Oferta formativa Doctorado Ciencia de los Datos

A continuación se detalla la oferta formativa relativa al Programa de Doctorado Ciencia de los Datos para el curso 2019 - 2020

Actividades formativas

Título de la sesión
Seminario Richard Mcgowan: "Ethics in research: Issues and challenges of methods for data analysis"
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

09-10-2019 de 17:00 a 19:00
10-10-2019 de 17:00 a 19:00

Profesores

Carlos García Alonso

Horas Reconocidas

4

Idiomas

Inglés

Competencias

Competencias Básicas:

CB11: Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB13: Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original.

Competencias personales:

CA02: Encontrar las preguntas claves que hay que responder para resolver un problema complejo.

Otras competencias:

OT1  Encontrar una visión multidisciplinar y ética en la generación de nuevos conocimientos en el ámbito del análisis numérico de sistemas complejos de cualquier tipo.

Aspectos a trabajar

Theoretical-practical seminar about ethics in research focused on methods of data analysis.

Metodología

Seminario-coloquio con participación activa de los alumnos.

Evaluación

Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo. Asistencia mínima del 100%.

Requisitos previos

No hay requisitos previos.

Jornadas de bienvenida a estudiantes de doctorado
Alumnos, mediante Loyola Online

Horario

12-11-2019 de 16:00 a 19:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

4

Idiomas

Español

Competencias

Competencias Básicas:

CB11: Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB13: Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original.

Otras competencias:

OT1  Encontrar una visión multidisciplinar y ética en la generación de nuevos conocimientos en el ámbito del análisis numérico de sistemas complejos de cualquier tipo.

Aspectos a trabajar

Jornadas de presentación de los nuevos estudiantes.

Metodología

Seminario-coloquio con participación activa de los alumnos.

Evaluación

Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo. Asistencia mínima del 100%.

Requisitos previos

Ninguno.

Bayesian Thinking
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

03-02-2020 de 16:00 a 20:00
06-02-2020 de 16:00 a 20:00

Profesores

David Becerra Alonso

Horas Reconocidas

10

Idiomas

Español

Competencias

CB5. Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

CA4.Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

CE2. Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejo.

Aspectos a trabajar

1. Introducción.

2. Frecuentismo:

    a. Probabilidad.

    b. Qué es un p-valor.

    c. Errores de tipo i y ii.

3. Bayesianismo:

    a. Probabilidad revisada.

    b. Inferencia Bayesiana Binomial.

    c. Pensamiento Bayesiano.

    d. Control de los errores de tipo i y ii.

4. Ejemplos preliminares:

    a. Bayes visual.

    b. Intuición.

5. Ejemplos numéricos básicos.

6. Temas avanzados:

    a. Estableciendo la probabilidad de hechos históricos.

    b. Bayes, SETI, y la fórmula de Drake. Estableciendo la probabilidad de que no estemos sólos en el universo.

Metodología

Cada alumno ha de trabajar con ordenador propio.

Evaluación

Se pedirá la entrega de un breve trabajo para obtener la nota máxima. Si faltan elementos de lo solicitado, puede reducir la nota total. La asistencia no es suficiente para aprobar.

Requisitos previos

No hay requisitos previos.

Técnicas de maching learning
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

05-02-2020 de 15:00 a 18:00
12-02-2020 de 15:00 a 18:00
19-02-2020 de 15:00 a 18:00
26-02-2020 de 15:00 a 18:00
04-03-2020 de 15:00 a 18:00
11-03-2020 de 15:00 a 18:00
18-03-2020 de 15:00 a 18:00
25-03-2020 de 15:00 a 18:00

Profesores

Francisco de Asís Fernández Navarro
Javier Pérez Rodríguez

Horas Reconocidas

30

Idiomas

Español

Competencias

 

2.1 COMPETENCIAS BÁSICAS O GENERALES

  • CB11. Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.
  • CB12. Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de investigación o creación.
  • CB13. Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original.
  • CB16. Capacidad de fomentar, en contextos académicos y profesionales, el avance científico, tecnológico, social, artístico o cultural dentro de una sociedad basada en el conocimiento.

