Horas/ECTS
16 ECTS
Calendario
Lugar
Urduliz
NIC
Idioma
Español
Modalidad
Presencial y Online
Precio
4.350 €
Presentación
Destacamos
Aprende Machine Learning y Deep Learning con Python 3
Desarrolla tu proyecto real de empresa con tutorización personalizada de expertos de Mondragon Unibertsitatea
Conoce casos de uso sectoriales reales
Bonifícate el curso a través de Fundae
Objetivos
La demanda del perfil de Data Scientist no para de crecer en los últimos años (47% 2020 vs. 2019), para incorporarse a sectores tan estratégicos como la Banca, las Telecomunicaciones, la Industria, o la Investigación o la Silver Economy. Este perfil se encuentra en alza desde 2012, habiendo aumentado la demanda un 650%.
El objetivo principal de este curso avanzado es formar a los asistentes para que puedan adquirir los conocimientos y habilidades necesarias para convertirse en analista o científico de datos. De forma que puedan diseñar y desplegar proyectos completos de análisis de datos, desde la preparación de los datos, pasando por la aplicación de diferentes técnicas de modelado para el análisis y validación, su deployment y la visualización. Todo esto utilizando Python 3 como principal lenguaje de programación.
Durante este curso se repasarán fundamentos de algebra, estadística y programación en Python (1-Fundamentos), se profundizará en técnicas de ingesta y preprocesado de datos (2- Preparación de los datos), para sumergirse después en las diferentes técnicas de análisis y validación de datos (3 – Análisis y validación) y su visualización (5 – Visualización de datos).
Durante el curso cada asistente tendrá que desarrollar un proyecto personal en el que aplicar los conocimientos y técnicas adquiridos en la formación, para lo que contará con tutorización personalizada por parte de un experto docente del curso.
Este curso se ofrece tanto en formato semi-presencial, como en formato online, a elegir entre las dos, con sesiones presenciales u online (en función de la modalidad elegida) los martes (17:00-20:00) y los viernes (15:00- 20:00).
Las sesiones presenciales tendrán lugar en el Nagusi Intelligence Center – NIC (web.bizkaia.eus/es/web/nic) ubicado en la Torre Urduliz.
En el marco de la estrategia de la Diputación Foral de Bizkaia para la Silver Economy y del Nagusi Intelligence Center, Mondragon Goi Eskola Politeknikoa ha puesto en marcha este nuevo curso experto dirigido a profesionales. El curso es la respuesta a la cada vez mayor demanda de científicos y analistas de datos que ayuden a crear, analizar y visualizar los relacionados con la Silver Economy.
Por eso, a lo largo de los 6 módulos en el que se divide este curso se trabajará en casos de uso de diversos sectores tales como industria, medicina, recursos humanos y la Silver Economy.
Aquellas personas que vengan en nombre de su empresa, podrán bonificar este curso a través de Fundae.
Dirigido a
Este curso Máster está dirigido a todos aquellos profesionales de ciencias de la salud y ciencias tecnológicas interesados en adquirir perfil de analista de datos.
Dirigido a profesionales diplomados/as o graduados/as en:
- Ciencias de la Salud (Bioingeniería, Ciencias Biomédicas, Bioquímicas, Biociencias, Microbiología, Medicina) con gran interés por el análisis de datos.
- Ciencias tecnológicas (Matemáticas, Estadística, Ingenierías de datos, Física, Informática, etc.) con interés en el análisis de datos para entornos sociosanitarios y relacionados con la Silver Economy.
Programa
M1 Introducción a los conceptos. Aplicaciones y casos de uso .
M2 Bases de programación: Python 3
M3 Interpretación de datos: bases de estadística y matemáticas
M4 Pre-procesado de datos socio-sanitarios
- M4.1 Ingesta
- M4.2 Análisis exploratorio de los datos
- M4.3 Preprocesamiento de los datos
M5 Análisis y validación
- M5.1 Supervisado: clasificación
- M5.2 Regresión y No Supervisado: clustering
- M5.3 Series Temporales
- M5.4 Deep Learning: intro y RNNs
- M5.5 CNNs y Survival Analysis
M6 Visualización
M7 Proyecto personal
Metodología
En el desarrollo del programa se utilizará como criterio general la ENSEÑANZA ACTIVA basada en un proceso participativo con un seguimiento y control académico y técnico que asegure el máximo aprovechamiento de los contenidos y actividades por parte de los participantes. El proceso de enseñanza – aprendizaje se basará en los siguientes conceptos metodológicos:
- Exposición de planteamiento y conceptos teóricos.
- Realización, de casos prácticos y ejercicios.
- Aplicación en el contexto de la empresa.
- Realización de un proyecto final.
El curso experto se divide en 6 Módulos y un proyecto final. Cada Módulo está compuesto por temas.
Cada uno de los módulos dispondrá de un Tutor, que acompañará, guiará y fomentará la participación de los participantes a lo largo de las fechas dedicadas al trabajo. El Tutor a su vez es el responsable de los contenidos de cada tema, el encargado de resolver las dudas de los participantes y de realizar la evaluación final.
Se podrá elegir la modalidad: online o presencial.
Cada uno de los participantes definirá, planificará y desarrollará un PROYECTO final.
El proyecto final permitirá catalizar el aprendizaje orientándolo a la obtención de unos resultados. Dicho proyecto contará con la supervisión de un tutor del curso experto en el que finalmente y como cierre se plantea realizar una sesión de divulgación/puesta en común del proyecto realizado por cada participante.
Los alumnos tendrán acceso a la plataforma educativa online Moodle de Mondragon Unibertsitatea, en donde tendrán todo el material y ejercicios disponible por módulos, además de diferentes foros y canales de comunicación con el resto de los asistentes al curso y con todo el profesorado.
Profesorado
Profesorado de Mondragon Unibertsitatea altamente cualificado y con experiencia en proyectos reales que compaginan docencia con investigación en temáticas de vanguardia con empresas del sector.
Ane Alberdi
Docente e investigadora de MGEP desde el año 2017. Ane posee una Doble diplomatura en Ingeniería Electrónica por el INP-ENSEEIHT y MGEP, a la vez que un Máster en Sistemas Embebidos por MGEP. Obtuvo el título de doctor en el año 2017. Durante su doctorado Ane trabajó en la detección temprana de enfermedades basada en entornos inteligentes y IoT junto con técnicas de Inteligencia Artificial (IA). Ane también fue investigadora visitante en el Laboratorio CASAS en Washington State University (WA, EE.UU.), donde estudió el uso de los entornos inteligentes para apoyar la vida independiente de las personas adultas con deterioro cognitivo. Ane ha publicado artículos en varias revistas científicas de impacto. Actualmente, su investigación se centra en las aplicaciones de la IA en el ámbito salud.
Dr. Carlos Cernuda

