Programa Big Analytics: de la información al conocimiento
|
|
- Eva María Espinoza Aranda
- hace 5 años
- Vistas:
Transcripción
1 Programa Big Analytics: de la información al conocimiento 1/02/2018 Introducción Directora: Rosa Lillo/Deloitte Introducción general al Big data y la necesidad del Analytics 2/02/ Arquitectura/Bases de datos relacionados /Infraestructuras (AMAZON) Dª Lara QuijanoSánchez On premise vs Cloud. Soluciones Big Data en el Cloud. Diseño de sistemas inteligentes. Tipos de problemas que nos encontramos en data science y como abordarlos. Intro al aprendizaje automático. Caso práctico 1 3/02/ Arquitectura/Bases de datos relacionados /Infraestructuras (AMAZON) Dª Lara QuijanoSánchez Bases de datos. Introducción. Tratamiento, transformación y limpieza de datos. Caso práctico 2 y 3. 8/02/ Arquitectura/Bases de datos relacionados /Infraestructuras (AMAZON) Dª Lara QuijanoSánchez Bases de datos II. Obtención de datos, inferencia de datos y modelado de datos. Diseño de las necesidades del sistema. Casos prácticos 4 y 5. 9/02/2018 R D. Carlo Sguera 1. Introducción a R. 2. Introducción a los paquetes de R que se utilizarán en otras sesiones. 3. Ejemplos prácticos. 10/02/2018 R D. Carlo Sguera 1. Introducción a R. 2. Introducción a los paquetes de R que se utilizarán en otras sesiones. 3. Ejemplos prácticos. Página 1 de 6
2 15/02/ Introducción al análisis masivo de datos: descriptivos y visualización de Big Data D. David Delgado Gómez En la primera clase, el objetivo es entender los datos que nos de Deloitte y enseñar que muchas veces la parte más tediosa y la que, en ocasiones, lleva más tiempo es preparar y entender los datos. Para ello, empezaré presentando las técnicas más básicas: histogramas, scatter plots, y mostraré varios ejemplos que he trabajado en el pasado con los que estas técnicas tan rudimentarias fueron capaces de mejorar el detector facial de Viola-Jones o segmentar imágenes dermatológicas. Tras ello, nos pondremos manos a la obra. Cargaremos los datos de Deloitte y tras comprobar que todo se ha cargado correctamente, empezaremos entendiendo que variables tienen, viendo descriptivos que nos ayuden a entenderlas mejor y descubrir si hay valores extremos y por qué ocurren. Si los datos tienen una variable de interés, a mirar correlaciones o indicadores de discriminación para entender cuáles son las variables más predictivas/discriminativas. De esta forma, se prepara el tema para la regresión lineal y las técnicas de clasificación. Se empezará a hablar de proyecciones que revelen estructuras en los datos. En particular, el análisis de componentes principales. 16/02/ Introducción al análisis masivo de datos: descriptivos y visualización de Big Data D. David Delgado Gómez En la segunda clase, se avanzará al exploratory pursuit y al independent component analysis. Y se verá el análisis discriminante de Fisher. Se enseñara rápidamente que es el análisis factorial para explicar el concepto de dimensiones/rasgos latentes. Tras ello, concluiremos la segunda clase entendiendo la visualización no para explorar sino para mostrar nuestros resultados. 17/02/2018 Hackathon + Series Temporales Presentación del hackathon en el que van a poder aplicar las distintas técnicas que se vayan presentando a lo largo del curso Introducción a las series temporales con ejercicios teóricos/prácticos: definición de series temporales, descomposición de series temporales, series estacionarias y técnicas de modelización Página 2 de 6
3 22/02/ Aprendizaje supervisado de datos Introducción al machine learning y tipos de problemas: supervisado vs no supervisado vs semi-supervisado, regresión vs clasificación Algoritmos supervisados sencillos: métodos lineales (discriminante lineal), cuadráticos y no paramétricos (vecinos próximos). Aspectos importantes en el proceso de clasificación: Selección de características y reducción de la dimensión.elección del clasificador, problema de sobreajuste, validación. 23/02/ Aprendizaje supervisado de datos Introducción al machine learning y tipos de problemas: supervisado vs no supervisado vs semi-supervisado, regresión vs clasificación Algoritmos supervisados sencillos: métodos lineales (discriminante lineal), cuadráticos y no paramétricos (vecinos próximos). Aspectos importantes en el proceso de clasificación: Selección de características y reducción de la dimensión.elección del clasificador, problema de sobreajuste, validación 24/02/2018 Hackathon + Series Temporales Primera prueba del Hackathon y subida de resultados a la plataforma. Formación de equipos En series temporales seguimos con una colección de ejercicios teóricos/prácticos: modelización de series temporales y visualización. Ejercicio final. 