2.2 CAPACIDADES Y DESTREZAS PERSONALES

  • CA03. Diseñar, crear, desarrollar y emprender proyectos novedosos e innovadores en su ámbito de conocimiento.

2.3 OTRAS COMPETENCIAS

  • OT2. Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejo.

Aspectos a trabajar

  • Aprendizaje no supervisado.
  • Aprendizaje supervisado: Clasificación y regresión.
  • Metaheuristicas.

Metodología

Clases magistrales y trabajo en clase.

Evaluación

La calificación dependerá de un trabajo individual de testeo de las metodologías propuestas.

Requisitos previos

Conocimientos mínimos de estadística y computación.

Information Dynamics
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

10-02-2020 de 16:00 a 20:00
13-02-2020 de 16:00 a 20:00

Profesores


Horas Reconocidas

10

Idiomas

Español, Inglés

Competencias

CB5. Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

CA4.Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

CE2. Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejo.

Aspectos a trabajar

Contents:

1. Entropy in physics and in life.

2. A very brief take on Shannon’s information theory.

3. Shannon’s Entropy and its relation to information.

4. Cross-entropy.

5. The Kullback–Leibler divergence.

6. Preparing your data.

 a. Discrete data. Discretisation. Binning.

 b. Continuous data. Advanced techniques.

7. Correlation measures.

 a. Joint Entropy and Conditional Entropy.

 b. Mutual Information, Multi-Information and Conditional Mutual Information.

8. Time series analysis (Information Transfer).

 a. Entropy Rate and Conditional Entropy Rate.

 b. Excess Entropy and Active Information Storage.

 c. Transfer Entropy and Conditional Transfer Entropy.

9. Discussion: the relation between Transfer Entropy and Causality.

10. End of course project: information analysis on real data.

Metodología

Each student will come with a laptop to this course.

The aim of this course is to briefly cover the history of Information Science, starting with Shannon’s Theory, onwards to the latest advances and current state-of-the-art applications. Having defined Entropy in general, and Shannon’s Entropy in particular, we discuss the basic correlation measures and their more advanced conditioned equivalents. Local entropy and mutual information are used to understand relative information and information as a function of time in a temporal series. Finally, the topic of information transfer and its relationship with causality is covered with measures proposed in the last 15 years. Applications to real data and current research will be part of the activity that completes this course.

Evaluación

Se pedirá la entrega de un trabajo de análisis de información basada en datos no lineales para obtener el 10. Si faltan elementos de lo solicitado, puede reducir la nota total. La asistencia no es suficiente para aprobar.

Requisitos previos

Undergraduate statistics.

Se requerirá instalación previa de software.

Procesamiento de textos cientificos
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

17-02-2020 de 16:00 a 20:00
20-02-2020 de 16:00 a 20:00

Profesores


Horas Reconocidas

20

Idiomas

Español

Competencias

CB5. Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

CA4.Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

CE2. Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejo.

Aspectos a trabajar

1. LyX.

2. LaTeX Colaborativo (ShareLaTeX).

3. Creación de material personalizado.

4. PythonTeX.

Metodología

Cada alumno ha de trabajar con su propio ordenador.

Evaluación

Se pedirá la entrega de un texto con ciertas propiedades para obtener la nota máxima. Si faltan elementos de lo solicitado, puede reducir la nota total. La asistencia no es suficiente para aprobar.

Requisitos previos

No hay requisitos previos. Pero los alumnos deben tener Instalado Lyx y una cuenta en ShareLatex.

Ciclo de conferencias: Aplicaciones de Ciencia de los Datos
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

24-02-2020 de 15:00 a 19:00
01-04-2020 de 17:00 a 19:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

8

Idiomas

Español, Inglés

Competencias

Competencias Básicas:

CB11. Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB12. Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de investigación o creación.

CB16. Capacidad de fomentar, en contextos académicos y profesionales, el avance científico, tecnológico, social, artístico o cultural dentro de una sociedad basada en el conocimiento.

