Módulos/Asignaturas del Curso

Módulo/Asignatura 1. Conocimientos Básicos de Python y sus Módulos Principales

Número de horas: 20,00 Horas

Modalidad de impartición: Presencial

Fechas de inicio-fin: 13/09/2017 - 21/09/2017

Horario: Miércoles, Jueves, Viernes. En horario de tarde

Contenido:

Conceptos básicos de programación en Python: variables, operaciones, control de flujo, funciones, excepciones. Creación de scripts y módulos en Python. Programación orientada a objetos. Manejo de ficheros.

Módulo numpy: vectores y matrices en numpy. Operaciones matemáticas con vectores. Conversión de datos de ficheros en vectores. Funciones universales. Vectores Vs listas en Python.

Módulo matplotlib: creación de gráficas en Python. Diagrama de dispersión, diagrama de barras, diagramas de barras con errores, diagrama de bigotes. Gráficas con múltiples subgráficas.

Módulo panda: concepto de dataframe, manejo de dataframes, conversión de datos proveniente de archivos en dataframes.

Módulo Scipy: ejemplos de uso de algoritmos incluidos en la librería científica Scipy.

Otros: envío de correos en Python y manejo de redes sociales.

Módulo/Asignatura 2. Machine Learning en Python: Regresión, Clasificadores y Clustering

Número de horas: 20,00 Horas

Modalidad de impartición: Presencial

Fechas de inicio-fin: 22/09/2017 - 04/10/2017

Horario: Miércoles, Jueves, Viernes. En horario de tarde

Contenido:

Regresiones: Regresión lineal simple y múltiple, errores en la estimación y overfitting, regresión Ridge y Lasso, aproximaciones no paramétricas.

Clasificadores: Introducción, clasificadores lineales (regresión logística), overfitting, árboles de decisión, ensamble de clasificadores (boosting), métricas de clasificación, aproximaciones Big Data.

Clustering y recuperación de información: Nearest Neighbour y k-means

Módulo/Asignatura 3. Técnicas de Optimización en Pyhton

Número de horas: 20,00 Horas

Modalidad de impartición: Presencial

Fechas de inicio-fin: 05/10/2017 - 18/10/2017

Horario: Miércoles, Jueves, Viernes. En horario de tarde

Contenido:

Introducción a los métodos de optimización meta heurísticos: Métodos de búsqueda local basados en trayectorias tales como Hill Climbing, Simulated Annealing, Tabú Search. Métodos de búsqueda global basados en poblaciones tales como Algoritmos Genéticos (uno o varios objetivos), Algoritmos Genéticos con múltiples poblaciones, Algoritmos basados en enjambre (Particel Swarm Optimization PSO). Programación genética.

Introducción al módulo de optimización DEAP: Optimización de problemas combinatorios (Problema del viajero). Optimización de problemas con variables continuas. Optimización multi-objetivo (NSGA II). Optimización de problemas con variables continuas con PSO. Ejemplos de programación genética (regresión simbólica).

Modelado de un problema desde cero: Se plantea un ejercicio completo a resolver utilizando los métodos de optimización visto en este módulo.

Módulo/Asignatura 4. Aplicaciones

Número de horas: 20,00 Horas

Modalidad de impartición: Presencial

Fechas de inicio-fin: 19/10/2017 - 27/10/2017

Horario: Miércoles, Jueves, Viernes. En horario de tarde

Contenido:

Procesamiento de imágenes de satélite con técnicas de Machine Learning.

Supervised machine learning: K-Clustering aplicado a la clasificación de patrones urbanos.

Location science: optimización por programación lineal de una red de distribución.

Spatial modelling: búsqueda de ubicaciones óptimas de infraestructuras.