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 2021-2022.

 

Título de la sesión
Behavioral Economics Workshop
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

02-11-2021 de 12:30 a 13:30
07-12-2021 de 12:30 a 13:30
01-02-2022 de 12:30 a 13:30
01-03-2022 de 12:30 a 13:30
05-04-2022 de 12:30 a 13:30
03-05-2022 de 12:30 a 13:30
07-06-2022 de 12:30 a 13:30

Profesores

Laura Padilla Angulo
Pablo Ernesto Brañas Garza

Horas Reconocidas

10.00

Idiomas

Inglés

Competencias

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. 

CO2. Ser capaz de discernir entre los diferentes modelos y metodologías con las que se puede enfrentar un problema complejo. 

Aspectos a trabajar

7 seminarios sobre temas distintos de Economía del Comportamiento incluyendo Experimentos de Lab, Campo y Redes. 

Metodología

Asistencia presencial. 

Evaluación

Asistencia (asistencia al menos 6 seminarios). 

Participación en clase. 

Resumen y presentación de 1 de los seminarios. 

Nota: 10% A + 10% P + 80% Resumen y presentación. 

Requisitos previos

Conocimientos de estadística. 

Jornada de bienvenida a estudiantes del Programa de Doctorado en Ciencia de los Datos
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

03-11-2021 de 16:00 a 18:00

Profesores

María Luisa Rodero Cosano

Horas Reconocidas

4.00

Idiomas

Español, Inglés

Competencias

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 

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

No hay.

Introducción e implementación del control predictivo (MPC)
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

26-01-2022 de 15:00 a 17:00
02-02-2022 de 15:00 a 17:00
09-02-2022 de 15:00 a 17:00
16-02-2022 de 15:00 a 17:00

Profesores

José María Manzano Crespo

Horas Reconocidas

10.00

Idiomas

Español

Competencias

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

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

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.

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. 

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

Aspectos a trabajar

  1. Introducción al control predictivo.

  1. Implementación de MPC.

  1. Análisis de estabilidad del MPC.

Metodología

Sesiones teóricas y sesiones de laboratorio para implementación práctica.

Evaluación

Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo.

Requisitos previos

No hay.

Aplicación de métodos numéricos a problemas en ingeniería y ciencia de los datos
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

14-02-2022 de 15:00 a 17:00
21-02-2022 de 15:00 a 17:00
08-03-2022 de 15:00 a 17:00

Profesores

Francisco de Paula Montero Chacón

Horas Reconocidas

10.00

Idiomas

Español

Competencias

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

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

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

  1. Introducción a Python y métodos numéricos. 

  1. Modelado de sistemas y resolución de sistemas de ecuaciones. 

  1. Interpolación, diferenciación e integración numérica. 

  1. Resolución de ecuaciones diferenciales. 

Metodología

  1. Clases teórico-prácticas donde se introducirán los conceptos teóricos de la sesión en la primera parte y se trabajará un ejemplo práctico en la segunda. 

  1. Trabajo autónomo para la resolución de un problema asignado para la evaluación. 

  1. Prácticas en Google Colab para implementar algoritmos. 

Evaluación

Nivel de participación e implicación de los alumnos a lo largo del periodo lectivo.  

Requisitos previos

No hay.

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

Horario

15-02-2022 de 15:00 a 19:00
22-02-2022 de 15:00 a 19:00

Profesores

David Becerra Alonso

Horas Reconocidas

10.00

Idiomas

Español

Competencias

CB5*. Es la 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. 

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

CE2*. Es la OT2. 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. PythonTeXCapacidad de aplicar las destrezas aprendidas en la elaboración de publicaciones científicas y académicas. 

Metodología

Taller. Cada alumno trae su propio ordenador. (Tener Instalado Lyx y una cuenta en ShareLatex).

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. 

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

Horario

17-02-2022 de 17:00 a 20:00
24-02-2022 de 17:00 a 20:00
03-03-2022 de 17:00 a 20:00
10-03-2022 de 17:00 a 20:00
16-03-2022 de 17:00 a 19:00
23-03-2022 de 15:00 a 17:00
30-03-2022 de 15:00 a 17:00
06-04-2022 de 17:00 a 20:00

Profesores

Javier Pérez Rodríguez

Horas Reconocidas

30.00

Idiomas

Español

Competencias

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. 

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

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. 

Introduction to state estimation for dynamical systems
Inscribirse, salvo doctorandos/as | Alumnos, mediante Loyola Online

Horario

17-03-2022 de 15:00 a 17:00
24-03-2022 de 15:00 a 17:00
31-03-2022 de 15:00 a 17:00

Profesores

Diego Luis Orihuela Espina

Horas Reconocidas

6.00

Idiomas

Inglés

Competencias

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

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

Aspectos a trabajar

State estimation for dynamical systems; Luenberger observer; Kalman Filter. 

Metodología

Presentaciones orales, trabajo individual en Matlab/Simulink. 

Evaluación

Asistencia mínima al 80% de las sesiones.

Requisitos previos

Algebra matricial, Sistemas dinámicos (espacio de estados, aunque podría bastar con funciones de transferencia o ecuaciones diferenciales ordinarias), Matlab/Simulink. 

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

Horario

18-04-2022 de 15:00 a 18:00
20-04-2022 de 15:00 a 18:00
25-04-2022 de 15:00 a 18:00
27-04-2022 de 15:00 a 18:00
09-05-2022 de 15:00 a 18:00
11-05-2022 de 15:00 a 18:00
16-05-2022 de 15:00 a 18:00

Profesores

José Alberto Salinas Pérez
María Luisa Rodero Cosano

Horas Reconocidas

30.00

Idiomas

Español

Competencias

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. 

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.  

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. 

Change your preferences Gestionar cookies