Competencias personales:

CA02: Encontrar las preguntas claves que hay que responder para resolver un problema complejo.

Otras competencias:

OT1  Encontrar una visión multidisciplinar y ética en la generación de nuevos conocimientos en el ámbito del análisis numérico de sistemas complejos de cualquier tipo.

Aspectos a trabajar

Resolución de problemas mediante machine learning y técnicas de manejo de Big data en el ámbito de la empresa.

Metodología

Exposiciones de 2,5 hora de cada invitado con posterior coloquio con participación de los alumnos en cada sesión.1 sesión por invitado.

Evaluación

Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo. Asistencia mínima del 100%.

Requisitos previos

No hay requisitos previos.

Telling story: como crear interés en tu artículo
Alumnos, mediante Loyola Online

Horario

25-02-2020 de 17:00 a 19:30
03-03-2020 de 17:00 a 19:30
10-03-2020 de 17:00 a 19:30
17-03-2020 de 17:00 a 19:30
24-03-2020 de 17:00 a 19:30

Profesores

María del Pilar Campoy Muñoz

Horas Reconocidas

20

Idiomas

Español

Competencias

Competencias básicas

CB15. Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

Capacidades y destrezas personales

CA03. Diseñar, crear, desarrollar y emprender proyectos novedosos e innovadores en su ámbito de conocimiento.

 

Aspectos a trabajar

Este curso tiene como objetivo que el participante adquiera las habilidades necesarias para escribir y publicar un artículo científico. Para ello, tras revisar los principales elementos de un artículo científico, se abordarán en profundidad aquellos elementos que son fundamentales para captar el interés de la audiencia: título, resumen, introducción y conclusiones; así como otros elementos requeridos por las revistas científicas (ideas clave, resúmenes gráficos, etc.)

Metodología

El curso se estructura en cuatro sesiones teórico-prácticas, con una duración de tres horas cada una. Durante estas sesiones los contenidos teóricos serán puestos en práctica mediante distintas actividades.

Evaluación

Evaluación de competencias:

  • Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo (20%)
  • Trabajo práctico que demuestre que el participante es capaz de aplicar los conocimientos adquiridos a una idea de investigación propia (80%)

Asistencia mínima del 70%

Requisitos previos

Ninguno.

Visualización de datos y análisis espacial
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

11-05-2020 de 15:00 a 18:00
12-05-2020 de 15:00 a 18:00
13-05-2020 de 15:00 a 18:00
14-05-2020 de 15:00 a 18:00
18-05-2020 de 15:00 a 18:00
19-05-2020 de 15:00 a 18:00
20-05-2020 de 15:00 a 18:00

Profesores

José Alberto Salinas Pérez
María Luisa Rodero Cosano

Horas Reconocidas

30

Idiomas

Español

Competencias

Competencias Básicas:

CB11 - Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB12 - Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de investigación o creación.

CB15 - Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

Capacidades personales:

CA01 - Desenvolverse en contextos en los que hay poca información

específica.

CA02 - Encontrar las preguntas claves que hay que responder para resolver un problema complejo.

CA04 - Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

CA05 - Integrar conocimientos, enfrentarse a la complejidad y formular juicios con información limitada.

Otras competencias:

OT1 - Encontrar una visión multidisciplinar y ética en la generación de nuevos conocimientos en el ámbito del análisis numérico de sistemas complejos de cualquier tipo.

OT2 - Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejoCA04.Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

Aspectos a trabajar

Día 1 (3 horas).

Sesión 1: Introducción a la econometría espacial

1.1. Econometría espacial: concepto, antecedentes y aplicaciones.

1.2. Datos espaciales: naturaleza, Sistemas de Información Geográfica (GIS), fuentes estadísticas de información microterritorial, problemas en el tratamiento de datos espaciales, paquetes informáticos especializados en econometría espacial.

Práctica 1a. Introducción a QGIS (I).

Día 2 (3 horas).

