En el marco de las actividades promovidas por Asturias Digital Innovation Hub, AsDIH, nuestro socio la Universidad de Oviedo organiza cuatro cursos de inteligencia artificial que desarrollará de febrero a mayo.
Cada uno de los cursos tendrá dos ediciones para facilitar la participación.
1. Técnicas de visualización para la exploración de datos
Descripción:
La habilidad de presentar datos visualmente se ha vuelto esencial en todos los ámbitos debido al enorme volumen de información que manejamos hoy en día. Esto se debe a que la capacidad de convertir datos complejos en gráficos comprensibles ayuda a que la información sea más útil para la toma de decisiones.
Este curso está pensado para profesionales que no tienen experiencia previa en visualización de datos. A lo largo del curso, se explicará desde cómo cargar y preparar datos hasta cómo crear visualizaciones, abordando diferentes herramientas y técnicas para transformar datos en imágenes que cuenten una historia clara.
Contenidos:
- Introducción a la visualización de datos.
- Tipos de datos y su representación visual.
- Carga y preparación de datos.
- Principios de diseño y comunicación con datos.
- Fundamentos de creación de visualizaciones.
- Software para la implementación de gráficos.
- Diseño de dashboards para la comunicación visual.
- Caso práctico: resolución de un problema real de visualización de datos.
Objetivos:
- Comprender los conceptos básicos de la visualización de datos: al finalizar el curso, los participantes deben ser capaces de explicar la importancia de la visualización de datos y reconocer diferentes tipos de gráficos y cuándo usarlos.
- Desarrollar habilidades para la carga y preparación de datos: los asistentes aprenderán a importar datos desde diversas fuentes y a realizar tareas básicas de limpieza y transformación de datos.
- Manejar herramientas para la creación de visualizaciones de datos: con los conceptos aprendidos, los participantes podrán generar gráficos utilizando las herramientas de diseño explicadas y fuentes de datos en distintos formatos.
- Aplicar principios de diseño para crear visualizaciones efectivas: los asistentes serán capaces de diseñar gráficos claros y estéticamente agradables, evitando errores comunes y utilizando las mejores prácticas para comunicar información de manera efectiva.
Calendario previsto:
Edición 1: 3 febrero – 14 febrero, L a V de 9 a 12 h.
Edición 2: 31 marzo – 11 abril, L a V de 9 a 12 h.
Lo imparten:
Noelia Rico Pachón: https://portalinvestigacion.uniovi.es/investigadores/219278/detalle
Mario Villar Sanz: https://portalinvestigacion.uniovi.es/investigadores/1010442/detalle
Modalidad:
Presencial (Campus de Gijón).
Requisitos mínimos:
Conocimientos básicos de programación o al menos estar familiarizado con el entorno tecnológico.
Duración:
30 horas presenciales
Dirigido a:
Centros de I+D empresariales de la región y otras empresas tractoras.
2. Introducción al Aprendizaje Automático: Aprendizaje supervisado
Descripción:
El aprendizaje automático es, hoy en día, una herramienta indispensable en numerosos campos. Este curso proporciona una introducción completa a los conceptos y técnicas del aprendizaje supervisado, una de las ramas más importantes del aprendizaje automático. Está diseñado para todas aquellas personas que busquen adquirir conocimientos básicos en la aplicación de algoritmos de aprendizaje supervisado para resolver problemas reales.
Durante el curso, los participantes aprenderán desde el preprocesado de datos hasta la implementación y evaluación de modelos de regresión y clasificación, pasando por la reducción de dimensiones y selección de características. Se utilizarán ejemplos prácticos y casos de estudio para ilustrar cada uno de los temas tratados, proporcionando una experiencia de aprendizaje interactiva y aplicada.
Contenidos:
- Introducción al aprendizaje automático.
- Pre procesado y codificación.
- Reducción de dimensiones y selección de características.
- Métodos de regresión.
- Métodos de clasificación.
Objetivos:
- Detectar la necesidad de utilización de algoritmos de aprendizaje automático para la resolución de un problema.
- Manejar y pre procesar un conjunto de datos para su posterior empleo en el entrenamiento de un modelo.
- Conocer los principales algoritmos de aprendizaje supervisado para problemas de clasificación y regresión.
- Conocer y saber aplicar los diferentes esquemas de validación necesarios para evaluar un modelo.
Calendario previsto:
Edición 1: 17 febrero – 28 febrero, L a V de 9 a 12 h.
