Introducción al Machine Learning (primera edición)

A25030329

Ficha
Impartición:
-
Horas teóricas presencial:
10
Horas lectivas:
10
Horas trabajo autónomo del alumnado:
15
Plazas disponibles:
10
Aula:
Aula Virtual ULL
Categoría:
Nuevas Tecnologías de la Información y las Comunicaciones
Tipo formación:
Microcredencial Universitaria
Modalidad:
Online (Teleformación)
Descripción
Objetivos
- Adquirir competencias para formular y estructurar problemas de aprendizaje automático (predicción, clasificación y agrupación) a partir de necesidades reales, identificando los datos y métricas adecuadas.
- Preparar, procesar y modelar conjuntos de datos mediante herramientas de Python, construyendo pipelines reproducibles con pandas y scikit-learn y aplicando modelos supervisados y no supervisados básicos.
- Evaluar, interpretar y comunicar resultados utilizando métricas adecuadas y desplegando prototipos ligeros de inferencia (Streamlit o Gradio) que demuestren la aplicabilidad del modelo.
Profesorado:
  • Pino Teresa Caballero Gil
  • Marcos Rodríguez Vega
Metodología docente
Se seguirá la modalidad organizativa que se resumen a continuación:
- Lecciones magistrales/método expositivo: presentación o explicación por parte del profesorado.
- Seminarios: realización de ejercicios, resolución de problemas o casos prácticos, otros.
- Trabajo individual.
- Tutoría: período de instrucción en el que interactúan profesorado y estudiante con el objetivo de revisar y discutir materiales y temas presentados en clase.
- Exposiciones, debates y presentación de trabajos y proyectos: actividades supervisadas por el profesorado.
- Metodologías activas: aprendizaje cooperativo, aprendizaje basado en proyectos, aula invertida, aprendizaje servicio, aprendizaje basado en el juego, estudio de casos, resolución de problemas dirigidas a hacer del aprendizaje un proceso participativo.
Programa
  • Bloque 0 – Arranque y Mentalidad ML

    - Introducción al entorno de trabajo: instalación de Python 3.11+, librerías principales (pandas, scikit- learn).
    - Control de versiones y buenas prácticas con Git y GitHub.
    - Estructura típica de un proyecto de machine learning.
    - Elaboración de una dataset card para documentar los datos.

  • Bloque 1 – Datos y Análisis Exploratorio (EDA)

    - Limpieza y depuración de datos.
    - Imputación de valores faltantes y manejo de outliers.
    - Encoding de variables categóricas y scaling de numéricas.
    - Ingeniería de variables ligera.
    - Visualización exploratoria (distribuciones, correlaciones, relaciones clave).

  • Bloque 2 – Aprendizaje Supervisado I

    - Modelos básicos: regresión lineal, regresión logística y árboles de decisión.
    - Creación de baselines y comparación de modelos iniciales.
    - Regularización y control del sobreajuste (overfitting).
    - Interpretación de coeficientes y reglas

  • Bloque 3 – Aprendizaje No Supervisado

    - Algoritmos de agrupamiento: k-means, DBSCAN.
    - Reducción de dimensionalidad: PCA, UMAP.
    - Métricas internas de evaluación (silhouette, Davies-Bouldin).
    - Casos de uso típicos: segmentación de clientes, detección de anomalías, compresión de datos.

  • Bloque 4 – Evaluación y Validación

    - Separación de datos: train/validation/test split, validación cruzada (k-fold).
    - Validación temporal y manejo de time series.
    - Métricas principales: MAE, RMSE, Accuracy, F1, PR-AUC.
    - Ajuste de umbrales (thresholding) y optimización de decisiones.

  • Bloque 5 – Proyecto Integrador

    - Formulación de un caso práctico completo de machine learning.
    - Desarrollo de un pipeline extremo a extremo (datos → modelo → inferencia).
    - Elaboración de informe técnico y visualización de resultados.
    - Creación de una demo interactiva (Streamlit o Gradio).

