Embed Size (px)
Citation preview
DiplomadoMachine learningand data scienceSistemas, programación, data
Bienvenido,Resumen del curso
Martes a Jueves
120 horas totales
$ 3'800.000
Universidad Nacionalde ColombiaSede Bogotá
6:00pm a 9:00pm
- 120 presenciales
Inicio
Cierre
20 de Marzo 201821 de Junio 2018
Machine Learning and Data ScienceUna introducción práctica alaprendizaje computacionaly al análisis de datos
Presentación
Diplomado
El aprendizaje computacional (o machine learning en Inglés) estudia los sistemas artificiales que son capaces de aprender a partir de datos. Esto incluye una gran variedad de sistemas, desde los de visión por computador hasta sistemas para detectar correo no deseado (spam). En todos los casos, un sistema que aprende debe ser capaz de generalizar; es decir, encontrar patrones y regularidades en los datos que le permitan desempeñarse bien con datos que no ha observado previamente. Esta habilidad para generalizar y encontrar patrones en datos, es precisamente la que se explota en los sistemas analíticos actuales.
Objetivo
Perfil El diplomado está dirigido a todas las personas que desde sus roles tienen responsabilidad o incidencia en los procesos de análisis de datos y desarrollo de sistemas inteligentes y analíticos: gerentes de informática, analistas, desarrolladores y responsables de área. Igualmente, el diplomado también está dirigido a aquellos profesionales en áreas tales como la ingeniería, ciencias naturales, economía, matemáticas y estadística, interesados en diversas aplicaciones del aprendizaje computacional y el desarrollo de sistemas inteligentes y analíticos. Dado el enfoque práctico del diplomado se requiere que los estudiantes tengan familiaridad previa con conceptos de programación.
Durante muchos años el aprendizaje computacional estuvo confinado a los laboratorios de investigación y muchas de sus aplicaciones no pasaban de ser aplicaciones de juguete que no escalaban bien para ser usadas en escenarios reales. Los primeros casos de éxito se dieron en la década de los noventa en dominios de aplicación restringidos como la detección de fraudes en tarjetas de crédito y la predicción de series de tiempo. Sin embargo, en los últimos diez años ha habido una explosión en las aplicaciones del aprendizaje computacional en diferentes problemas que van desde las aplicaciones científicas, hasta productos de consumo masivo como las cámaras fotográficas o las consolas de juego.
El aprendizaje computacional está en el centro de una nueva área de conocimiento, la ciencia de datos (o data science en Inglés), que aborda el análisis y explotación del creciente volumen de datos. Los métodos de aprendizaje computacional permiten extraer información y conocimiento en forma de patrones, modelos predictivos y descriptivos, automáticamente inducidos a partir de estos datos. En un estudio de prospectiva patrocinado por IEEE, el aprendizaje computacional ha sido identificado como una de las tecnologías innovadoras que pueden liderar el cambio de la industria de la computación en los siguientes años. Pero aún, más allá de esta distinción, el aprendizaje computacional juega un papel fundamental en el éxito de otras tecnologías identificadas en el mismo estudio. En algunos casos, el aprendizaje computacional proveerá los métodos básicos que permitan abordar los retos particulares de algunas tecnologías, como la visión por computador, la biología computacional, las interfaces de usuario naturales o el denominado big analytics. En otros casos, los métodos de aprendizaje computacional permitirán analizar y aprovechar los inmensos volúmenes de datos generados por tecnologías, tales como los cursos abiertos masivos en línea, el internet de las cosas o la bioinformática. El propósito de este diplomado es exponer a los estudiantes a los conceptos, métodos y tecnologías de análisis de datos y aprendizaje computacional que en su conjunto soportan las actividades propias de la ciencia de datos. El diplomado tiene un enfoque práctico que enfatiza la aplicación de los conceptos y métodos a la solución de problemas reales. Lo estudiantes desarrollarán implementaciones de diversos sistemas analíticos usando diversas tecnologías actuales para el procesamiento, análisis y visualización de datos.
Formar a los estudiantes en las competencias necesarias que les permitan aplicar herramientas conceptuales y tecnológicas del análisis de datos y el aprendizaje computacional a la solución de problemas reales.
Metodología
50%: Presentación de temas50%: Talleres guiados
En este diplomado se asume la educación como un proceso de interacción dinámica centrada en los participantes, donde el rol del profesor, además de proveer su experiencia profesional y los elementos conceptuales, se concentra en ser un dinamizador. Desde esta perspectiva, la metodología debe reflejar el enfoque propiciando el desarrollo de las competencias propuestas. Se pretende entonces una participación activa y productiva en el desarrollo del diplomado, a través de: a) exposición magistral, b) talleres de trabajo en equipo c) sustentación y argumentación de los trabajos.