Edición 2: 21 abril – 25 abril, L a V de 9 a 12 h. 28 abril – 30 abril, L a X de 9 a 14 h.
Lo imparten:
Jorge Díez Peláez: https://portalinvestigacion.uniovi.es/investigadores/217137/detalle
Pablo Pérez Núñez: https://portalinvestigacion.uniovi.es/investigadores/219243/detalle
Modalidad:
Presencial (Campus de Gijón).
Requisitos mínimos:
Conocimientos básicos de programación o al menos estar familiarizado con el entorno tecnológico.
Duración:
30 horas presenciales
Dirigido a:
Centros de I+D empresariales de la región y otras empresas tractoras.
3. Introducción al Aprendizaje Automático 2: Aprendizaje semisupervisado, no supervisado y detección de anomalías
Contenidos:
- Aprendizaje semisupervisado.
- Aprendizaje no supervisado.
- Agrupamiento.
- Inductivo y transductivo.
- Estimación de la calidad.
- Distancias.
- Estimación de densidad.
- Detección de anomalías.
- Caso práctico utilizando datos reales.
Objetivos:
- Entender el concepto de distribución de ejemplos y cómo utilizarlo en aprendizaje semisupervisado.
- Ser capaz de realizar diferentes tipos de agrupamientos y estimar la calidad de los mismos.
- Aplicar diferentes distancias para lograr agrupamientos específicos.
- Entender el concepto de estimador de densidad. Ser capaz de crearlos y aplicarlos.
- Entender el concepto de anomalía. Ser capaz de detectarlas y decidir si eliminarlas.
Calendario previsto:
Edición 1: 5 mayo – 9 mayo, L a V de 9 a 13 h. 12 mayo – 13 mayo, L a X de 9 a 14 h.
Edición 2: pendiente.
Lo imparten:
José Ramón Quevedo Pérez: https://portalinvestigacion.uniovi.es/investigadores/218028/detalle
Modalidad:
Presencial (Campus de Gijón).
Requisitos mínimos:
Conocimientos básicos de programación o al menos estar familiarizado con el entorno tecnológico.
Duración:
30 horas presenciales
Dirigido a:
Centros de I+D empresariales de la región y otras empresas tractoras.
4. Optimización
Descripción:
Los problemas de optimización combinatoria y de satisfacción de restricciones aparecen con profusión en multitud de sectores productivos y su solución requiere normalmente un alto grado de especialización y conocimiento específico.
En este curso proporcionaremos una introducción a este tipo de problemas con ejemplos de aplicación práctica y algunas técnicas de inteligencia artificial para su resolución, entre otras Búsqueda heurística, Metaheurísticas y Programación con restricciones.
Veremos también algunos ejemplos de aplicación: planificación de tareas, organización de turnos de trabajo, gestión de hidrógeno verde, etcétera.
Contenidos:
- Introducción a los problemas y técnicas de optimización combinatoria.
- Introducción a los problemas de Scheduling: qué son los problemas de Scheduling. Clasificación de los problemas de Scheduling. El problema Job Shop Scheduling y su representación. Espacio de soluciones. Resolución con SGS.
- Algoritmos de búsqueda.
- Programación con restricciones.
- Algoritmos evolutivos.
- Aplicaciones de Scheduling en la vida real.
Objetivos:
- Comprender qué es un problema de optimización combinatoria.
- Saber identificar problemas de optimización combinatoria presentes en el entorno social y productivo.
- Conocer los principales algoritmos de inteligencia artificial para resolver problemas de optimización combinatoria.
- Aplicar distintos algoritmos para resolver problemas reales.
Calendario previsto:
Edición 1: 19 mayo – 30 mayo, L a V de 10 a 13 h.
Edición 2: pendiente.
Lo imparten:
Jorge Puente Peinador: https://portalinvestigacion.uniovi.es/investigadores/218022/detalle
María Rita Sierra Sánchez: https://portalinvestigacion.uniovi.es/investigadores/218435/detalle
Sezin Afsar / Pablo Barredo Gil / Miguel Ángel González Fernández / Carlos Mencía Cascallana / Raúl Mencía Cascallana / Jesús Quesada Matilla / José Ramiro Varela Arias
Modalidad:
Presencial (Campus de Gijón).
Requisitos mínimos:
Conocimientos básicos de programación o al menos estar familiarizado con el entorno tecnológico.
Duración:
30 horas presenciales
Dirigido a:
Centros de I+D empresariales de la región y otras empresas tractoras.