Curso de Big Data: «Data Science o cómo hacer frente a las verdades y mentiras de los datos»

Del 27 al 28 de mayo, se celebrará en la ETSE el curso de Big Data «Data Science, o cómo hacer frente a las verdades y mentiras de los datos».

Debido al crecimiento sin precedentes del volumen de datos durante los últimos años, la Data Science se ha convertido en una de las disciplinas fundamentales del siglo XXI. A pesar de que tenemos las herramientas para almacenar y acceder a enormes cantidades de información, la extracción de conocimiento útil y su traducción en decisiones optimizadas sigue siendo un reto que necesita de una nueva generación de profesionales que han sido llamados Data Scientists.

El curso se divide en dos partes: una conferencia y un taller práctico.

La conferencia presentará una visión general del campo de la Data Science mediante el análisis de sus similitudes con el método científico. También se analizarán las conexiones de la Data Science con el Big Data. La última parte de la charla se dedicará a identificar algunos de los errores más frecuentes cuando se aplica la ciencia de datos y cómo hacer frente a este problema.

Por su parte, en el taller, se presentarán las siguientes herramientas para la Data Science:

1. Herramientas de Python para Data Science y Big Data: IPython, NumPy, Pandas, Blaze.
2. Estimación estadística de frecuencias: limitaciones y consecuencias para el Big Data
3. Estimación estadística bayesiana
4. Programación probabilística: PyMC
   
   Para participar en el taller, los participantes deben registrarse en este enlace. Además, cada participante deberá llevar su propio ordenador portátil, con la distribución Anaconda Python instalada en sus sistemas.

Horarios:

Conferencia: Miércoles 27, 12: 00h, Salón de Actos de la Escuela de Ingeniería (ETSE)
Taller: Jueves 28, 16: 00-19: 30h, Aula A1, Escuela de Ingeniería (ETSE)

Dr. Jordi Vitrià es investigador senior y catedrático de la Universitat de Barcelona. Se doctoró en la Universidad Autónoma de Barcelona en 1990. Tiene más de 20 años de experiencia trabajando en Visión por Computador y sus aplicaciones a varios campos. Su investigación, cuando los ordenadores personales tenían 128KB de memoria, se orientó inicialmente hacia el análisis digital de imágenes y cómo extraer información cuantitativa de ellos, pero pronto evolucionó hacia problemas de visión por computador. Después de un año como investigador post-doctoral en la Universidad de California en Berkeley en 1993, se centró en los métodos bayesianos para los métodos de visión por computador.

En la actualidad, dirige un grupo de investigación que trabaja en la comprensión visual de objetos. En 2007, se unió al Departamento de Matemática Aplicada y Análisis de la Universidad de Barcelona (UB), como Profesor Titular, donde imparte un curso introductorio sobre Algoritmos y cursos avanzados en la Inteligencia Colectiva, Visión por Computador y Data Science. Desde abril de 2011 es Director del Departamento de Matemática Aplicada y Análisis de la UB.