1/03/ Máquinas de vectores soportes (SVM) y algoritmos genéticos Breve introducción a la optimización. Introducción a las máquinas de vectores soporte (SVM): motivación, optimización, kernel trick, ajuste de parámetros. Introducción a los algoritmos genéticos: cómo buscar en el espacio de soluciones, heurísticas, motivación de los algoritmos genéticos, metodología, tipos. 2/03/ Máquinas de vectores soportes (SVM) y algoritmos genéticos Página 3 de 6
4 En todas las sesiones se motivarán los contenidos con ejemplos ilustrativos y reales en la medida de lo posible. Se harán prácticas de los distintos temas con R y se usará como hilo conductor el problema general de todo el curso. 3/03/ Técnicas de regresión D. Iván Blanco Introducción de las principales técnicas de regresión: Lineal, Splines, Quantiles, Lasso y regressión logística. 8/03/2018 Sesión Deloitte Deloitte 9/03/ Técnicas de regresión D. Iván Blanco Técnicas avanzadas de regresión, diseño de experimentos para mitigar problemas de causalidad: Diferencias en diferencias, Variables instrumentales y regresion por discontinuidad. 10/03/ Técnicas no supervisadas de análisis de datos D. Juan Carlos Laria de la Cruz Cluster Analysis: k-means (color quantization, pattern recognition examples ), k-medoids ( face recognition examples ). Association Rules: The apriori algorithm (examples on Association rules sequences. The cspade algorithm (examples on tag recommendation, market basket, etc) market basket analysis), Association rules sequences. The cspade algorithm (examples on tag recommendation, market basket, etc) 15/03/ Técnicas no supervisadas de análisis de datos D. Juan Carlos Laria de la Cruz Cluster Analysis/ Hierarchical clustering : Agnes - Diana, Types of linkages. Examples on movie suggestion engines, cell phone towers placement, etc. 16/03/ Introducción a Python Conceptos básicos e introducción a la programación en Python, cubriendo las librerías más empleadas en el tratamiento de datos y en el desarrollo de modelos de machine learning (numpy, pandas, scikit-learn, etc.). En las Página 4 de 6
5 prácticas se utilizarán Jupyter Notebooks para documentar el código y facilitar la ejecución interactiva durante la sesión 17/03/2018 -Spark Core +(parte 1) Introducción a las funcionalidades básicas de Spark. Partiendo de la definición y manejo de RDDs hasta la manipulación de DataFrames y DataSets, pasando por las transformaciones y acciones más comunes en el procesamiento de datos distribuidos sobre Spark. Para ello se pueden utilizar distintas APIs y durante el curso se utilizará PySpark (de ahí la introducción de la sesión anterior), empleando además distintos formatos y fuentes de datos en el origen. Siguiendo un enfoque práctico, se aplicarán estos conceptos a ejemplos con datos reales de manera interactiva. 5/04/ Spark Core + SparkSQL (parte2) + Introducción a Spark MLlib Continuación de la sesión anterior, incorporando la librería de modelado MLlib de Spark. Se explicará cómo construir los algoritmos descritos en la primera sesión, esta vez en formato distribuido. A su vez se hará un repaso de todo aquello necesario en la construcción de features y de un pipeline completo de machine learning con PySpark. 6/04/2018 SparkStreaming En esta sesión se incorporará una componente de real time al sistema desarrollado durante las sesiones anteriores, haciendo uso de los modelos generados en batch para completar una arquitectura lambda. Para ello se hará una introducción al manejo de streams de datos y sus bloques de procesamiento mediante colas de Kafka. Utilizando como unidad básica los DStreams y modelos entrenados en batch veremos cómo utilizar SparkStreaming para hacer predicciones en real time. 7/04/ Deep learning D. Iván Blanco Introducción a las redes neuronales básicas y a las redes profundas (deep learning) utilizando "Tensor Flow". Técnicas de clasificación 2: Combinación de clasificadores Página 5 de 6
