Big Data. Extrayendo conocimiento de los datos
Ficha
- Impartición:
- -
- Horas teóricas online:
- 20
- Horas lectivas:
- 20
- Horas trabajo autónomo del alumnado:
- 30
- ECTS:
- 2
- Plazas disponibles:
- 0
- Aula:
- ONLINE
- Categoría:
- Curso de Extensión ULL
- Más información:
- https://www.ull.es/cultura/cursos-extension-universitaria/
Descripción
- Objetivos
- El curso proporciona la formación base para introducirse en el campo del big data y en el análisis de datos e interpretación de los mismos desde una perspectiva práctica. Los objetivos específicos son los siguientes:
- Valorar la importancia que tienen las técnicas de análisis de datos para la extracción de conocimiento útil.
- Reconocer las principales tareas de extracción de conocimiento.
- Capacitar a los alumnos para poner en práctica técnicas de extracción de conocimiento desde datos.
- Capacitar a los alumnos en el uso de las principales herramientas digitales para el análisis de datos.
- Fomentar la actitud crítica de los alumnos ante las conclusiones que se extraen de los datos.
- Identificar los peligros y las implicaciones éticas y morales que tiene la recopilación y análisis de datos. - Horario:
-
- Lunes 17:00 21:00
- Martes 17:00 21:00
- Miércoles 17:00 21:00
- Jueves 17:00 21:00
- Viernes 17:00 21:00
- Profesorado:
-
- Christopher Juan Expósito Izquierdo
- Airam Expósito Márquez
- Israel López Plata
- Metodología docente
- La metodología docente aplicada en este curso alterna clases teóricas, en las que se describen técnicas y sistemas para el análisis de datos, con sesiones prácticas, en las que los alumnos analizan datos de supuestos prácticos para extraer conocimiento a través de herramientas software del campo del big data. En las sesiones prácticas, los alumnos usarán sobre las herramientas software las técnicas y sistemas descritos en las clases teóricas. Concretamente, en este curso se presta mayor importancia a las sesiones prácticas, ya que en la aplicación de las técnicas se resaltan las ventajas de las mismas. Por último, el curso dispondrá de foros destinados al debate sobre casos reales de aplicaciones de big data así como las implicaciones éticas y morales de la recopilación y análisis de datos.
- Programa
-
-
Introducción al Big Data
Esta sesión inicial tiene como objetivo fundamental constituir un primer punto de encuentro entre profesorado y alumnado bajo el marco común del big data. Para ello, se contextualiza el campo a tratar y se describe la estructura, contenidos y plan de trabajo del curso. Al mismo tiempo se describirán las competencias adquiridas por el alumno tras la realización del curso, se presenta al profesorado y se detallan los objetivos a desarrollar. Durante esta primera sesión también se describe el concepto de big data, sus aplicaciones y relevancia práctica.
Imparten:
- Christopher Juan Expósito Izquierdo. Profesor Ayudante Doctor, Departamento de Ingeniería Informática y de Sistemas de la Universidad de La Laguna.
- Israel López Plata. Profesor Ayudante Doctor, Departamento de Ingeniería Informática y de Sistemas de la Universidad de La Laguna.
- Airam Expósito Márquez. Doctor en el área de ciencias de la computación e inteligencia artificial con máster en Ingeniería Informática. -
El proceso de extracción de conocimiento
Esta sesión introduce al alumno en el proceso de extracción de conocimiento y las diferentes fases que implica. La primera fase a llevar a cabo durante el proceso de extracción de conocimiento es hacer acopio de los datos a explotar. La siguiente fase es la selección, limpieza y transformación, que lidera la transformación de los datos con el objetivo de adquirir la calidad suficiente para ser tratados. En la fase de minería de datos se obtiene nuevo conocimiento a partir de los datos ya tratados. Las dos últimas fases que se incorporan en este módulo son de evaluación e interpretación y de difusión y uso del conocimiento extraído.
-
Algoritmos de clasificación
La tarea de clasificación es una de las más importantes dentro del campo del machine learning o aprendizaje automático. Concretamente, en aprendizaje automático y estadística, la clasificación estadística es el problema de identificar a cuál de un conjunto de categorías (subpoblaciones) pertenece una nueva observación, sobre la base de un conjunto de datos de formación que contiene observaciones (o instancias) cuya categoría de miembros es conocida. En esta sesión se estudian y ponen en prácticas sobre casos realistas las principales técnicas de clasificación existentes.
