Curso de
Introducción a la Ciencia de Datos
y Machine Learning

Presentación
Perfil del estudiante
Requisitos
Cómo aplicar
Profesores

News: Las solicitudes para el curso estan cerradas

El curso Introducción a la Ciencia de Datos y Machine Learning ofrece a los estudiantes un programa que cubre los conceptos y las herramientas que necesitará a lo largo de todo el ciclo de un proyecto de ciencia de datos: hacer las preguntas correctas; preprocesamiento y limpieza de datos; generación de hipótesis; modelización; visualización de datos; evaluación de las soluciones; y despliegue productos de datos.

Temario

1. Introducción 9. Aprendizaje supervisado
2. Introducción a Python 10. Aprendizaje no supervisado
3. Herramientas para Data Science      11. Deep Learning
4. Scrapping 12. Causalidad
5. Estadística 13. Grafos y redes complejas
6. Visualización de Datos 14. Discriminación Algorítmica - Fairness
7. NLP 15. Cloud Computing
8. Sistema de recomendación       16. Capstone Project

 

El curso se divide en los siguientes bloques:

El carácter multidisciplinar de la Ciencia de Datos es un destino atractivo para estudiantes con diferentes perfiles.

En el curso compartirás aula con licenciados, doctorandos y profesionales de diferentes formaciones (Matemáticas, Física, Informática, Administración de Empresas, Ciencias Actuariales, Marketing, Ingenierias, Gestión de Datos,..), que buscan una formación en ciencia de datos y aprendizaje automático, que les permita compaginar su vida laboral y personal con la experiencia académica, y que les abra nuevas oportunidades profesionales.

Damos la bienvenida a estudiantes con buenas credenciales académicas, gran potencial y motivación, independientemente de su conocimientos previos.

 

El programa está especialmente diseñado para estudiantes con experiencia en programación y motivación industrial y/o académica en el campo de la ciencia de datos.

El curso asume que el estudiante tiene conocimiento mínimos de programación. Conocimientos de programación en Python es un ventaja, pero no estrictamente necesarios.

En la versión presencial el alumno deberár llevar su ordernador portatil.

Si el período de solicitud está abierto, debe proporcionar la información relevante y cargar sus documentos en el formulario de solicitud en línea.

Curso académico 2023-2024

Pasos:

  • Paso 1: Comprueba que cumples con los requisitos de ingreso.
  • Paso 2: Complete la preinscripción de solicitud y pague las tasas correspondientes* (30€).
  • Paso 4: Complete el siguiente formulario: FORM

Resoluciones académicas


Los solicitantes recibirán la decisión del Comité Académico por correo dentro de los siguientes términos:

  • 1ra ronda: Solicitudes recibidas antes del 31 de Mayo de 2023. Resoluciones hasta el 15 de junio de 2023.
  • 2da ronda: Solicitudes recibidas del 1 de Junio al 31 de Junio de 2023. Resoluciones hasta el 15 de julio de 2023.
  • 3ra ronda: Solicitudes recibidas del 1 de Julio al 20 de Julio de 2023. Resoluciones hasta el 25 de julio de 2023.
  • 4ta ronda: Solicitudes recibidas del 21 de Julio al 31 de Agosto de 2023. Resoluciones hasta el 15 de Septiembre de 2023.

5ª ronda (Solo si hay plazas disponibles). Solicitudes recibidas del 1 de Septiembre al 30 de Septiembre de 2023. Admisiones continuas.

En caso de ser admitido, se deberá aportar los documentos necesarios para obtener la aprobación definitiva y formalizar la matrícula. Se proporcionará información adicional a los estudiantes admitidos.

* No reembolsable. En caso de ser aceptado esta cantidad se descontará del precio del curso.