120 HORAS
Profesores coordinadores
Ingeniero de SistemasFelipe Restrepo Calle, PhD
Ingeniero de Sistemas y Computación, Universidad Tecnológica de Pereira, 2004; Magíster en Instrumentación Física, Universidad Tecnológica de Pereira, 2007; Doctor en Ingeniería Informática, Universidad de Alicante (España), 2011. Ha participado en varios proyectos de investigación a nivel nacional e internacional. Estancias posdoctorales: Universidad de Sevilla (España) durante 2012 y 2013, Universidade Federal do Rio Grande do Sul (Brasil) durante el primer semestre de 2014.
Profesor del Departamento de Ingeniería de Sistemas e Industrial en la Universidad Nacional de Colombia, sede Bogotá. Sus áreas de interés incluyen: lenguajes de programación, análisis automático de código fuente, procesadores de lenguaje, diseño de sistemas embebidos y educación en ingeniería. Cuenta con más de 30 publicaciones científicas en revistas, libros y conferencias internacionales. Actualmente lidera el grupo de investigación PLaS (Programming Languages and Systems) y es el Coordinador de la Maestría en Ingeniería de Sistemas y Computación.
Módulo IIntroducción al Análisis y Visualización de Datos con Python
Ingeniero de Sistemas
Ingeniero de Sistemas
Fabio Augusto González Osorio
Jorge Eliecer Camargo, PhD
Ingeniero de Sistemas,Universidad Nacional de Colombia (1993); MSc. en Matemáticas, Universidad Nacional de Colombia [1998]; Ph.D. & M.Sc. in Computer Science, The University of Memphis (2003); Profesor visitante University of Louisville, USA (2009); Profesor visitante Ecole Nationale Superieure de Techniques Avancees (ENSTA-ParisTech), Francia (2010); Profesor visitante University of Houston, USA (2017). Profesor Titular del Departamento de Ingeniería de Sistemas e Industrial. Coordinador del programa de Doctorado en Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia, Bogotá. Amplia experiencia en investigación en aprendizaje computacional, minería de datos, recuperación de información, procesamiento de lenguaje natural y visión por computador. Participación en diversos proyectos de investigación internacionales y nacionales. Más de 100 publicaciones científicas en revistas, libros y conferencias internacionales. Lidera el grupo de investigación MindLab ( M a c h i n e L e a r n i n g P e r c e p t i o n a n d D i s c o v e r y L a b , http://mindlaboratory.org)
Profesor del Departamento de Ingeniería de Sistemas e Industrial de la Universidad Nacional de Colombia, Sede Bogotá. Cuenta con más de 50 publicaciones científicas en revistas, libros y conferencias internacionales relacionadas con el manejo de grandes volúmenes de datos y aplicaciones de machine learning en grandes volúmenes de datos en imágenes, audio y texto (big data). Ingeniero de Sistemas de la Universidad Nacional de Colombia, Magíster en Ingeniería de Sistemas y Computación de la Universidad de los Andes, Doctor en Ingeniería - Sistemas y Computación de la Universidad Nacional de Colombia. Ha participado en diferentes proyectos de investigación a nivel nacional e internacional. Trabajó en el Departamento de Policía Científica en Lausana (Suiza) en el proyecto "Detección automática de medicamentos falsos utilizando técnicas de procesamiento de imágenes y Machine Learning" y en el proyecto "Monitoreo de redes de tráfico de drogas sintéticas utilizando técnicas de procesamiento de imágenes y Machine Learning".
Módulo IIIntroducción al Aprendizaje Computacional(Machine Learning) con Python
Módulo IIDesarrollo de Sistemas Analíticos en la Nube
Certificación Este curso ofrece certificación expedida por la Facultad de Ingeniería de la Universidad Nacional de Colombia Sede Bogotá si el estudiante cursa con éxito el 80% o más del tiempo efectivo del curso. (Certificado de completitud)
» Para algunos cursos/diplomados es necesario aprobar con una nota mínima exámenes o talleres en el desarrollo de la metodología.