6 12/04/ Técnicas de clasificación 2: Combinación de clasificadores Dª. Joanna Rodríguez 13/04/ Técnicas de clasificación 2: Combinación de clasificadores Dª. Joanna Rodríguez 14/04/ Modelos probabilísticos y gráficos D. René Valenzuela Introducción a los modelos gráficos probabilísticos. Caracterización. Redes Bayesianas. Tablas de probabilidad condicionada. Inferencia 19/04/ Modelos probabilísticos y gráficos D. René Valenzuela Ejemplos Aprendiendo modelos gráficos probabilísticos e inferencia con ellos 20/04/2018 Hackathon Trabajo por equipos 21/04/2018 Hackathon + Presentación Final Trabajo por equipos & presentación de resultados Página 6 de 6
Big Analytics: de la información al conocimiento
Programa Introducción Arquitectura/Bases de datos relacionados /Infraestructuras (AMAZON) R Introducción al análisis masivo de datos: descriptivos y visualización de Big Data Hackathon + Series Temporales
Más detallesÍndice general. Prefacio...5
Índice general Prefacio...5 Capítulo 1 Introducción...13 1.1 Introducción...13 1.2 Los datos...19 1.3 Etapas en los procesos de big data...20 1.4 Minería de datos...21 1.5 Estructura de un proyecto de
Más detallesMÁster en Data Science y Arquitectura Big Data_ DURACIÓN: 248 HORAS
MÁster en Data Science y Arquitectura Big Data_ DURACIÓN: 248 HORAS MÁster en Data Science y Arquitectura Big Data_ El Máster en Data Science y Arquitectura Big Data ha sido diseñado para formar al alumno
Más detallesBuenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM.
Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM. Qué es la ciencia de datos? Es muy difícil encontrar una definición
Más detallesBIG DATA SCIENCE & ANALYTICS
BIG DATA SCIENCE & ANALYTICS Enzo Roccasalva Head of Practice: Advanced Analytics & Risk CONOCIENDO A SAS +40 Años de Experiencia +75,000 Instalaciones +140 Países 1 o Empresa privada de software más grande
Más detallesMÁSTER EN BIG DATA MANAGEMENT & DATA ENGINEERING. Master
MÁSTER EN BIG DATA MANAGEMENT & DATA ENGINEERING Master MÁSTER EN BIG DATA MANAGEMENT & DATA ENGINEERING MBD_MÓDULO 1: FUNDAMENTOS DE BIG DATA 1. Qué es Big Data y qué no es Big Data 2. Business Intelligence
Más detallesMÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA ASIGNATURAS OBLIGATORIAS
Propio: MÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA Código Plan de s: EN22 Año Académico: 2018-2019 ESTRUCTURA GENERAL DEL PLAN DE ESTUDIOS: CURSO Obligatorios Optativos Prácticas Externas Memoria/ Proyecto
Más detallesPROGRAMA DE CURSO. Horas Docencia Horas de Trabajo Horas de Cátedra Docentes ,5 5,5. Resultados de Aprendizaje
PROGRAMA DE CURSO Código Nombre CC5113 Aprendizaje Automático Bayesiano Nombre en Inglés Bayesian Machine Learning SCT Unidades Horas Docencia Horas de Trabajo Horas de Cátedra Docentes Auxiliar Personal
Más detallesCURSO DE APACHE SPARK_
DURACIÓN: 72 HORAS Apache Spark es un motor de procesamiento distribuido construido para aumentar la velocidad de procesamiento de grandes cantidades de datos añadiendo facilidad de uso y un análisis sofisticado.
Más detallesDeveloper Training for Spark and Hadoop
Developer Training for Spark and Hadoop Duración 5 días 28 horas Este curso práctico de cuatro días ofrece los conceptos clave y la experiencia que necesitan los desarrolladores para desarrollar aplicaciones
Más detallesAplicación de Apache Spark y su librería MLlib para el desarrollo de sistemas recomendadores
Aplicación de Apache Spark y su librería MLlib para el desarrollo de sistemas recomendadores Enrique Costa-Montenegro1, Alexander Tsybanev1, Héctor Cerezo-Costas2, Francisco Javier González-Castaño 1,
Más detallesPARA INGENIEROS. Ser ingeniero en la época del Big Data, Data Science e Internet of Things. Con la colaboración de:
PARA INGENIEROS Ser ingeniero en la época del Big Data, Data Science e Internet of Things Con la colaboración de: Ser ingeniero en la época del Big Data, Data Science e Internet of Things Todos sabemos
Más detallesII TALLER DE ESPECIALIZACIÓN EN: BIG DATA APLICADO (Aprobado con Acuerdo de Consejo Universitario No )
II TALLER DE ESPECIALIZACIÓN EN: BIG DATA APLICADO (Aprobado con Acuerdo de Consejo Universitario No. 0911-2018) (13, 15, 17, 20, 22, 24, 27, 29, 31 Agosto y 03 de Setiembre del 2018) Informes e inscripción:
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 2:
Más detallesMachine Learning. Programa de Estudio.