-
Algoritmos de agrupamiento
Las técnicas de agrupamiento forman parte del importante conjunto de algoritmos de machine learning. Estas técnicas tienen como objetivo categorizar conjuntos de elementos en grupos particulares que contienen características singulares. Las técnicas de agrupamiento, consideradas de aprendizaje no supervisado, gozan de popularidad y aplicación en múltiples campos. Por ello, esta sesión presenta y pone en práctica algunas de las principales técnicas de agrupamiento sobre conjuntos de datos realistas.
-
Tecnologías para big data
Existe un amplio conjunto de tecnologías, definiciones, conceptos y tecnicismos, que rodean a los profesionales del big data y su sector. Este módulo pretende dar una visión general y ordenada de las diferentes tecnologías existentes en el sector con una amplia perspectiva. Entre estas encontraremos tecnologías de almacenamiento, virtualización, integración, preparación, calidad y visualización de datos.
-
Diseño de cuadros de mando
El cuadro de mando es una herramienta de gestión empresarial vital para medir la evolución de la actividad de una empresa con una perspectiva general. A lo largo de esta sesión se pretende dar una visión de lo que es el cuadro de mando y su alcance, así como las directrices necesarias para su diseño y las metodologías existentes. Finalmente con los datos incorporados en el ejemplo de ETL y las directrices especificadas en base al ejemplo de los datos cargados, se procederá a realizar un sencillo ejemplo de cuadro de mando para ilustrar las capacidades del mismo.
-
Aplicaciones y casos de éxito
Las aplicaciones del big data y análisis de datos se han convertido en un elemento crucial que se debe dominar para aumentar el rendimiento y productividad de cualquier organización que genera grandes volúmenes de datos. Sus aplicaciones se extienden en prácticamente todos los sectores o industrias productivas como por ejemplo el ámbito de la salud, educación, turismo, retail, banca, etc. A pesar de ello y con independencia del sector de aplicación, éstas se pueden categorizar en una serie de análisis específicos según el tipo de información analizada y técnicas o aplicación llevadas a cabo. A lo largo de este módulo se dará una visión general de las principales aplicaciones del big data y casos de éxito reales.
-
Implicaciones éticas y morales
En big data, las operaciones de recoger, almacenar, gestionar y utilizar datos de forma masiva, en multitud de casos con fines lucrativos, plantea problemas relacionados con la privacidad, la propiedad, la identidad, la intimidad y la confianza. La ética y moral debe estar implícita en todo el ciclo de vida del big data, desde la recolección de los datos, la aplicación de técnicas, hasta la interpretación de resultados de las mismas. En este módulo se pretende exponer los problemas e implicaciones éticas y morales que se deducen del big data y sus aplicaciones.
-
Introducción al Big Data
- Criterios de evaluación
- Teniendo en cuenta la metodología teórico-práctica propuesta para el curso, la evaluación será continua. Esto es, el alumnado será evaluado a través de la participación en las sesiones formativas, la participación activa y entrega de supuestos en el aula virtual del curso, la calidad de las actuaciones prácticas realizadas durante las sesiones formativas y finalmente la entrega del informe de resultados de los supuestos prácticos a lo largo del curso.
- Observaciones
Curso organizado por el Vicerrectorado de Cultura y Extensión Universitaria dentro de la programación de Cursos de Extensión Universitaria 2024.
CERTIFICADO DE ASISTENCIA, APTITUD Y RECONOCIMIENTO POR CRÉDITOS ECTS
La Universidad de La Laguna, a través del Vicerrectorado de Cultura y Extensión Universitaria, emitirá un certificado de asistencia a todas aquellas personas que participen en un mínimo del 80% de las horas lectivas. Asimismo, aquellas personas que superen el trabajo autónomo del alumnado, recibirán un certificado de asistencia y aprovechamiento, reconocible a su vez por 2 créditos ECTS.
Tipos de Inscripción
Información
Para inscribirte debes acudir a nuestras oficinas en
Lunes a Viernes (9:00 - 14:00)
Lunes (16:30 - 19:00) (*) No aplicable en jornada especial
Avenida de la Trinidad, 61. Aulario Torre Profesor Agustín Arévalo, Planta 0
Campus Central Universidad de la Laguna, 38204 San Cristóbal de La Laguna
(+34) 922319200, info@fg.ull.es