El sitio web de la UCLM utiliza cookies propias y de terceros con fines técnicos y de análisis, pero no recaba ni cede datos de carácter personal de los usuarios. Sin embargo, puede haber enlaces a sitios web de terceros, con políticas de cookies distintas a la de la UCLM, que usted podrá aceptar o no cuando acceda a ellos.

Puede obtener más información en la Política de cookies. Aceptar

Español
  1. Inicio
  2. Curso Universitario de Formación Avanzada en Analítica de Datos
Rama de Ciencias Sociales y Jurídicas

Curso Universitario de Formación Avanzada en Analítica de Datos

Ciencias Sociales y Juridicas
Icono del Area del estudio
Creditos

Créditos totales

18 Créditos obligatorios

Créditos optativos

Número de plazas
30
Contacta
Lugares de impartición
Facultad de Ciencias Económicas y Empresariales de Albacete

Responsables del título

Cristina Díaz García (Directora) 

Antonio Díaz Pérez (Secretario) 

Matías Gámez Martínez (Secretario) 

Modalidad

Presencial

Precios

18 ECTS x 45 €/ECTS + 7,77€ tasas seguro obligatorio = 817,77 €

Composición

Modular

Información General

El curso consta de dos partes:

  • La primera es “Fundamentos de Análisis de Datos, manejo de R y Machine Learning” en la que se estudiará qué es un proyecto de Análisis de Datos, cuáles son sus fases y se aprenderá el manejo del software estadístico-matemático R para aplicarlo a proyectos de este tipo. Después, se aprenderán y utilizarán técnicas de aprendizaje supervisado como modelos basados en árboles, combinación de clasificadores, técnicas de detección de anomalías y aprendizaje por refuerzo, entre otras. Y, por último, se aprenderán y utilizarán técnicas de aprendizaje no supervisado como clúster jerárquico y no jerárquico, técnicas de detección de anomalías y aprendizaje por refuerzo.
  • En la segunda parte, “Métodos avanzados: Deep Learning, Big Data y aplicaciones”, se verá que el desarrollo de las redes neuronales (ANN) está íntimamente ligado al desarrollo del software y de la Inteligencia Artificial. Se estudiarán los fundamentos de las ANN, supervisadas y no supervisadas, así como de redes de más alto nivel o Deep Learning. En relación con el Big Data, se conocerán las principales plataformas para trabajar con datos masivos y utilizarán R y las herramientas vistas en módulos anteriores en dichas plataformas. Para finalizar, se verán de manera práctica la aplicación de R y de las técnicas vistas en los módulos precedentes a casos reales del mundo de la empresa.

El Curso Universitario de Formación Avanzada en Analítica de Datos podrá ser reconocido por 18 créditos ECTS del título de Máster en Analítica de Negocios en un Entorno Digital, siempre que el estudiante cumpla con los requisitos de acceso al Máster.

 

FUNDAMENTOS DE ANÁLISIS DE DATOS Y MACHINE LEARNING

  • Plantear Proyectos de Análisis de Datos (estructuras de datos, importación-exportación, informes reproducibles).
  • Manejar el programa de software R para hacer análisis exploratorio de datos y hacer programación básica en R.
  • Visualización de datos con ggplot2

MACHINE LEARNING 1: MÉTODOS DE CONSTRUCCIÓN DE MODELOS DE APRENDIZAJE SUPERVISADO CON R

  •  Aprender a utilizar técnicas de aprendizaje supervisado (Métodos clásicos; Regresión y clasificación mediante modelos basados en árboles; Algoritmos de clasificación con Naive Bayes; Algoritmos de clasificación con Support Vector Machine; Combinación de clasificadores; Detección de anomalías; Algoritmos de agrupamiento; Aprendizaje por refuerzo).

MACHINE LEARNING 2: MÉTODOS DE CONSTRUCCIÓN DE MODELOS DE APRENDIZAJE NO SUPERVISADO CON R

  •  Aprender a utilizar técnicas de aprendizaje no supervisado (Algoritmos de agrupamiento, Técnicas de detección de anomalías, Aprendizaje por refuerzo)

REDES NEURONALES Y DEEP LEARNING

  •  Conocer cómo funcionan las redes neuronales (supervisadas, no supervisadas y de más alto nivel -Deep Learning-)

BIG DATA Y PROCESAMIENTO PARALELO DE DATOS

  • Aprender a trabajar con Big data (Herramientas y plataformas para trabajar; Manejo de datos; Visualización de datos; Machine learning)

TALLERES DE APLICACIONES A LA EMPRESA

  • Aplicar las herramientas analizadas en el curso (R, nube, Machine Learning, Big Data) a casos reales de la empresa
  • Estudiantes y profesionales con interés en los contenidos (formación en Administración y Dirección de Empresas, Economía, Informática, …).

No se requiere titulación universitaria previa.

  • Tecon Soluciones Informáticas
  • GlobalCaja
  • Colegio de Economistas de Albacete
Novedades
Acceso y matrícula

Plazos

Preinscripción

  Del 22/06/2022 al 02/11/2022

Matrícula

  Del 22/06/2022 al 02/11/2022

Impartición

  Del 30/01/2022 al 14/04/2023

Precio del curso: 18 ECTS x 45 €/ECTS + 7,77€ tasas seguro obligatorio = 817,77 €

Fraccionamiento: Sí

  • Plazo del segundo pago: del 28 febrero al 7 de marzo de 2023
  • Importe de segundo pago: 405 €

Bonificaciones: No

Curso bonificable a través de la Fundación Estatal para la Formación en el Empleo - FUNDAE. RD. 395/2007.