Criterios de evaluación
Basados en las siguientes pruebas de evaluación:
- Pruebas objetivas (verdadero/falso, elección múltiple, tipo test, de completar, ordenar, etc.) que permitirán evaluar los conocimientos, capacidades, rendimiento, aptitudes, etc. Las respuestas serán cerradas y a la hora de su corrección se favorecerá la objetividad.
- Resolución de casos, ejercicios y problemas: pruebas en las que el estudiantado debe resolver de forma razonada, en un tiempo determinado, y acorde a los criterios establecidos, los casos, ejercicios o problemas planteados por el profesorado, con la finalidad de aplicar los conocimientos adquiridos.
- Trabajos, memorias, memorias de prácticas, informes y proyectos escritos: documentos elaborado sobre un tema o actividad realizada, siguiendo las instrucciones establecidas por el profesorado.
- Presentación oral y defensa de temas, trabajos, etc.
Observaciones

Esta microcredencial está financiada por la Cátedra en Ciberseguridad INCIBE–Universidad de La Laguna (ULL) en el marco del Convenio de Colaboración C065/23, suscrito el 17 de octubre de 2023 entre la Universidad de La Laguna y la S.M.E. Instituto Nacional de Ciberseguridad de España M.P., S.A. (INCIBE), destinado a la promoción de las Cátedras de Ciberseguridad en España (Componente 15, Inversión 7) y cofinanciado por el Plan de Recuperación, Transformación y Resiliencia (PRTR) – NextGenerationEU.

Esta formación tiene como objetivo impulsar el desarrollo, actualización y especialización de competencias técnicas en el ámbito de la ciberseguridad, favoreciendo la capacitación del alumnado y del talento profesional, en consonancia con la Estrategia Nacional de Ciberseguridad y con los objetivos del PRTR orientados al fortalecimiento del capital humano y la transformación digital.

Tipos de Inscripción
Tarifa bonificada
Importe:
0,00 €
Periodo inscripción:
-
Requisitos:

1. Nacionalidad o residencia

- Ser ciudadano/a español/a o de cualquier otro Estado miembro de la Unión Europea.

- Los solicitantes extranjeros no comunitarios deberán acreditar la condición de residente en España.

- Este requisito no será exigible a los solicitantes reconocidos como personas con protección internacional, en los términos establecidos en la Ley 12/2009, de 30 de octubre.

2. Titulación

No es necesario contar con una titulación universitaria previa para acceder a esta microcredencial. No obstante, podrán acceder estudiantes que estén matriculados en grados o másteres, preferentemente de las ramas de Ingeniería y Arquitectura y de Ciencias, por ser las que aportan una base técnica y analítica adecuada.

Dentro de la rama de Ingeniería y Arquitectura, se consideran especialmente relacionadas las siguientes titulaciones de la Universidad de La Laguna: Grado en Ingeniería Informática, Grado en Ingeniería Electrónica Industrial y Automática, Grado en Ingeniería Mecánica, Grado en Ingeniería Química Industrial, Grado en Ingeniería Civil, Grado en Arquitectura Técnica, Grado en Tecnologías Marinas, Grado en Náutica y Transporte Marítimo.

En la rama de Ciencias, se incluyen: Grado en Matemáticas, Grado en Física, Grado en Química, Grado en Biología, Grado en Ciencias Ambientales

Asimismo, podrán acceder estudiantes y titulados/as de otras ramas del conocimiento, como Ciencias Sociales y Jurídicas, Ciencias de la Salud o Artes y Humanidades, siempre que acrediten interés o experiencia en ámbitos relacionados con la tecnología, el análisis de datos, la programación o la innovación digital.

Documentación a presentar:

1. Documento acreditativo de identidad y nacionalidad o residencia:

- Ciudadanos/as españoles/as: copia del DNI.

- Ciudadanos/as de otros Estados miembros de la Unión Europea: documento equivalente que acredite la nacionalidad.

- Solicitantes extranjeros no comunitarios: acreditación de residencia legal en España.

- Documentación acreditativa de la condición de refugiado o solicitante de asilo, emitida por el Ministerio del Interior: resolución favorable definitiva.

2. Título universitario o matrícula del presente curso académico.

Proceso de adjudicación
Las plazas serán asignadas siguiendo estrictamente el orden de inscripción válida hasta que se complete el cupo. 
Como norma general, cada persona solicitante sólo podrá obtener una microcredencial por edición. Si una misma persona se inscribe en varias, se le adjudicará inicialmente la plaza correspondiente a la primera inscripción realizada en el tiempo, mientras que el resto de solicitudes quedarán en lista de reserva. 
No obstante, si una vez finalizada la adjudicación inicial quedaran plazas sin cubrir, éstas podrán asignarse a personas que ya hayan obtenido una microcredencial en esa edición, siempre que se trate de microcredenciales en las que ya estuvieran inscritas previamente, se respete el orden de la lista de espera y no existan otras personas solicitantes sin plaza. Las solicitudes que no obtengan plaza en la adjudicación inicial pasarán automáticamente a lista de espera, manteniendo el orden de inscripción.