Formalización de la inscripción
Nombre del banco
Nombre de la cuentaNúmero de la cuentaCódigo de recaudo
Nombre del curso
SWIFT (Internacional)UID (Internacional)
Banco Popular
BPOPCOBB
005360
01272007 - 4
20180551
Fondo Especial Facultad de Ingeniería
Machine Learning
Co-Fundador de BigData Solutions S.A.S, compañía colombiana de base tecnológica que presta servicios de Consultoría en Big Data. Experiencia en Avantel S.A.S a cargo de la fábrica de software interna de la compañía. Consultor asesor en Arquitectura de Software, Machine Learning y Big Data para entidades tales como ICFES, DANE, MinTIC, Secretaría de Gobierno, Agencia de Defensa Jurídica del Estado, Superintendencia de Servicios Públicos, Ministerio de Transporte, CINTEL, entre otras.
Contenido / Programa del curso
Módulo I
40 horas - Teórico/práctico
Introducción al Análisis y Visualización de Datos con Python
El objetivo de este módulo es entrenar al estudiante en el uso del lenguaje de programación Python como herramienta para el análisis y visualización de datos. El módulo abordará los elementos básicos del lenguaje, los ambientes de programación que soportan su uso interactivo y las bibliotecas especializadas para el análisis y visualización de datos.
Introducción
Introducción a Phyton
Librería numérica de Python: NumPy
Análisis de datos con Pandas: parte 1
Análisis de datos con Pandas: parte 2
Análisis de datos con Pandas: parte 3
¿Qué es el análisis de datos?
Tipos de dato, listas, tuplas, diccionarios, set, fecha, hora
Tipos de arreglos, creación de arreglos, entrada/salida, índices, operaciones, funciones universales, troceado e iteraciones de arreglos
Introducción a Pandas
Combinaciones y concatenaciones, operaciones, estadísticas, valores faltantes, duplicados, permutaciones, tablas pivote, outliers. Entrada/salida de datos: texto, CSV, JSON, HTML, Excel
Visualización de datos con PandasAplicación práctica usando Pandas
Retos y aplicaciones del análisis de datos
Funciones, lambda, map, list comprehensions
Introducción librería para computación científica SciPy
Series, DataFrames, índices, consultas, agrupaciones y agregaciones
Taller 2 Pandas
Configuración entorno de trabajo: Notebooks iPython/Jupyter
Importar datos: archivo texto, CSV, Excel, SQLite DB
Taller NumPy
Taller 1 Pandas
»
»
»
»
»
»»
»
»
»
»
»
»
»
»
»
Principios de visualización de información
Visualización de datos con Matplotlib
Visualización de datos con Seaborn
Visualización de datos con Plotly y Cufflinks
Visualizaciones interactivas web con Bokeh
Visualización de datos complejos
Presentación proyecto final del módulo y cierre (4 horas)
Bibliografía
Data-ink ratio, Chart junk (Edward Tufte)
Introducción a Matplotlib
Introducción a Seaborn
Introducción a Plotly
Introducción a Bokeh
Visualización de grafosVisualización de datos geográficos: mapas cloropléticosTaller
¿Qué visualizar y para qué?
Plots y subplots, line plots, bar charts, scatterplots, histograms, box plots, heatmaps
Distribution Plots, Categorical Plots, Matrix Plots, Regression Plots, Grids
Plotly y Cufflinks
Taller Bokeh
Abstracción de datos y tareasGráficos mentirosos y engaños visuales
Taller Matplotlib
Taller Seaborn
Taller Plotly
»
»
»
»
»
»»»
»
»
»
»
»
»»
»
»
»
1. Wes McKinney. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, Inc., 2012.2. Tamara Munzner. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014.3. Igor Milovanović. Python Data Visualization Cookbook. Packt Publishing Ltd, 2013.4.UCLA Statistical Computing Resources. Disponible en: http://wiki.stat.ucla.edu/socr/index.php/EBook
Contenido / Programa del curso
Módulo II
40 horas - Teórico/práctico
Introducción al Análisis y Visualización de Datos con Python
El objetivo de este módulo es dotar al estudiante con la capacidad de abordar problemas de análisis de datos, usando técnicas de aprendizaje computacional. El módulo parte de una aproximación conceptual al aprendizaje computacional para llevar al estudiante, a través de prácticas concretas basadas en Python y bibliotecas especializadas, al diseño e implementación de modelos de aprendizaje supervisado y no supervisado.
¿Qué es el machine learning?
