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.

Conferencia Magistral de Peter Tino
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

28-11-2019 de 17:00 a 19:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

2

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

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

In learning from "static" data the order of data presentation does not carry any useful information. However, data such as stock prices, EEG signals, or biological sequences naturally comes with a sequential structure. To be able to learn in such situations we must somehow capture in the learning machine the temporal information of the data stream. It will bepresent key ideas on how to do this that appeared in the machine learning, probabilistic modelling and statistical pattern recognition communities. The approaches can be broadly categorized into two categories: (1) finite memory approaches (Autoregressive Models, Markov Models, Tap-Delay Neural Networks etc.) and (2) state space modelling (Recurrent Neural Networks, LSTM, Hidden Markov Models etc.).

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

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
Mariano Carbonero Ruz

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.

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.

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.

Seminarios de investigación
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

23-04-2020 de 16:00 a 18:00
04-05-2020 de 16:00 a 18:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

4

Idiomas

Español

Competencias

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.

CB14. Capacidad de realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas.

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.

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.

 

CAPACIDADES Y DESTREZAS 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.

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

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.

CA06. La crítica y defensa intelectual de soluciones.

 

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 complejo.

OT3.       Ser capaz de gestionar su curriculum vitae de forma efectiva para su acreditación académica y científica a cualquier nivel.

Aspectos a trabajar

Dos seminarios en los que dos alumnos de cursos avanzados del doctorado expondrán su actual línea de avance de su investigación y futuros trabajos. Un tribunal formado por dos expertos escucharan la exposición y le aportaran mejoras a la investigación

Metodología

Workshop

Evaluación

Participación de forma activa en la actividad bien como ponente bien como oyente

 

Requisitos previos

En la actividad se debe abrir la participación en actividad en modalidad ponente y modalidad oyentes

Para aquello que asistan de oyentes se les aprobará 4 horas de formación para los doctorandos que presenten su trabajo se les realizará un certificado con  30 horas,

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.

Mentoria entre doctorandos
Alumnos, mediante Loyola Online

Horario

15-05-2020 de 12:00 a 13:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

10

Idiomas

Español

Competencias

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.

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

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

 

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.

OT3.Ser capaz de gestionar su curriculum vitae de forma efectiva para su acreditación académica y científica a cualquier nivel.

Aspectos a trabajar

Actividad anual en la que un alumno de curso superior sirve de apoyo a doctorandos de primer año. Esta labor de apoyo recoge apoyo en el ámbito personal, anímico, compartir experiencias y concomimiento sobre el proceso de desarrollo de la tesis, en procesos como inscribirse a congresos y en general como consejero en los primeros pasos de desarrollo de la investigación del alumno tutorizado para facilitarle la incorporación a este tipo de estudios.

Metodología

Reuniones virtuales periódicas entre mentor y tutorado, contacto vía email, así como cualquier sistema que consideren adecuado los participantes

Evaluación

Informe a mitad de curso e informe final, tanto del tutor como del tutorizado que será evaluado por el coordinador del seminario con entrega el 15 de mayo hasta las 15:00h.

Requisitos previos

En la actividad se debe abrir la participación en actividad en modalidad mentir y modalidad tutorizado

  1. La modalidad de mentor; solo lo podrán realizar los alumnos de segundo curso en adelantes. Se les renoceras ademas de las 10horas mas otras 20 horas con un certificado por la relizacion de este modalidad.
  2. La modalidad tutrizado; serán los alumnos de primer curso. Se les reconocerá las 10horas de la actividad.