1.3. Manipulación de datos espaciales

Práctica 1b. Introducción a QGIS (II).

Día 3 (3 horas).

Práctica 1c. Herramientas espaciales QGIS.

Sesión 2: Creación y publicación de mapas en Internet.

2.1. Fuentes de información espacial.

2.2. Herramientas espaciales online.

Práctica 2. Herramientas espaciales online: Google Docs y My Maps.

Día 4 (3 horas).

Sesión 3: Efectos espaciales y Análisis exploratorio de datos espaciales (AEDE): técnicas básicas

3.1. Dependencia espacial: concepto y signo. Efectos espaciales: Heterogeneidad espacial, autocorrelación espacial. Formulación matemática de la dependencia espacial: matriz de pesos espaciales, operador retardo espacial, correlograma espacial.

3.2. Métodos gráficos de representación de las distribuciones espaciales: mapa de percentiles, mapa de caja, cartograma y mapas de riesgo.

3.3. Métodos gráficos de representación espacial multivariante: diagrama de dispersión en 2 y 3 dimensiones, gráfico de coordenadas paralelas y gráficos condicionales.

Práctica 3.1. Introducción a GeoDa y AED (I).

Día 5 (3 horas).

Práctica 3.2. Introducción a GeoDa y AED (II).

Sesión 4: Contrastes de dependencia espacial univariante: técnicas avanzadas de AEDE:

4.1. Contrastes de autocorrelación espacial global: I de Moran, c de Geary, G(d) de Getis y Ord.

4.2. Contrastes de autocorrelación espacial local: familia de estadísticos locales de Getis y Ord, tests LISA.

4.3. Métodos gráficos de asociación espacial: diagrama de dispersión de Moran, mapas LISA, gráficos de autocorrelación espacial bivariante y espaciotemporal.

Día 6 (3 horas).

Práctica 4. GeoDa: Autocorrelación espacial.

Sesión 5: Estimación y contraste de un modelo de regresión espacial por el método de mínimos cuadrados ordinarios.

5.1. Modelo básico de regresión espacial: especificación y contraste por el método de mínimos cuadrados ordinarios (MCO). Contrastes de significación de los parámetros y bondad del ajuste global.

5.2. Estimación y contraste de los modelos de dependencia espacial (no-normalidad de la perturbación aleatoria, heteroscedasticidad, autocorrelación espacial).

5.3. Modelo autorregresivo o de rezago espacial (SAR), Modelo de error espacial (SEM).

5.4. Regresión Geográficamente Ponderada.

Día 7 (3 horas).

Práctica 5. GeoDa: Regresión espacial.

Presentación del trabajo de evaluación del curso.

Metodología

El curso se estructura en siete sesiones de tres horas cada una.

Clases teóricas-expositivas: El alumno trabaja los conocimientos esenciales de la materia. Aprende las instrucciones para acceder al resto de instrumentos didácticos y a los procedimientos que ha de realizar. Adquiere los conocimientos teóricos necesarios para poder desarrollar el resto de procedimientos. Aprende a autorregular su aprendizaje, planificándolo, evaluándolo y adecuándolo a sus especiales condiciones e intereses.

Clases prácticas: Se trata en profundidad, de forma práctica y participativa una temática relacionada con la materia. Aprende diversos procedimientos analíticos y comunicativos. Aprende a analizar, a exponer sus ideas, a contrastarlas, a debatirlas. Aprende a equivocarse y a rectificar, aprende a formar su opinión sobre el entorno.

Trabajo Final: El alumno trabaja la aplicación práctica de los conocimientos adquiridos con el resto de instrumentos didácticos. Aprende diversos procedimientos analíticos y comunicativos, favoreciendo la generación e intercambio de ideas, la identificación y análisis de diferentes puntos de vista sobre una temática, la transferencia de conocimiento y su valoración crítica.

Tutorías académicas y seguimiento (presenciales–on line).

Las prácticas serán realizadas utilizando software y bases de datos opensource, como QGIS, Google maps, Google Fusion y GeoDA.