Machine Learning Programa de Estudio Machine Learning Desarrolla tu perfil técnico en Inteligencia artificial. Introdúcete al mundo de Machine Learning.Comprende los desafíos sociales e industriales que
Más detallesYO, CIENCIA DE DATOS. BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016
YO, CIENCIA DE DATOS BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016 Qué es CIENCIA DE DATOS? La ciencia de datos es un campo interdisciplinario que involucra los procesos y sistemas
Más detallesMD - Minería de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 018 70 - FIB - Facultad de Informática de Barcelona 73 - CS - Departamento de Ciencias de la Computación 715 - EIO - Departamento
Más detallesPrograma Internacional. Programa Certificado en. Big Data
Programa Internacional Programa Certificado en Big Data A1 Introducción La revolución del Mundo Digital ha permitido que las personas encuentren un gran sinnúmero de información, en el cual el problema
Más detallesIntroducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesBig Data. Plan de Estudio
Big Data Plan de Estudio Descripción Big Data, inteligencia de datos o datos masivos, se refiere a conjuntos de datos tan grandes que aplicaciones informáticas tradicionales de procesamiento de datos no
Más detallesClasificación de estados cerebralesusando neuroimágenes funcionales
Clasificación de estados cerebralesusando neuroimágenes funcionales Clase 2: Reconocimiento de patrones en datos de neuroimagenes Enzo Tagliazucchi (tagliazucchi.enzo@googlemail.com) Primera clase: introducción
Más detallesAPLICACIONES DE MINERA DE DATOS EN ADUANA DE PERU. Luis Azaña Bocanegra
APLICACIONES DE MINERA DE DATOS EN ADUANA DE PERU Luis Azaña Bocanegra TEMARIO CONCEPTOS DEFINICION DE MINERIA DE DATOS USOS DE LA MINERIA DE DATOS TECNICAS DE MINERIA DE DATOS ETAPAS DE UN PROYECTO DE
Más detallesDESARROLLO APLICACIONES BUSINESS INTELLIGENCE CON MS SQL SERVER Big Data
DESARROLLO APLICACIONES BUSINESS INTELLIGENCE CON MS SQL SERVER 2016 + Big Data DESCRIPCIÓN Este curso está orientado a brindar a los alumnos los fundamentos necesarios en el campo del Business Intelligence
Más detallesCURSOS CONENTO. Una puerta abierta para que puedas desarrollar tus propios análisis
CURSOS CONENTO Una puerta abierta para que puedas desarrollar tus propios análisis Introducción Este documento recoge la lista de los cursos que ofrecemos para ayudar a nuestros clientes a incrementar
Más detallesII TALLER DE ESPECIALIZACIÓN EN:
II TALLER DE ESPECIALIZACIÓN EN: (14,16, 18, 21, 23, 25, 28 y 30 de mayo del 2018) Informes e inscripción: 70 80 000 anexo 0169 Piso 8 de la Torre Administrativa Universidad, Av. Benavides 5440 Santiago
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: CÓDIGO: CARRERA: NIVEL: INTELIGENCIA ARTIFICIAL II (Aprendizaje Automático) IS-12653 INGENIERIA DE SISTEMAS SEPTIMO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS
Más detallesPROCESAMIENTO DIGITAL DE IMÁGENES
PROCESAMIENTO DIGITAL DE IMÁGENES 2 OBJETIVO GENERAL Familiarizarse con el análisis de imágenes a través de computadores, aprendiendo técnicas de procesamiento, utilizando la librería de programación OpenCV,
Más detallesAnálisis de Datos para la Industria y los Servicios
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación
Más detallesMinería de Datos, Análisis Predictivo con Microsoft Analysis Services y PowerPivot Excel (Data Mining, Predictive Analytics with Microsoft Analysis Services and Excel PowerPivot) Duración: 24 horas Código:
Más detallesCURSO FORMATIVO. Big Data Processing. 199 horas. Contenido desarrollado por Sinergyc Partners
CURSO FORMATIVO Big Data Processing 199 horas Contenido desarrollado por Sinergyc Partners 1 1. PRESENTACIÓN 03 2. QUE VAS A APRENDER? 03 3. CÓMO SE ESTUDIA? 04 4. FORMACIÓN EN BIG DATA PROCESSING 05 Formación
Más detallesPROPUESTA DE MINOR CIENCIA DE LOS DATOS. DATA SCIENCE Resultados de Aprendizaje del Minor
PROPUESTA DE MINOR Nombre del Minor CIENCIA DE LOS DATOS DATA SCIENCE del Minor Al finalizar el Minor el estudiante logrará: Analizar y representar grandes volúmenes de datos complejos tales como: imágenes,
Más detallesPBDE - Programación y Bases de Datos Estadísticas
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 200 - FME - Facultad de Matemáticas y Estadística 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática
Más detallesBKS: Business Knowledge Series.
