tipos de dato, listas, tuplas, diccionarios, set, fecha, hora Funciones, lambda, map, list comprehensions Importar datos: archivo texto, CSV, Excel, SQLite DB Librería numérica de Python: NumPy Análisis de datos con Pandas: parte 1 Introducción a Pandas Taller 1 Pandas Análisis de datos con Pandas: parte 2 40 horas - Teórico/práctico Tipos de arreglos, creación de arreglos, entrada/salida, índices, operaciones, funciones universales, troceado e iteraciones de arreglos Introducción librería para computación científica SciPy Taller NumPy Series, DataFrames, índices, consultas, agrupaciones y agregaciones Combinaciones y concatenaciones, operaciones, estadísticas, valores faltantes, duplicados, permutaciones, tablas pivote, outliers. Entrada/salida de datos: texto, CSV, JSON, HTML, Excel Taller 2 Pandas Análisis de datos con Pandas: parte 3 Visualización de datos con Pandas Aplicación práctica usando Pandas

8 Principios de visualización de información Data-ink ratio, Chart junk (Edward Tufte) Qué visualizar y para qué? Abstracción de datos y tareas Gráficos mentirosos y engaños visuales Visualización de datos con Matplotlib Introducción a Matplotlib Plots y subplots, line plots, bar charts, scatterplots, histograms, box plots, heatmaps Taller Matplotlib Visualización de datos con Seaborn Introducción a Seaborn Taller Seaborn Distribution Plots, Categorical Plots, Matrix Plots, Regression Plots, Grids Visualización de datos con Plotly y Cufflinks Introducción a Plotly Plotly y Cufflinks Taller Plotly Visualizaciones interactivas web con Bokeh Introducción a Bokeh Taller Bokeh Visualización de datos complejos Visualización de grafos Visualización de datos geográficos: mapas cloropléticos Taller Presentación proyecto final del módulo y cierre (4 horas) Bibliografía 1. Wes McKinney. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, Inc., Tamara Munzner. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, Igor Milovanović. Python Data Visualization Cookbook. Packt Publishing Ltd, UCLA Statistical Computing Resources. Disponible en:

9 Contenido / Programa del curso Módulo II Introducción al Análisis y Visualización de Datos con Python El objetivo de este módulo es dotar al estudiante con la capacidad de abordar problemas de análisis de datos, usando técnicas de aprendizaje computacional. El módulo parte de una aproximación conceptual al aprendizaje computacional para llevar al estudiante, a través de prácticas concretas basadas en Python y bibliotecas especializadas, al diseño e implementación de modelos de aprendizaje supervisado y no supervisado. Qué es el machine learning? Historia Métodos Aplicaciones Introducción a scikit-learn Arquitectura Aprendizaje supervisado Clasificación Regresión Aplicaciones Modelos probabilísticos de clasificación Teoría de la decisión Naïve Bayes Regresión logística Árboles de decisión Árboles Carga y preprocesamiento de datos Evaluación de modelos supervisados Ganancia de información Random forest Taller de aprendizaje supervisado Aprendizaje no supervisado Agrupamiento Reducción de la dimensionalidad Evaluación de modelos no supervisados 40 horas - Teórico/práctico

10 Agrupación k-medias Mezcla de Gaussianas Reducción de la dimensionalidad Factorización de matrices Otros métodos Selección de modelos Pipelines Análisis de componentes principales Taller de aprendizaje supervisado Redes neuronales Métodos de kernel Optimización de parámetros Presentación proyecto final del módulo y cierre (4 horas) Bibliografía 1. Trevor Hastie Robert Tibshirani Jerome Friedman; The Elements of Statistical Learning, Second Edition, Springer, Ethem Alpaydin, Introduction to Machine Learning, MIT Press, Géron, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems, O'Reilly Media, 2017

11 Contenido / Programa del curso Módulo III Desarrollo de Sistemas Analíticos en la Nube El objetivo de este módulo es presentar al asistente las diferentes alternativas que existen para realizar flujos analítica de datos utilizando servicios en la nube. Se abordarán los conceptos básicos de computación en la nube enfocándose en lo relacionado con servicios de Machine Learning. Se espera que el asistente pueda utilizar este tipo de servicios para dotar de inteligencia a las aplicaciones web y móviles que construya. En el módulo se desarrollarán talleres prácticos que permitan realizar análisis de datos mediante el uso de servicios en la nube de Machine Learning. Machine learning con Databricks Entorno de trabajo Clusters Creación de notebooks Carga de datos Bases de datos y tablas Manejo de Dataframes Importar librerías Librería de Machine Learning (MLib) Máquinas virtuales para ciencia de datos 40 horas - Teórico/práctico Algoritmos de Machine Learning Estadística básica, clasificación y regresión, filtrado colaborativo, agrupamiento, reducción de la dimensionalidad, extracción de características, evaluación de modelos Machine Learning con Amazon Amazon Web Services (AWS) Computación Elástica (EC2) Almacenamiento (S3) Infraestructura Big Data Frameworks preinstalados con frameworks de ML (Tensor Flow, Caffe, Theano, Torch, Mxnet) AWS Deep Learning AMI Máquinas virtuales con GPUs

12 Servicios de Machine Learning (APIs) Servicios de reconocimiento de voz Azure Machine Learning Studio Servicios web Notebooks Conjuntos de datos Carga de datos Cloud Machine Learning de Google TensorFlow Google Cloud Dataflow Servicios de predicción por lotes Deep Learning Infraestructura de GPUs Servicios de ML en Google Cloud Servicio de Agentes de Conversación Natural (chatbots) Integración de agentes en websites Bibliografía Servicio de procesamiento de lenguaje natural, transcripción automática voz-texto Servicios para análisis de imágenes, reconocimiento de objetos, rostros, y escenas en imágenes. Creación de proyectos de ML Modelos de ML pre-entrenados Diseño de experimentos de ML Partición para entrenamiento y pruebas, selección del algoritmo de ML, entrenamiento del modelo de ML, evaluación del modelo, predicción para nuevos ítems Publicación del servicio web de modelos entrenados API para procesamiento de lenguaje natural API para reconocimiento de voz API para traducción automática API para visión por computador API de extracción de metadatos en videos Presentación proyecto final del módulo y cierre (4 horas) 1. Jeff Barnes, Azure Machine Learning: Microsoft Azure Essentials, Microsoft Press, Vlentine Fontama, Roger Barga, Wee Hyong Tok, Predictive Analytics with Microsoft Azure Machine Learning: Build and Deploy Actionable Solutions in Minutes, Apress, AWS, amazon Machine Learning: Developer Guide, Amazon Web Services, Valliappa Lakshmanan, Data Science on the Google Cloud Platform, O Reilly, 2017

13 Unidad de Educación Continua y Permanente Facultad de Ingeniería Sede Bogotá Unidad Camilo Torres Calle 44 No Bloque B5, piso 1 (1) extensiones 10686, uec_fibog@unal.edu.co