Evaluación

Evaluación de competencias generales: Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo (20%).

Pruebas objetivas y pruebas escritas de resolución de ejercicios y problemas durante el periodo lectivo: Trabajo práctico en el que los alumnos deberán demostrar los conocimientos y habilidades adquiridos (80%).

Asistencia mínima del 70%.

Requisitos previos

Se requiere el uso de portátiles y la descarga de programa QGIS y el programa GeoDa.

Modelización avanzada en econometría espacial
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

21-05-2020 de 15:00 a 19:00
22-05-2020 de 15:00 a 19:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

10

Idiomas

Español

Competencias

Competencias Básicas:

CB11 - Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB12 - Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de investigación o creación.

CB15 - Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

Capacidades personales:

CA01 - Desenvolverse en contextos en los que hay poca información.

específica.

CA02 - Encontrar las preguntas claves que hay que responder para resolver un problema complejo.

CA04 - Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

CA05 - Integrar conocimientos, enfrentarse a la complejidad y formular juicios con información limitada.

Otras competencias:

OT1 - Encontrar una visión multidisciplinar y ética en la generación de nuevos conocimientos en el ámbito del análisis numérico de sistemas complejos de cualquier tipo.

OT2 - Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejoCA04.Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar.

Aspectos a trabajar

Día 1 (4 horas):

Sesión 1: Especificación de los modelos de heterogeneidad espacial:

1.1. Modelo del error heteroscedástico.

1.2. Modelo de regímenes espaciales.

1.3. Modelo ANOVA espacial.

1.4. Modelos de superficie tendencial.

1.5. Modelo de expansión espacial.

1.6. Modelo de regresiones geográficamente ponderadas (GWR).

Día 2 (4 horas):

Sesión 2: ntroducción a los modelos espaciales de datos de panel con RStudio:

2.1. Introducción de datos y creación de matrices de pesos espaciales 2.2.Tests de “poolabilidad”.

2.3.Tests de efectos individuales y temporales.

2.4.Test espacial de Hausman.

2.5.Tests de Baltagi.

2.6.Estimación de modelos espaciales de datos de panel.

Metodología

El curso se estructura en dos sesiones de cuatro horas cada una.

Clases teóricas-expositivas: El alumno trabaja los conocimientos esenciales de la materia. Aprende las instrucciones para acceder al resto de instrumentos didácticos y a los procedimientos que ha de realizar. Adquiere los conocimientos teóricos necesarios para poder desarrollar el resto de procedimientos. Aprende a autorregular su aprendizaje, planificándolo, evaluándolo y adecuándolo a sus especiales condiciones e intereses.

Clases prácticas: Se trata en profundidad, de forma práctica y participativa una temática relacionada con la materia. Aprende diversos procedimientos analíticos y comunicativos. Aprende a analizar, a exponer sus ideas, a contrastarlas, a debatirlas. Aprende a equivocarse y a rectificar, aprende a formar su opinión sobre el entorno.

Trabajo Final: El alumno trabaja la aplicación práctica de los conocimientos adquiridos con el resto de instrumentos didácticos. Aprende diversos procedimientos analíticos y comunicativos, favoreciendo la generación e intercambio de ideas, la identificación y análisis de diferentes puntos de vista sobre una temática, la transferencia de conocimiento y su valoración crítica.

Tutorías académicas y seguimiento (presenciales–on line).

Las prácticas serán realizadas utilizando software y bases de datos opensource, como GeoDA., Scanstata y R studio.

Evaluación

Evaluación de competencias generales: Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo (20%).

Pruebas objetivas y pruebas escritas de resolución de ejercicios y problemas durante el periodo lectivo: Trabajo práctico en el que los alumnos deberán demostrar los conocimientos y habilidades adquiridos (80%).

Asistencia mínima del 70%.

Requisitos previos

Se requiere el uso de portátiles y la descarga de programa GeoDa, Scanstata, Rstudio. Conocimientos de econometría espacial básica demostrable.