BKS: Business Knowledge Series. BigData analytics: Next Best Offer Content. 1 Presentado por: Gabriel Contreras. Detectando y descubriendo hábitos de consumo de contenidos y aplicaciones. Capítulo 1. Breve
Más detallesCICLO INTEGRAL BIG DATA PARA EL DESARROLLO DE APLICACIONES PRODUCTIVAS
CICLO INTEGRAL BIG DATA PARA EL DESARROLLO DE APLICACIONES PRODUCTIVAS QUIÉNES SOMOS? Centro de Formación saxsa El Centro de Formación saxsa es parte de saxsa, empresa líder en Soluciones Big Data con
Más detallesSeminario-Taller Ciencia de Datos con Python
Seminario-Taller Ciencia de Datos con Python Tutor: El seminario-taller será impartido por el Dr. Oldemar Rodriguez Rojas. El Dr. Rodríguez realizó sus estudios doctorales en la Universidad de París IX
Más detallesItinerario: Inteligencia Computacional
Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Itinerario: Inteligencia Computacional Escuela Politécnica Superior Universidad Autónoma de Madrid
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Desde la antigüedad, el problema de buscar patrones en datos es fundamental en diversas
Más detallesMD - Minería de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 017 70 - FIB - Facultad de Informática de Barcelona 73 - CS - Departamento de Ciencias de la Computación 715 - EIO - Departamento
Más detallesLínea de Especialización Control de Sistemas
Línea de Especialización Control de Sistemas 1.- Propósito de la línea de especialización. Profesional con sólida formación teórico-práctica y visión global amplia acerca de diferentes métodos de modelación,
Más detalles240AR022 - Reconocimiento de Formas y Aprendizaje Automático
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 707 - ESAII - Departamento de Ingeniería de
Más detallesTécnicas de aprendizaje automático en el análisis de datos de DP. Dr. Carlos Fernández Lozano Juan de la Cierva-Formación
Técnicas de aprendizaje automático en el análisis de datos de DP Dr. Carlos Fernández Lozano Juan de la Cierva-Formación carlos.fernandez@udc.es Índice Acerca de mí Big data? Medicina de precisión? Integración
Más detallesAcelerando la innovación con Apache Spark. Ricardo Barranco Fragoso IBM Big Data & Analytics Specialist
Acelerando la innovación con Apache Ricardo Barranco Fragoso Big Data & Analytics Specialist rbarran@mx1.ibm.com México Big Data y la Ciencia de Datos Entonces, la Ciencia de Datos es...? Es realmente
Más detallesInteligencia Artificial: Su uso para la investigación
Inteligencia Artificial: Su uso para la investigación Dra. Helena Montserrat Gómez Adorno Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas helena.adorno@iimas.unam.mx 1 Introducción
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2017-2018 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Universidad Autónoma de
Más detallesJugando a policías y ladrones para detectar anomalías en red con ML. Carmen Torrano Giménez #CyberCamp17
Jugando a policías y ladrones para detectar anomalías en red con ML Carmen Torrano Giménez #CyberCamp17 Presentación @ctorranog Carmen.torrano@11paths.com 2 Machine Learning 3 Detección de anomalías 4
Más detallesDATA SCIENCE NIVEL I
PROGRAMAS DE ESPECIALIZACIÓN EN CIENCIA DE DATOS Rectorado Programa de Especialización DATA SCIENCE NIVEL I Del 4 de agosto al 29 de setiembre 2018 MÓDULO I: 1. FUNDAMENTOS DE MACHINE LEARNING 2. MODELOS
Más detallesPARA INGENIEROS. Nivel 3. Python para Data Science. Organizan:
PARA INGENIEROS Nivel 3. Python para Data Science Organizan: Ser ingeniero en la época del Big Data, Data Science e Internet of Things Todos sabemos que uno de los mayores agujeros en los planes de estudio