Licenciado en Matemáticas por la Universidad de Oviedo en 2009 y Máster en Soft Computing and Intelligent Data Analysis en 2010, por la Universidad de Oviedo conjuntamente con el European Center for Soft Computing. En 2014 se doctoró en Ciencias de la Ingeniería por la universidad austriaca Johannes Kepler Universität Linz (JKU) con la tesis titulada “Advanced Data Mining and Machine Learning Techniques in Chemometric Modeling”.
En el período sept. 2014 a abril 2016, ha sido profesor asistente en JKU, impartiendo cálculo, álgebra, matemáticas para la economía y teoría de control. Entre mayo de 2016 y noviembre de 2018 desempeñó en BCAM la labor como investigador postdoctoral en el departamento de Data Science – Machine Learning, impartiendo varios cursos introductorios al análisis de datos.
En diciembre de 2018 se incorporó a MGEP en calidad de Personal Docente Investigador donde su actividad docente se centra en Analytics, concretamente Machine Learning y Deep Learning.
Dr. Dani Reguera

Profesor e investigador del área de Inteligencia Artificial de Mondragon Unibertsitatea desde Enero de 2012. Doctor en Ingeniería Aplicada por Mondragon Unibertsitatea, en la actualidad compagina su labor de docencia universitaria en el “Grado de Ingeniería Informática” y el “Master Universitario de Análisis de Datos, Ciberseguridad y Computación en la nube” de Mondragon Unibertsitatea, con la investigación en el grupo de Análisis de datos y Ciberseguridad de Mondragon Unibertsitatea. Su campo de investigación se centra en el aprovechamiento de métodos Data-Driven e Inteligencia Artificial para optimizar la interacción persona-máquina en procesos industriales mediante interfaces inteligentes de usuario.
Dra. Rosa Basagoiti

Pertenece al grupo de Análisis de Datos y Ciberseguridad en el departamento de Electrónica e Informática en Goi Eskola Politeknikoa, Mondragon Unibertsitatea. Actualmente docente en el grado de Business Data Analytics impartido en Bilbao y dirigido a la extracción de valor a través de los datos. Es doctora en Informática y ha intervenido en tareas de transferencia a través de proyectos con empresas de diversos sectores: industrial, logístico o médico.
Dr. Aitor Duo

Pertenece al departamento de electrónica e informática de Mondragon Unibertsitatea. Graduado en ingeniería en sistemas de telecomunicación (2015), obtuvo su máster en sistemas embebidos en 2017. Posteriormente realizó su tesis doctoral titulada “Sensor and CNC internal signal evaluation to detect tool and workpiece malfunctions in the drilling process” en el programa de ingeniería aplicada de Mondragon Unibertsitatea (2021). En los últimos años ha colaborado con el grupo de investigación de mecanizado de alto rendimiento en la puesta a punto de set-up experimentales para la adquisición y análisis de datos de procesos industriales.
Munia Pitarke