Requisitos de admisión:

  • Estudiantes y profesionales con interés en los contenidos (formación en Administración y Dirección de Empresas, Economía, Informática, …).
Si bien el programa no requiere formalmente una formación específica de origen, se recomienda pedir asesoramiento, pues es conveniente tener conocimientos previos en los contenidos objeto de estudio en este curso.

La Comisión Académica del curso tendrá en cuenta los siguientes criterios al valorar las solicitudes presentadas:

  • Expediente académico.
  • Perfil y adecuación de la formación previa a los contenidos del curso. 
  • Otros méritos académicos o de formación
  • Experiencia Profesional.

Documentación para formalizar la preinscripción:

  • DNI/pasaporte/documento de identidad en vigor
  • Currículum Vitae
  • Certificación académica con indicación de nota media de los estudios de nivel más elevado finalizados o en curso.

Instrucciones de preinscripción y matrícula

Los alumnos admitidos deberán formalizar su automatrícula, para ello deberán acceder a la página de automatrícula con sus credenciales.

Acceder a la MATRÍCULA online

Para realizar el abono se podrá utilizar una de las siguientes opciones:

  • Pago por RECIBO BANCARIO, deberán imprimir la carta de pago y presentarla en una de las entidades bancarias colaboradoras (aparecen en la carta de pago) y realizar el abono correspondiente, sólo para pagos realizados en España.
  • Pago con TARJETA BANCARIA.

ABONO DEL SEGUNDO PLAZO DE MATRÍCULA

Para el abono del mismo, se deberá acceder en los plazos establecidos, al siguiente enlace: Gestión de recibos online

SOLICITUD DE FACTURAS

Todos los alumnos interesados en recibir factura acreditativa del pago de la matrícula deberán solicitarlo a la organización del curso (administrador/a del centro) en el mismo momento de la matriculación, adjuntando la documentación actualizada del IAE del alumno o de la empresa que abona el pago.  Este derecho caducará el día 16 del mes siguiente a la fecha del ingreso del primer plazo.

Plan de estudios
CURSO UNIVERSITARIO DE FORMACIÓN AVANZADA EN ANALÍTICA DE DATOS
Código
Descripción
ECTS
 

403336

Fundamentos de análisis de datos, manejo de R y Machine Learning    

7

G

AN

403337

Métodos avanzados: Deep Learning, Big Data y aplicaciones       

7

G

AN

403338

Prácticas en Empresas 

4

PE

AN

Total de Créditos ECTS

18

G: Obligatoria O: Optativa PE: Prácticas Externas TFM: Proyecto o Trabajo Fin de Estudios AN: Anual C1: 1º Cuatrimestre C2: 2º Cuatrimestre

 

A lo largo del curso académico, además de las necesarias clases teóricas, el estudiantado realizará diversos casos prácticos o ejercicios en cada uno de los módulos que componen el programa y realizará prácticas en empresas para aplicar los conocimientos adquiridos a la resolución de problemas reales con los que se enfrentan las organizaciones en estos días.

El estudiantado contará con acceso a una plataforma virtual a través de la cual tendrá disponible, además de toda la información relativa al curso y su temario, información detallada sobre las calificaciones que vaya obteniendo a lo largo de los diversos bloques que componen el curso.

  • Clases presenciales diarias en vivo y en directo: las clases se impartirán de lunes a jueves en horario de tarde en las que podrá interactuar en directo con el profesorado.
  •  Laboratorios y workshops: talleres especializados por titulación para profundizar en las últimas tendencias profesionales y las herramientas más innovadoras del mercado.
  • Actividades prácticas: inspiradas en la simulación de entornos reales de aprendizaje que te preparan para la realidad empresarial como método de casos y participación en foros de debate.
  • Método del caso: una metodología de aprendizaje basada en el learning by doing (aprender haciendo), utilizada por universidades de prestigio como Harvard y Stanford, que te forma para la toma de decisiones estratégicas en las empresas a través de la resolución de casos reales.
  •  Foros: sesiones de debate y reflexión en las que se utilizan contenidos de alto impacto (casos cortos, lecturas, podcasts...).
  • Campus Virtual: es nuestra plataforma online diseñada para optimizar el aprendizaje del estudiante, donde encontrará todo lo que necesita para estudiar: los materiales, información de horarios, chats y, muy importante, otros recursos didácticos: pues tendrá acceso a distintos recursos de aprendizaje para completar su formación como una biblioteca digital, lecturas complementarias, resúmenes con ideas clave, test de autoevaluación, etc.
  • Seguimiento: El estudiantado contará con un tutor personal que estará en contacto para ayudarle con cualquier duda que le pueda surgir. El profesorado seguirá los progresos del aprendizaje y le ayudará en tutorías individuales y grupales.
  • Networking: El estudiantado podrá desarrollar un networking activo que le dará la posibilidad de establecer relaciones con profesionales y profesorado.
  • Prácticas en empresa: El estudiantado podrá aplicar los conocimientos adquiridos en el curso a la resolución de problemas reales de una empresa, con la tutorización de una persona de la empresa y un profesor del curso.

 

 

Habrá una prueba eminentemente práctica al final de cada módulo.
Profesorado