Más detallesÍNDICE. Introducción... Capítulo 1. Técnicas de minería de datos y herramientas... 1
ÍNDICE Introducción... XI Capítulo 1. Técnicas de minería de datos y herramientas... 1 Clasificación de las técnicas de minería de datos y herramientas más comunes... 1 Modelado originado por la teoría
Más detallesCiencia de Datos con Python
Ciencia de Datos con Python Tutor: El curso será impartido por el Dr. Oldemar Rodriguez Rojas. El Dr Rodríguez realizó sus estudios doctorales en la Universidad de París IX Dauphine, Francia y un Posdoctorado
Más detallesTema 2: Introducción a scikit-learn
Tema 2: Introducción a scikit-learn José Luis Ruiz Reina Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Razonamiento asistido por computador, 2017-18 Ejemplo:
Más detallesModelos de Scoring para Riesgo de Crédito
Modelos de Scoring para Riesgo de Crédito Los modelos de scoring de riesgo, dentro del proceso de otorgamiento de crédito, están orientados a anticipar comportamiento futuro. Podemos dividirlos en tres
Más detallesMáster Universitario en Química QUIMIOMETRÍA. Curso
1. Datos Descriptivos de la Asignatura Asignatura: Quimiometría Código: 325561103 - Centro: Facultad de Química - Titulación: Máster Universitario en Química - Plan de Estudios: 2013 - Rama de conocimiento:
Más detallesBIG DATA: Una mirada tecnológica
BIG DATA: Una mirada tecnológica Dr. Rubén Casado ruben.casado@treelogic.com @ruben_casado AGENDA 1. Qué y cómo es Big Data? 2. Batch processing 3. Real-time processing 4. Hybrid computation model 5. Casos
Más detallesMcal. Antonio José de Sucre
ESCUELA MILITAR DE INGENIERÍA Mcal. Antonio José de Sucre Prestigio, Disciplina y Mejores Oportunidades VERSIÓN - 1 (DDCS-1) Mediante D.S. 2226, de 26 de octubre de 1950, elevada a rango de Ley Nro. 286
Más detallesMétodos de Regresión en Minería de Datos
Métodos de Regresión en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Reconocimiento de Patrones Área a la que pertenece: Área de Formación Integral Profesional Horas teóricas: 3 Horas prácticas: 1 Créditos: 7 Clave: F0182 Asignaturas antecedentes y
Más detallesData Science. Herramientas, lenguajes y Python
SM ke r ne l Obs e r vat ions SM e s t imat e ( MSE =1.0149) DSE - GP C M e s t imat e ( MSE =1.0507) 6 4 2 0 Herramientas, lenguajes y Python 2 0.4 0.5 AMIS 4 10 5 0 T ime 5 10 Aprendizaje de Máquinas,
Más detallesIntroducción a la Estadística para Data Science (con Python)
(con Python) 4ª edición Inicio /02/18 30 h. Presencial Madrid Bolsa de (También en empleo Barcelona) 495 Curso de Introducción a para Data 4ed. Tener nociones de estadística y soltura manejando los conceptos
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE
PROCESO DE COORDINACIÓN DE LAS ENSEÑANZAS PR/CL/001 ASIGNATURA 615000365 - PLAN DE ESTUDIOS 61SI - CURSO ACADÉMICO Y SEMESTRE 2017/18 - Segundo semestre Índice Guía de Aprendizaje 1. Datos descriptivos...1
Más detallesMachine Learning y su Utilización en Riesgo de. Seemant Teotia Sr. Director International Analytics Equifax Inc. USA. Crédito
Machine Learning y su Utilización en Riesgo de Seemant Teotia Sr. Director International Analytics Equifax Inc. USA Crédito Principios de Machine Learning Qué es? Por qué lo usamos? Cuándo lo usamos? Ejemplos
Más detallesPROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
PROGRAMA OFICIAL DE POSTGRADO EN ESTADÍSTICA E INVESTIGACIÓN OPERATIVA DATOS IDENTIFICATIVOS DE LA MATERIA Código de la materia: P1061101 Nombre de la materia: Modelos de Regresión Número de créditos ECTS:
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesANÁLISIS ESTADÍSTICO CON R