Introducción a scikit-learn
Aprendizaje supervisado
Modelos probabilísticos de clasificación
Árboles de decisión
Aprendizaje no supervisadoTaller de aprendizaje supervisado
Historia
Arquitectura
ClasificaciónRegresión
Teoría de la decisión
Ganancia de información
Agrupamiento
Árboles
Reducción de la dimensionalidad
Métodos
Carga y preprocesamiento de datos
Aplicaciones
Naïve Bayes
Random forest
Evaluación de modelos no supervisados
Aplicaciones
Evaluación de modelos supervisados
Regresión logística
»
»
»»
»
»
»
»
»
»
»
»
»
»
»
»
»
»
Agrupación
Reducción de la dimensionalidad
Otros métodos
Selección de modelos
Bibliografía
k-medias
Análisis de componentes principales
Redes neuronales
Optimización de parámetros
Mezcla de Gaussianas
Factorización de matrices
Métodos de kernel
Pipelines
»
»
»
»
»
»
»
»
1. Trevor Hastie Robert Tibshirani Jerome Friedman; The Elements of Statistical Learning, Second Edition, Springer, 20092. Ethem Alpaydin, Introduction to Machine Learning, MIT Press, 20103. Géron, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems, O'Reilly Media, 2017
Taller de aprendizaje supervisado
Presentación proyecto final del módulo y cierre (4 horas)
Contenido / Programa del curso
Módulo III
40 horas - Teórico/práctico
Desarrollo de Sistemas Analíticos en la Nube
El objetivo de este módulo es presentar al asistente las diferentes alternativas que existen para realizar flujos analítica de datos utilizando servicios en la nube. Se abordarán los conceptos básicos de computación en la nube enfocándose en lo relacionado con servicios de Machine Learning. Se espera que el asistente pueda utilizar este tipo de servicios para dotar de “inteligencia” a las aplicaciones web y móviles que construya. En el módulo se desarrollarán talleres prácticos que permitan realizar análisis de datos mediante el uso de servicios en la nube de Machine Learning.
Machine learning con Databricks
Carga de datos
Librería de Machine Learning (MLib)
Machine Learning con Amazon
Máquinas virtuales para ciencia de datos
Entorno de trabajo
Bases de datos y tablas
Algoritmos de Machine LearningEstadística básica, clasificación y regresión, filtrado colaborativo, agrupamiento, reducción de la dimensionalidad, extracción de características, evaluación de modelos
Amazon Web Services (AWS)
Frameworks preinstalados con frameworks de ML (Tensor Flow, Caffe, Theano, Torch, Mxnet)AWS Deep Learning AMI
Clusters
Manejo de DataframesImportar librerías
Computación Elástica (EC2)
Máquinas virtuales con GPUs
Creación de notebooks
Almacenamiento (S3)Infraestructura Big Data
»
»
»»
»
»
»
»
»»
»
»
»
»»
Servicios de Machine Learning (APIs)
Azure Machine Learning Studio
Conjuntos de datos
Servicio de Agentes de Conversación Natural (chatbots)
Carga de datos
Cloud Machine Learning de Google
Servicios de ML en Google Cloud
Bibliografía
Servicios de reconocimiento de voz
Creación de proyectos de ML
Modelos de ML pre-entrenados
Integración de agentes en websites
Partición para entrenamiento y pruebas, selección del algoritmo de ML, entrenamiento del modelo de ML, evaluación del modelo, predicción para nuevos ítems
TensorFlow
API para procesamiento de lenguaje natural
Servicios de predicción por lotes
API para traducción automática
Servicio de procesamiento de lenguaje natural, transcripción automática voz-textoServicios para análisis de imágenes, reconocimiento de objetos, rostros, y escenas en imágenes.
Servicios web
Diseño de experimentos de ML
Notebooks
Publicación del servicio web de modelos entrenados
Google Cloud Dataflow
API para reconocimiento de voz
Deep Learning
API para visión por computador
Infraestructura de GPUs
API de extracción de metadatos en videos
»
»
»
»
»
»
»
»
»
»»
»
»
»
»
»
»
»
»
»
»
1. Jeff Barnes, Azure Machine Learning: Microsoft Azure Essentials, Microsoft Press, 20152. Vlentine Fontama, Roger Barga, Wee Hyong Tok, Predictive Analytics with Microsoft Azure Machine Learning: Build and Deploy Actionable Solutions in Minutes, Apress, 20143. AWS, amazon Machine Learning: Developer Guide, Amazon Web Services, 20174. Valliappa Lakshmanan, Data Science on the Google Cloud Platform, O´Reilly, 2017
Presentación proyecto final del módulo y cierre (4 horas)
Unidad de EducaciónContinua y Permanente
www.ingenieria.unal.edu.co/uec
Unidad Camilo TorresCalle 44 No. 45-67Bloque B5, piso 1
(1) 316 5000extensiones 10686, 10689
Facultad de Ingeniería Sede Bogotá
