- Inici
- Màsters, postgraus i cursos
- Creativitat i Tecnologia
- Aproximació pràctica a Data Science i Machine Learning
Aproximació pràctica a Data Science i Machine Learning
keyfacts
dimecres de 15 a 19 hores
Es diu que les dades són el petroli del segle XXI. El potencial que tenen, degudament explotat, pot generar grans beneficis. Per això, des de fa relativament pocs anys, s'ha disparat la demanda de científics de dades que sàpiguen analitzar els conjunts de dades d'empreses i institucions, amb l'objectiu de generar nou coneixement i posar en marxa nous projectes estratègics.
La Ciència de Dades respon a la necessitat d'interpretar els grans volums de dades generades per la nostra societat. Cada vegada més empreses, des de multinacionals a startups, dediquen esforços a extreure coneixement de les dades que generen per a optimitzar els seus processos.
El Data Science agrupa coneixements de diferents disciplines com les matemàtiques, l'estadística, la computació i la visió de negoci. Aquest curs integra totes aquestes àrees d'una manera molt pràctica, per a així consolidar de manera eficaç els coneixements bàsics que permetran als estudiants iniciar-se en el món de la Ciència de Dades.
Mitjançant una part teòrica i la resolució de casos pràctics, aquest programa d'Executive Education dirigit per Ana Freire aborda:
Jornada 1 – Introducció a la Ciència de Dades
- Què és Data Science? Flux de treball. Eines
- Exemples d'aplicació en diversos àmbits
- Pràctica: Començant a analitzar un conjunt de dades en Python
Jornada 2 – Anàlisi Exploratòria de Dades (EDA)
- Primers passos en l'anàlisi d'un conjunt de dades: estadístiques, correlació, anàlisi gràfica de dades Preparació i neteja de dades
- Pràctica: EDA i neteja de dades en Python
Jornada 3 – Aprenentatge Automàtic
- Introducció al Machine Learning: supervisat i no supervisat.
- Repàs dels algorismes més utilitzats per a classificació i regressió.
- Pràctica: Entrenant algorismes d'aprenentatge automàtic en Python.
Jornada 4 – Hands-*on Data Science
- Pràctica: Desenvolupament i presentació d'un projecte complet de Data Science en Python.
Objectius
- Ser capaç de fer tasques d'anàlisis de dades i aprenentatge automàtic, creant els teus propis algorismes predictius per a fer tasques de classificació o regressió.
- Introduir els conceptes fonamentals per a poder realitzar de manera autònoma un projecte de Data Science.
- Presentar les eines més utilitzades avui dia en el món de la Ciència de Dades.
- Complementar coneixements teòrics amb laboratoris en els quals posar en pràctica tots els conceptes apresos.
A qui va dirigit
- Professionals o graduats que vulguin iniciar-se en el món de Data Science per a poder entendre aquesta disciplina i desenvolupar projectes de dificultat mitjana.
Direcció acadèmica
 |
Ana Freire, Enginyera i Doctora en Informàtica, Investigadora i Professora Lectora de la Universitat Pompeu Fabra. Coordina el Centre d'Estudis sobre Sostenibilitat d'aquesta Universitat, fent recerca en l'aplicació de la intel·ligència artificial aplicada a la sostenibilitat i la salut mental. Ha contribuït amb més de 40 publicacions científiques, tres patents i acumula diversos reconeixements. |
Admissió i matrícula
- > Completa el formulari de sol·licitud d'admissió
- > Puja una còpia del teu DNI (ambdues cares) en la plataforma a la qual se't donarà accés
- > Tria una de les dues opcions de pagament:
- Targeta de crèdit: accediràs directament.
- Transferència bancària: veuràs les indicacions i comptes bancaris en pantalla, que rebràs també en el teu correu electrònic (revisa la bústia d'Spam).
Si tens qualsevol dubte, pots posar-te en contacte mitjançant el formulari "Sol·licita informació" o enviant un correu a ramon.cusco@bsm.upf.edu.