ANÁLISIS ESTADÍSTICO CON R Qué es R? Actualmente R es uno de los programas más utilizados para el análisis estadístico ya que proporciona un amplio abanico de herramientas (modelos lineales y no lineales,
Más detallesMÁSTER: MÁSTER BIG DATA ANALYTICS
MÁSTER: MÁSTER BIG DATA ANALYTICS Información detallada del máster www.formacionhadoop.com El máster online Big Data Analytics de 190 horas tiene como objetivo formar a profesionales expertos en Big Data
Más detalles11. FUENTES DE INFORMACIÓN
multidimensionales Unidad 3: Tratamiento del color Identificar las características del histograma y su uso para el tratamiento del color Obtener el histograma de diferentes imágenes para indicar las características
Más detallesAfinación y Rendimiento de Bases de Datos
DIPLOMADO Afinación y Rendimiento de Bases de Datos TEMARIO DURACIÓN: 250 hrs. 1. Sistemas de Información OLTP y SQL (40 hrs.) 1.1 Componentes de un Sistema de Información 1.2 Tipos de un Sistema de Información
Más detallesCURSO: ANÁLISIS DE DATOS CON APACHE SPARK
CURSO: ANÁLISIS DE DATOS CON APACHE SPARK Información detallada del curso www.formacionhadoop.com El curso online Análisis de datos con Apache Spark de 60 horas está recomendado para todos aquellos profesionales
Más detallesen Big Data y Business Analytics
en Big Data y Business Analytics 600 horas (60 ECTS) Programa MÓDULO 1: INTRODUCCIÓN AL BIG DATA... 2 MÓDULO 2: BBDD RELACIONALES: SQL. DISEÑO DE UN DATAWAREHOUSE... 2 MÓDULO 3: BBDD NoSQL y HDFS... 3
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto
Más detallesIX PROGRAMA DE ESPECIALIZACIÓN EN BIG DATA & ANALYTICS. Edición Fines de Semana
IX PROGRAMA DE ESPECIALIZACIÓN EN BIG DATA & ANALYTICS Edición Fines de Semana El IX Programa de Especialización en Big Data & Analytics trata de responder a las necesidades de formación de capacidades
Más detallesMINERÍA DE DATOS: PREPROCESAMIENTO Y CLASIFICACIÓN
GUIA DOCENTE DE LA ASIGNATURA MINERÍA DE DATOS: PREPROCESAMIENTO Y CLASIFICACIÓN MÓDULO MATERIA ASIGNATURA CURSO SEMESTRE CRÉDITOS CARÁCTER Módulo de Nivelación de Conocimientos Minería de datos: preprocesamie
Más detallesTécnicas de aprendizaje sobre series temporales
Técnicas de aprendizaje sobre series temporales Contenido 1. Motivación. 2. Ejemplo del Problema. 3. Aproximaciones al problema de clasificación de series temporales. 4. Aprendizaje de reglas. 5. Boosting
Más detallesMachine Learning Bases
Machine Learning Bases Programa de Estudio Machine Learning Bases Si te interesa convertirte en un experto en Inteligencia Artificial, en este curso se detallarán los conocimientos imprescindibles para
Más detallesLicenciatura en Química PROGRAMA DE ESTUDIO. Obligatoria Nancy Romero Ceronio, Armando Escobar Programa elaborado por:
PROGRAMA DE ESTUDIO Elementos de Probabilidad y Estadística Programa Educativo: Licenciatura en Química Área de Formación: Sustantiva profesional Horas teóricas: 2 Horas prácticas: 2 Total de horas: 4
Más detalles2. Modelado, tipos de modelos, etapas del modelado
Segunda Sesión 30 de julio de 2010 Contenido Modelado 1 Modelado 2 3 Abstracción y Modelo Inteligencia: Relación entre conocimientos previamente no conectados para generar el nuevo conocimiento neceasrio
Más detallesAnálisis de Datos. #PyDay
Análisis de Datos #PyDay Loja-Ecuador @marlonsvl Motivación De acuerdo con un artículo publicado en la edición de octubre de la revista Harvard Business Review (HBR) de 2012, the sexiest job in the 21st
Más detallesInteligencia de Negocio Curso