Santi Seguí

Santi Seguí
Professor Agregado
Machine Learning | Recommender Systems
Universidad de Barcelona

Jordi Vitrià

Jordi Vitrià
Catedrático
Machine Learning | Causality | Deep Learning
Universidad de Barcelona

Oriol Pujol

Oriol Pujol
Catedrático
Machine Learning Master Universidad de Barcelona

 
Laura Igual

Laura Igual
Progessor agregado
Medical Imaging Researcher Universidad de Barcelona

Enrique Mora

Enrique Mora
Tech Lead
Cloud Computing Expert
Nestle

Petia Radeva

Petia Radeva
Catedratico
Computer Vision | Medical Imaging
Universidad de Barcelona

Mireia Ribera

Mireia Ribera
Profesor Agregado
Visualization
Universidad de Barcelona

Montserrat Guillen

Montserrat Guillen
Catedrático
Statistics
Universidad de Barcelona

Albert Diaz

Albert Diaz
Catedrático
Complex Networks
Universidad de Barcelona

Pere Gilabert

Pere Gilabert
PhD. Student
Machine Learning | Deep Learning
Universidad de Barcelona

Mariona Carós

Mariona Carós
PhD. Student
Deep Learning | Remote Sensing
Universidad de Barcelona

Pablo Laiz

Pablo Laiz
PhD. Student
Medical Imaging
Universidad de Barcelona

Paula Gómez

Paula Gómez
PhD. Student
Recommender Systems
Universidad de Barcelona

Eloi Puertas

Eloi Puertas
Professor
Code Hacking Expert
Universidad de Barcelona

 
Key Details
Duración:
1 año (15 ECTS)
Modo:
Dos versiones independientes: Versión Presencial y Versión Online
Inició del curso:
Versión Presencial: 3 de Octubre 2023; Versión Online: 2 Noviembre 2023
Importe:
EU €1,850 + €70 (tasas)
Admisión:
Empieza en Mayo 2024
Idioma:
Español
Horario:
Martes y Jueves (18h-20h)
Localización:
Presencial: Edifici Històric de la Universitat de Barcelona, Gran Via de les Corts Catalanes 585, 08007, Barcelona. Online: Zoom
Register for updates
Key Details
Duración:
1 año (15 ECTS)
Modo:
Dos versiones independientes: Versión Presencial y Versión Online
Inició del curso:
Versión Presencial: 3 de Octubre 2023; Versión Online: 2 Noviembre 2023
Importe:
EU €1,850 + €70 (tasas)
Admisión:
Empieza en Mayo 2024
Idioma:
Español
Horario:
Martes y Jueves (18h-20h)
Localización:
Presencial: Edifici Històric de la Universitat de Barcelona, Gran Via de les Corts Catalanes 585, 08007, Barcelona. Online: Zoom
Register for updates

News: Las solicitudes para el curso estan cerradas

El curso Introducción a la Ciencia de Datos y Machine Learning ofrece a los estudiantes un programa que cubre los conceptos y las herramientas que necesitará a lo largo de todo el ciclo de un proyecto de ciencia de datos: hacer las preguntas correctas; preprocesamiento y limpieza de datos; generación de hipótesis; modelización; visualización de datos; evaluación de las soluciones; y despliegue productos de datos.

Temario

1. Introducción 9. Aprendizaje supervisado
2. Introducción a Python 10. Aprendizaje no supervisado
3. Herramientas para Data Science      11. Deep Learning
4. Scrapping 12. Causalidad
5. Estadística 13. Grafos y redes complejas
6. Visualización de Datos 14. Discriminación Algorítmica - Fairness
7. NLP 15. Cloud Computing
8. Sistema de recomendación       16. Capstone Project

 

El curso se divide en los siguientes bloques:

El carácter multidisciplinar de la Ciencia de Datos es un destino atractivo para estudiantes con diferentes perfiles.

En el curso compartirás aula con licenciados, doctorandos y profesionales de diferentes formaciones (Matemáticas, Física, Informática, Administración de Empresas, Ciencias Actuariales, Marketing, Ingenierias, Gestión de Datos,..), que buscan una formación en ciencia de datos y aprendizaje automático, que les permita compaginar su vida laboral y personal con la experiencia académica, y que les abra nuevas oportunidades profesionales.

