Programa en Data Analytics

El Programa en Data Analytics se desarrollará desde el 15 de junio hasta el 23 de julio en el campus de San Sebastián de la Universidad de Navarra. Los estudiantes que lo cursen obtendrán un Título Propio en Data Analytics

Al ser un programa diseñado para ingenieros, los estudiantes parten con una base de conocimientos en algoritmia, bases de datos, programación estadística o control. Todo ello permitirá profundizar, presuponiendo los conceptos más básicos.

Es un programa presencial, siempre y cuando las autoridades sanitarias lo permitan. En caso contrario se hará bajo una modalidad online. Existirá la posibilidad de continuar con la modalidad online cuando se permita que sea presencial. Combina la formación teórica con la práctica, que se caracteriza por su enfoque industrial y su estrecha colaboración con empresas y centros de investigación.

Perfil

Dirigido a graduados de ingeniería de cualquier especialidad que quieran profundizar en las técnicas, métodos y herramientas necesarias para desarrollar proyectos de Inteligencia Artificial.

Duración

15 de junio-23 de julio

Horario

Clases de mañana: 09:00 a 13:30

Precio

2.500 euros

Créditos

12 ECTS

Plan de estudios

 
  • Módulo 1: Analítica de datos - Data analytics

    Ciencia de datos en Python (3 ECTS)

    Contenidos
    • Introducción a la programación en Python: Python, Anaconda, Jupyter Notebooks, Spyder, etc.
    • Estadística básica y visualización de datos con Python. Módulos Matplotlib y Seaborn
    • Estadística inferencial: Test de hipótesis, ANOVAS. Módulo Scipy de Python.
    • Estadística inferencial: Regresión lineal. Módulo Scipy de Python.
    • Estadística inferencial: Regresión logística. Módulo Scipy de Python.
    • Web-Scrapping con Python

    Machine Learning I (4 ECTS)

    • Introduction: supervised and unsupervised learning
    • Supervised learning o Types: regression and classification o Performance evaluation:

    - ROC, PRC, AUC, F-score, etc.
    - Cross-validation (train, validation and test, LOOCV, K-fold CV)

    o Feature selection and feature engineering: filters, wrappers, embedded methods.
    o Algorithms:

    - Linear regression (including gradient descent, normal equations, maximum likelihood)
    - Weighted linear regression
    - Logistic regression (including newton’s method)
    - LASSO

    • Unsupervised learning

    o k-means clustering
    o Expectation maximization (EM) and gaussian mixture models (GMM)
    o Dimensionality reduction and multivariate analysis  SVD, PCA, ICA, FA, CCA, etc.

    Deep Learning (3 ECTS)

    Contenidos:
    • Introducción al Deep Learning y a los sistemas cognitivos
    • Funciones de pérdida y tensores
    • Backpropagation y learning rate
    • Frameworks de Deep Learning y Jupyter Notebooks
    • Optimizadores
    • Entrenamiento de redes neuronales.
    • Convolución, deconvolución y pooling
    • Arquitecturas de Deep Learning
    • Fully Convolutional Networks
    • Casos prácticos: detección y clasificación de objetos, segmentación de imágenes y DeepFake

    Cloud Computing (2 ECTS)

    Contenidos:
    • Introducción y visión general de tecnologías para la computación
    • Cloud computing: virtualización, proveedores de cloud, servicios disponibles, AWS, GCP • Frameworks Big Data: Volumen, Velocidad y Variedad de Datos. Ecosistema de herramientas Apache Hadoop, Uso de servicios Big Data en la nube.

Metodología

Idioma

Se impartirá principalmente en español. El 20% de los contenidos serán en inglés.

Colaboración con empresas

El programa se desarrollará en colaboración con empresas como CAF, IBM y Gestamp.

Trabajo junto a investigadores expertos en Inteligencia Artificial

Los estudiantes del programa trabajarán con investigadores del centro tecnológico Ceit y del Instituto de Ciencia de los Datos e Inteligencia Artificial de la Universidad de Navarra.

Aviso

La Universidad de Navarra utiliza cookies propias y de terceros para mejorar sus servicios, elaborar información estadística y analizar de forma agregada los hábitos de navegación de los visitantes de su página web. Esta información se comparte con terceros cuya relación se incluye en la Política de cookies. Al clicar en “Aceptar” o si continúa navegando, acepta el uso de estas cookies, pudiendo revocar su decisión cuando lo desee.

Aceptar