Inteligencia de Negocio Curso 2017-2018 La asignatura Inteligencia de Negocio se centrará el estudio y diseño de técnicas de extracción de conocimiento utilizadas en el área de Business Analytics/ciencia
Más detallesJupyter - Python. Contenido. 1 Sistemas Expertos e Inteligencia Artificial / Guía VII / Ciclo / Ing. Herson Serrano. Objetivos Específicos
1 Sistemas Expertos e Inteligencia Artificial / Guía VII / Ciclo 01 2018 / Ing. Herson Serrano Jupyter - Python Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial
Más detallesBUSINESS ANALYTICS & BIG DATA UNIVERSIDAD NACIONAL DE INGENIERIA. II y III PROGRAMA DE ESPECIALIZACION EN
UNIVERSIDAD NACIONAL DE INGENIERIA Centro de Tecnologías de Información y Comunicaciones CTIC UNI II y III PROGRAMA DE ESPECIALIZACION EN BUSINESS ANALYTICS & BIG DATA EDICION FINES DE SEMANA: 07 DE ENERO
Más detallesINDICE. Prologo Introducción El sistema SPSS Análisis estadístico con el SPSS Estadista avanzada Guía de lectura Parte I Programación
INDICE Prologo Introducción El sistema SPSS Análisis estadístico con el SPSS Estadista avanzada Guía de lectura Parte I Programación 3 1. Una sesión básica con el SPSS para Windows: trabajando con lo distintos
Más detallesDATA SCIENCE NIVEL II
PROGRAMAS DE ESPECIALIZACIÓN EN CIENCIA DE DATOS Programa de Especialización en: DATA SCIENCE NIVEL II Inicio 4 de Agosto 2018 MÓDULO I: 1. MODELOS DE CLASIFICACIÓN : REG.PENALIZADAS. 2. MODELOS DE CLASIFICACION
Más detallesLingüística computacional
Lingüística computacional Definición y alcance Escuela Nacional de Antropología e Historia (ENAH) Agosto diciembre de 2015 Lingüística Ciencias de la computación Lingüística computacional Estudio del lenguaje
Más detallesCURSO: APACHE SPARK CAPÍTULO 1: INTRODUCCIÓN.
CURSO: APACHE SPARK CAPÍTULO 1: INTRODUCCIÓN www.formacionhadoop.com Índice 1 Por qué realizar el curso de Apache Spark? 2 Requisitos previos del curso 3 Bloques del curso 4 Objetivos 5 Tutor del curso
Más detallesINDICE. 81 Operadores lógicos Funciones exponenciales y logarítmicas Funciones trigonométricas
INDICE Introducción XV Capitulo 1. Instalación y primeros pasos en SPSS 10 Instalación de SPSS 10 1 Comenzando con SPSS 10 8 El trabajo de trabajo de SPSS 10 9 Opciones de a barra de menú principal 10
Más detallesAvalado por la Caribbean International University y la Universidad Central de Venezuela
Avalado por la Caribbean International University y la Universidad Central de Venezuela Master in Data Mining and Business Analytics DiplomadosOnline.com Formando profesionales capaces de manejar las técnicas
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesNuevo plan de estudios. Especialización en Inteligencia de Negocios. Marzo de Curso Descripción Corta Contenidos
Nuevo plan de estudios Especialización en Inteligencia de Negocios Marzo de 2018 Curso Descripción Corta Contenidos Fundamentos de Inteligencia de Negocios y Gobierno de datos Almacenamiento de Información
Más detallesAnalizando patrones de datos
Analizando patrones de datos SQL Server DM, Excel DM, Azure ML y R Ana María Bisbé York @ambynet http://amby.net/ Temario Introducción a Minería de datos MS Office Excel Herramientas de tabla y Minería
Más detallesPROGRAMA FORMATIVO: DESARROLLADOR SPARK BIG DATA CLOUDERA
PROGRAMA FORMATIVO: DESARROLLADOR SPARK BIG DATA CLOUDERA Julio 2017 DATOS GENERALES DEL CURSO 1. Familia Profesional: INFORMÁTICA Y COMUNICACIONES Área Profesional: DESARROLLO 2. DESARROLLADOR SPARK BIG
Más detallesExperto en Data Mining
titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales Experto en Data Mining duración total: precio: 0 * modalidad: Online * hasta 100 % bonificable para
Más detalles