Introducción a modelos de selección de variables usando Machine Learning

Introducción a modelos de selección de variables usando Machine Learning

A21020029

      

Ficha

Fecha de impartición: -
Horas teóricas online: 6
Horas prácticas online: 14
Horas lectivas: 20
Horas trabajo autónomo del alumnado: 30
ECTS: 2
Plazas disponibles: 25
Aula: Google Meet y Campus virtual de la ULL. FECHAS DE IMPARTICIÓN: 25, 26, 27, 28 y 29 de octubre. HORARIO: 16:00 - 20:00 horas.
Categoría: Curso de Extensión ULL

Descripción

Objetivos
El objetivo del curso es introducir a personas interesadas y sin formación previa en el nuevo mundo del análisis de datos masivos (Big Data) y de las técnicas más sencillas de Machine Learning (aprendizaje automático).
 
Profesorado:
  • Gustavo Alberto Marrero Díaz
  • Vicente José Blanco Pérez
  • Francisco Carmelo Almeida Rodríguez
  • Dagoberto Castellanos Nieves
  • Pablo Bencomo Mesa
 
Metodología docente
Clase teórica: 4 horas.
Clases Prácticas con uso de ordenador: 16 horas.
 
Programa
  • Los retos del Big Data en aplicaciones en Ciencias Sociales. Introducción de conceptos

    Imparten:
    - Gustavo Alberto Marrero Díaz. Catedrático de Universidad. Departamento de Economía, Contabilidad y Finanzas de la ULL. Director del Centro de Estudios de Desigualdad Social y Gobernanza de la ULL.
    - Francisco Carmelo Almeida Rodríguez. Catedrático de Universidad. Departamento de Ingeniería Informática y de Sistemas de la ULL.
    Se presentarán algunos de los nuevos retos que pueden ser abordados desde las ciencias sociales gracias al uso de técnicas de Big Data.
    Se analiza la retórica alrededor de los datos como fuente de valor. Se sostiene que este novedoso giro cuantitativo exige un tratamiento ético por parte del científico social, una nueva práctica científica, pero sobre todo una mirada objetiva que permita conocer su utilidad para la comprensión de los fenómenos sociales.

  • Introducción a conceptos teóricos de Big Data y de Machine Learning

    Imparten:
    - Vicente José Blanco Pérez. Profesor Titular de Universidad. Departamento de Ingeniería Informática y de Sistemas de la ULL. Coordinador del Máster Universitario en Ingeniería Informática de la ULL y profesor en el Máster Universitario en Ciberseguridad-Inteligencia.
    - Dagoberto Castellanos Nieves. Profesor Titular de Universidad. Departamento de Ingeniería Informática y de Sistemas de la ULL. Ingeniero industrial, Máster en Matemática Aplicada e Informática para la Administración.
    Introducción a los conceptos básicos del Matching Learning usando el lenguaje Python utilizando Jupyter Notebook. Presentación teórica y práctica de comandos básicos. Veremos con detenimiento una de las librerías más importantes en la ciencia de datos, Pandas. Aprenderemos las utilidades que tiene y su aplicación sobre tablas de datos masivos.

  • Modelos de Regresión simple y múltiple usando técnicas de Machine Learning

    Imparte: Pablo Bencomo Mesa. Licenciado en Economía. Máster en Big Data & Business Intelligence. Doctorando en Programa de Desarrollo Regional por la Universidad de la Laguna.
    En la tercera parte del curso se usarán las técnicas de aprendizaje automático para estudiar la relación entre variables sociales y económicas (modelos de regresión). Se destacarán las ventajas de usar esta aproximación frente a procedimientos estadísticos habituales.

  • Métodos de selección de variables

    Imparte: Pablo Bencomo Mesa.
    Uno de los retos más difíciles que existen en los modelos de regresión aplicados a ciencias sociales es cuando hay que manejar muchos datos y de variables. En este sentido, aprenderemos dos de las técnicas más usadas para, entre un conjunto de variables muy amplio, seleccionar cuales son las más relevantes. Estas técnicas son las regresiones Ridge, y los modelos LASSO.

 
Criterios de evaluación
Se valorará el desarrollo y la exposición del caso práctico que se planteará desde el comienzo de las clases prácticas.
Se valorará positivamente ver la mejoría gradual del modelo a medida que introduce modificaciones.

Trabajo autónomo del alumnado: Al alumno se le facilitará un archivo de datos. A partir de este se les plantearán retos que coincidirán con los contenidos de las clases prácticas, de modo que tendrá que ser capaz de leer el propio archivo, entender qué tipo de variables tenemos, representarlas gráficamente y procesarlas. En la segunda parte deberán ser capaces de hacer un modelo de regresión múltiple intentando conseguir el mayor nivel explicativo de la variable objetivo. El alumno podrá hacer uso del método que considere.
 
Observaciones
Curso organizado por el Vicerrectorado de Cultura, Participación Social y Campus Ofra y La Palma, dentro de la programación de Cursos de Extensión Universitaria COMPETENCIAS TRANSVERSALES ONLINE 2021.

A aquellas personas que asistan a un mínimo del 80% de las horas lectivas se les emitirá un certificado de asistencia. Además, a aquellas que superen el trabajo autónomo del alumnado, se les emitirá un certificado de asistencia, aptitud y reconocimiento por 2 ECTS.
Fecha de inscripción: -
Tipo: - General
Importe: 44,00 €
 
Fecha de inscripción: -
Tipo: - Tarifa 3: Estudiantes, desempleados y jubilados (A JUSTIFICAR)
Importe: 30,80 €
 
Fecha de inscripción: -
Tipo: - Tarifa 1: Profesorado ULL, PAS grupos A/B, Laborales grupos I-II, Miembros de Consejo Social, Socios Alumni-ULL (A JUSTIFICAR)
Importe: 39,60 €
 
Fecha de inscripción: -
Tipo: - Tarifa 2: Profesorado ULL (contratado y ayudantes), PAS (resto grupos), Laborales (resto grupos), otro personal (contratados temporales, interinos, etc. (A JUSTIFICAR)
Importe: 35,20 €