Pertenece al departamento de Inteligencia Artificial de Mondragon Unibertsitatea. Graduada en ingeniería de telecomunicaciones (2016), obtuvo su máster en ingeniería de telecomunicaciones en 2018 y máster en Data Science en 2021. Hasta ahora ha trabajado como Business Analyst y actualmente se dedica a la docencia en el Grado de Data Analytics de Mondragon Univertsitatea.
Dr. Asier Erramuzpe

Profesor e Investigador en el departamento de Ingeniería Biomédica en Mondragon Unibertsitatea. Ingeniero Técnico y Superior en Informática (2007-2012) y Máster en Ingeniería Biomédica por la Universidad Pública de Navarra (2013) (UPNa). Máster en Ingeniería Biomédica (2014) y Doctor en Investigación Biomédica (2018) por la Universidad del País Vasco (EHU-UPV).
Durante su etapa predoctoral en el Centro de Investigación Biomédica Biocruces HRI, se especializó en la adquisición, preprocesado y análisis de Imagen de Resonancia Magnética (MRI), así como en el procesado y análisis de datos médicos (Data-Mining y Machine-Learning). Entre las modalidades de MRI con las que ha trabajado se encuentran la estructural, la funcional y la de difusión. Tras obtener el título de Doctor, se desplaza a la Universidad Hebrea de Jerusalén, al Laboratorio de Imagen Cuantitativa en el Edmond and Lily Safra Center for Brain Sciences (ELSC) para profundizar en el conocimiento de la novedosa técnica qMRI (Cuantitativa), con la que es posible obtener información sobre la composición micro-estructural de los tejidos. Sus intereses investigadores se centran en la neuroimagen computacional (predicción de edad), análisis de imagen médica, la teoría de grafos, inteligencia artificial y la minería de datos. Ha contribuído en más de 20 artículos científicos en revistas indexadas de alto impacto tales como Nature Methods, Cerebral Cortex y Human Brain Mapping y comunicaciones a congresos internacionales.
Dr. Maite Termenón

Profesora e Investigadora en el departamento de Ingeniería Biomédica en Mondragon Unibertsitatea. Doctorada en 2016 por la Universidad de Grenoble-Alpes (Francia) donde aplicó teoría de grafos al estudio de la conectividad cerebral en reposo. Licenciada en Ingeniería en Automática y Electrónica Industrial en 2004, Máster de Estudios Avanzados en Ciencias de Computación e Inteligencia Artificial en 2007, y Postgrado en Bioingeniería en 2012. Su carrera investigadora se centra en aplicar métodos avanzados de computación a imágenes de resonancia magnética cerebral para estudiar los diferentes patrones de conectividad cerebral entre diversas poblaciones como bilingües/monolingües, zurdos/diestros, sanos/enfermos.
Coordinación
Coordinadora general:
Beatriz Laskurain
Docente y asesoramiento a empresas en áreas de estrategia y marketing digital, Business Intelligence con Power y análisis de datos.
- 607 530 650
Coordinadora académica:
Ane Alberdi
linkedin.com/in/anealberdiaramendi/
aalberdi@mondragon.edu
Organización
El “Curso Experto Universitario en Data Science, desde la industria, hasta la Silver Economy” está organizado por Mondragon Unibertsitatea y cuenta con la colaboración de la Diputación Foral de Bizkaia.
Condiciones y proceso de admisión
El proceso del curso experto consta de tres fases que tendrán lugar en los meses previos al inicio del curso (inscripción -> admisión -> matrícula):
- Inscripción
- La preinscripción se realiza desde aquí.
- Te enviaremos un email con el enlace para poder hacer la inscripción y subir el DNI/NIE
- Validaremos el DNI/NIE y podrás subir la documentación que falta: CV y títulos universitarios.
El plazo de inscripción quedará abierto hasta que se llenen las plazas
- Admisión
Evaluaremos la documentación recibida; se dará preferencia a los titulados universitarios de las especialidades de entrada.
- Matrícula
La matrícula se realiza online desde el enlace facilitado por la universidad una vez hayas sido admitido/a. La matricula se formalizará con el pago de la primera cuota del master.
Vías de financiación
Este curso es bonificable para empresas a través de Fundae.
Mondragon Unibertsitatea no gestiona las solicitudes de bonificaciones, pero facilita la información necesaria para realizar dicha solicitud. Para más información ponerse en contacto con:
Titulación que se obtiene
Los participantes que hayan cumplido los requisitos de la evaluación y entrega del proyecto, obtendrán el Título Propio Universitario de EXPERTO en Data Science, desde la industria, hasta la Silver Economy por Mondragon Unibertsitatea.
Plazas
Plazas limitadas
Colaboradores/ Patrocinadores
Este curso cuenta con la colaboración de la Diputación Foral de Bizkaia y el Nagusi Intelligence Center.
Precio
4.350 €
Importe total previsto 2022-23
16 ECTS
Parte de las horas de este curso se pueden Bonificar a través de Fundae en el caso de los matriculados en nombre de empresa