4.5 cŕeditos
Este curso profundizará en uno de los principales paradigmas del análisis de datos, la clasificación supervisada. Aplicaciones, principales algoritmos y un subconjunto de tecnologías punteras nos acompañarán. El curso está formado por una serie de unidades didácticas que completarás durante el mes de diciembre. El material está formado por videos resumiendo los principales conceptos, y ejercicios prácticos. La evaluación de estos últimos conllevará la nota final. Una serie de enlaces finales recogen una colección de reputado material que puedes consultar para ampliar tus conocimientos en el campo. Utiliza el foro para compartir tus dudas, inquietudes, información extra que pueda ser interesante para el resto de compañeros del curso, animar el curso (siempre te lo agradeceremos), etc.: dentro de nuestras posibilidades y si la cuestión se dirige a nosotros, responderemos lo antes posible.
En este curso ahondarás en las principales técnicas dentro del campo de la clasificación supervisada. Técnicas para el aprendizaje de distintos tipos de modelos (desde procedimientos clásicos hasta los más recientes), técnicas de selección de variables multivariadas específicas para entornos supervisados, procedimientos para la comparativa estadística entre los porcentajes de acierto de distintos modelos, etc. Todo ello condimentado con aplicaciones y distintas tecnologías.
Necesitas unos conocimientos básicos de estadística. Es aconsejable tener unos conocimientos básicos de softwares de análisis de datos, especialmente "R".
Elabora y estudia el material de manera secuencial, siguiendo el orden de unidades-temas propuesto. Realiza los ejercicios de cada tema-unidad tras estudiar la teoría correspondiente a éste. Anunciaremos los plazos de entrega de los ejercicios durante el curso.
Pedro Larrañaga
Es catedrático en el Departamento de Inteligencia Artificial de la Universidad Politécnica de Madrid. Realiza su investigación dentro del Computational Intelligence Group. Sus intereses investigadores se centran en las redes Bayesianas, los algoritmos de estimación de distribuciones, la clasificación multietiqueta, la regularización, los "data streams", con aplicaciones en neurociencia, la industria 4.0, y deporte.
Concha Bielza
Es catedrática en el Departamento de Inteligencia Artificial de la Universidad Politécnica de Madrid. Realiza su investigación dentro del Computational Intelligence Group. Sus intereses investigadores se centran en los modelos gráficos probabilísticos (redes Bayesianas y diagramas de influencia), minería de datos, modelos clasificatorios uni y multi-dimensionales, regularización, metaheurísticos para optimización, así como en el desarrollo de aplicaciones reales en neurociencia, la industria 4.0, y el deporte.
Iñaki Inza
Iñaki Inza es profesor en el grupo de investigación ISG en la Universidad del País Vasco. Realiza su investigación dentro del Intelligent Systems Group. Su principal línea de trabajo es la minería de datos, especialmente durante los últimos años en los campos de la "clasificación débilmente supervisada" y el "crowd learning".
MOOC es el acrónimo en inglés de Massive Online Open Course (que puede traducirse como Curso masivo abierto online).
Las siglas MOOC se utilizan para referirse a una iniciativa que comenzó en 2011 con un curso de Introducción a la Inteligencia artificial de la Universidad de Stanford en el que se inscribieron 160.000 estudiantes de 190 países, y que se ha convertido ya en un movimiento global al que se han incorporado las mejores universidades del mundo con la creación de diversas plataformas MOOC y miles de cursos que comparten un objetivo: proporcionar acceso gratuito a una formación superior de calidad a cualquiera que tenga una conexión a internet.
Los MOOCs están basados en la integración de tecnologías que existen desde hace tiempo en Internet: el vídeo en red, la evaluación automática a distancia y los foros de preguntas y respuestas en la web. Pero es ahora cuando los usuarios se han acostumbrado a usar el vídeo en red y las redes sociales en su día a día en Internet, lo que facilita que se creen comunidades de alumnos situados en cualquier parte del mundo que comparten conocimientos y experiencias y se ayudan en el proceso de aprendizaje, dándole a la formación online un nuevo enfoque colaborativo. Esto, unido a la disponibilidad de acceso a los cursos MOOC en cualquier momento y desde cualquier lugar en donde se tenga acceso a Internet, ha permitido crear una nueva comunidad global de estudiantes.
Los MOOCs de UPV[X] están diseñados para ayudarte a aprender trabajando a tu ritmo de forma independiente y proporcionarte el apoyo de la comunidad de aprendizaje si te hace falta.
Para ello los MOOCs están estructurados en módulos que suelen corresponder a una semana de trabajo (aunque no siempre es así). Los módulos se estructuran en lecciones con un vídeo, que dura normalmente entre 3 y 10 minutos, y una pregunta de refuerzo al final para ayudarte a fijar su contenido. Las lecciones están orientadas a tratar un concepto (o un número reducido de ellos) de forma que sean lo más atómicas que sea posible.
Los cursos MOOC de UPV[X] pueden tener distintos esquemas de evaluación, pero lo habitual es que al terminar cada módulo haya un examen (normalmente tipo test) que te permitirá comprobar tu evolución y fijar los conocimientos, y que cuenta en cierto porcentaje para la evaluación final. Con ello tendrás una realimentación frecuente de tu progreso que te permitirá ir mejorar tu proceso de aprendizaje.
Al acabar el MOOC habrá a un examen final para evaluar si has alcanzado los objetivos de aprendizaje que contará en un porcentaje mayor para la evaluación final.
En los MOOC también hay un foro de debate moderado por el equipo del curso donde los alumnos pueden consultar sus dudas sobre el contenido del curso y comentar aquellas cosas que les parezcan interesantes. El acceso a una comunidad online de internautas con tus mismos intereses y que están aprendiendo a la vez enriquece la experiencia del curso.
Esperamos sinceramente que disfrutes de nuestros MOOCs y aprendas con nosotros