Damos la bienvenida a estudiantes con buenas credenciales académicas, gran potencial y motivación, independientemente de su conocimientos previos.

 

El programa está especialmente diseñado para estudiantes con experiencia en programación y motivación industrial y/o académica en el campo de la ciencia de datos.

El curso asume que el estudiante tiene conocimiento mínimos de programación. Conocimientos de programación en Python es un ventaja, pero no estrictamente necesarios.

En la versión presencial el alumno deberár llevar su ordernador portatil.

Si el período de solicitud está abierto, debe proporcionar la información relevante y cargar sus documentos en el formulario de solicitud en línea.

Curso académico 2023-2024

Pasos:

  • Paso 1: Comprueba que cumples con los requisitos de ingreso.
  • Paso 2: Complete la preinscripción de solicitud y pague las tasas correspondientes* (30€).
  • Paso 4: Complete el siguiente formulario: FORM

Resoluciones académicas


Los solicitantes recibirán la decisión del Comité Académico por correo dentro de los siguientes términos:

  • 1ra ronda: Solicitudes recibidas antes del 31 de Mayo de 2023. Resoluciones hasta el 15 de junio de 2023.
  • 2da ronda: Solicitudes recibidas del 1 de Junio al 31 de Junio de 2023. Resoluciones hasta el 15 de julio de 2023.
  • 3ra ronda: Solicitudes recibidas del 1 de Julio al 20 de Julio de 2023. Resoluciones hasta el 25 de julio de 2023.
  • 4ta ronda: Solicitudes recibidas del 21 de Julio al 31 de Agosto de 2023. Resoluciones hasta el 15 de Septiembre de 2023.

5ª ronda (Solo si hay plazas disponibles). Solicitudes recibidas del 1 de Septiembre al 30 de Septiembre de 2023. Admisiones continuas.

En caso de ser admitido, se deberá aportar los documentos necesarios para obtener la aprobación definitiva y formalizar la matrícula. Se proporcionará información adicional a los estudiantes admitidos.

* No reembolsable. En caso de ser aceptado esta cantidad se descontará del precio del curso.

Santi Seguí

Santi Seguí
Professor Agregado
Machine Learning | Recommender Systems
Universidad de Barcelona

Jordi Vitrià

Jordi Vitrià
Catedrático
Machine Learning | Causality | Deep Learning
Universidad de Barcelona

Oriol Pujol

Oriol Pujol
Catedrático
Machine Learning Master Universidad de Barcelona

 
Laura Igual

Laura Igual
Progessor agregado
Medical Imaging Researcher Universidad de Barcelona

Enrique Mora

Enrique Mora
Tech Lead
Cloud Computing Expert
Nestle

Petia Radeva

Petia Radeva
Catedratico
Computer Vision | Medical Imaging
Universidad de Barcelona

Mireia Ribera

Mireia Ribera
Profesor Agregado
Visualization
Universidad de Barcelona

Montserrat Guillen

Montserrat Guillen
Catedrático
Statistics
Universidad de Barcelona

Albert Diaz

Albert Diaz
Catedrático
Complex Networks
Universidad de Barcelona

Pere Gilabert

Pere Gilabert
PhD. Student
Machine Learning | Deep Learning
Universidad de Barcelona

Mariona Carós

Mariona Carós
PhD. Student
Deep Learning | Remote Sensing
Universidad de Barcelona

Pablo Laiz

Pablo Laiz
PhD. Student
Medical Imaging
Universidad de Barcelona

Paula Gómez

Paula Gómez
PhD. Student
Recommender Systems
Universidad de Barcelona

Eloi Puertas

Eloi Puertas
Professor
Code Hacking Expert
Universidad de Barcelona

 

2021 Copyright © Universitat de Barcelona