Este primer curso presenta contenidos matemáticos y estadísticos básicos sobre los cuales se sustentan los métodos de ciencia de datos. La idea de este primer curso no es la revisión completa y minuciosa de los temas que aquí se presentan, sino una presentación de los conceptos más importantes enfocándose en destacar la intuición del formalismo, más que la justificación matemática.
En este curso se espera que el alumno conozca distintas fuentes de acceso de datos, así como también identifique problemas en los mismos y las herramientas necesarias para su depuración, limpieza y organización.
Los contenidos de este curso introducen al alumno a los distintos paradigmas para el almacenamiento de datos en el contexto de Big Data. En particular, se enfatiza la necesidad de elegir el tipo de almacenamiento apropiado de acuerdo a la tarea o a la naturaleza de los datos.
Este módulo presenta los conceptos fundamentales del aprendizaje automático en general, para enfocarse en particular en técnicas, metodologías y herramientas de aprendizaje automático supervisado. El aprendizaje automático supervisado provee la base técnica que permite extraer información útil de datos etiquetados. Se estudiarán conceptos y métodos de aprendizaje supervisado tales como clasificadores, métodos de regresión, fusión y meta-aprendizaje. Por otra parte, se introducirá al alumno a las metodologías empleadas para construir y validar modelos de aprendizaje automático supervisado.
Este módulo presenta los conceptos fundamentales de redes neuronales artificiales. El mismo está orientado a desarrollar habilidades prácticas para diseñar, entrenar y evaluar modelos de redes neuronales artificiales. Se estudiarán distintas arquitecturas de redes neuronales. Se presentarán técnicas para prevenir sobreajuste. El módulo introducirá al alumnos sobre metodologías para la validación de modelos y ajuste de hiperparámetros.
Este módulo presenta los conceptos fundamentales, técnicas, metodologías y herramientas de la inteligencia artificial generativa. Se estudiará la ingeniería de prompts para guiar y optimizar la interacción con modelos generativos. Este módulo también abordará el estudio de otros tipos de aprendizaje automático. También se estudiarán conceptos y métodos de aprendizaje no supervisado tales como reducción de la dimensionalidad y de clustering que permitirán encontrar patrones estructurales en datos, y métodos de aprendizaje por transferencia.
Ese módulo introduce conceptos y técnicas relevantes para la representación, el procesamiento, búsqueda y recuperación de datos en forma de texto. Se estudiarán técnicas clásicas orientadas a la representación y análisis de texto para recuperación de información. Por otra parte, se estudiarán técnicas que permitirán procesar, extraer atributos útiles y construir modelos predictivos a partir de atributos extraídos de texto. Se abordarán también temas de recuperación semántica utilizando modelos que permitan captar el significado subyacente en lugar de sólo las palabras clave. Se incluirán también técnicas de generación automática por recuperación (RAG), que combinan la recuperación de información con la generación de texto, permitiendo que los modelos de lenguaje generen respuestas informadas basadas en información recuperada de grandes corpus de texto.
El módulo “Procesamiento de lenguaje natural” introduce conceptos y técnicas relevantes para la extracción de información, incluyendo el reconocimiento de entidades nombradas y de relaciones. Se presentarán aplicaciones tales como análisis de sentimientos y predicción de posturas. Se estudiarán técnicas de modelado de tópicos, tales como topic modeling y BERTopic. Se estudiarán técnicas de inteligencia artificial generativa centrada en la generación de texto y se realizará una introducción a modelos del lenguaje, tanto tradicionales como basados en aprendizaje profundo.
El módulo “Procesamiento de imágenes” introduce conceptos y técnicas relevantes para la manipulación, exploración y análisis de datos que se presentan en forma de imágenes. Se presentarán las técnicas y conceptos fundamentales necesarios para comprender y procesar información visual. Durante el módulo, se explorarán los principios teóricos del análisis de imágenes, abordando temas como segmentación, extracción de características, y reconocimiento de patrones. Se explorarán casos de estudio prácticos que abarcan aplicaciones del mundo real, desde la visión por computadora hasta el reconocimiento de objetos y la interpretación de escenas complejas. Además, se profundizará en el uso de redes neuronales convolucionales (CNN).
El módulo “Series de tiempos” presentará técnicas para el análisis y modelado de datos temporales. Se explorarán los conceptos fundamentales de series de tiempo, orientados a comprender la estructura temporal de los datos y cómo se relacionan con fenómenos del mundo real. Se introducirán Modelos Autoregresivos (AR), Modelos de Promedio Móvil (MA) y Modelos Autoregresivos Integrados (ARIMA). Se presentarán técnicas para la identificación y manejo de patrones estacionales y cíclicos.
El módulo “Datos interconectados” introduce conceptos y técnicas relevantes para la manipulación, exploración de datos interconectados en forma de red. Se realizará una introducción a los conceptos básicos de grafos. Se estudiarán clases de redes tales como las aleatorias, de mundo pequeño y libres de escala. Se estudiarán diversas métricas de centralidad y se presentarán conceptos y algoritmos para el análisis de estructuras comunitarias.
Este módulo está orientado a estudiar conceptos teóricos y prácticos sobre los sistemas de recomendación. Se estudiarán diversos algoritmos de recomendación, explorando conceptos como filtrado colaborativo, filtrado basado en contenido, y técnicas de aprendizaje automático aplicadas a la personalización de recomendaciones. También se estudiarían modelos avanzados, incluidos los sistemas de recomendación basados en factorización de matrices y técnicas de aprendizaje profundo.
Este módulo está orientado a estudiar conceptos, prácticas y herramientas para la visualización de datos y minería de datos interactiva. Se estudiarán técnicas orientadas a representar visualmente información compleja de manera efectiva. Durante el módulo, se explorarán métodos para visualizar diversas formas de datos y se presentarán estrategias para visualizar grandes cantidades de datos.
Este módulo cubre conceptos de modelado y simulación de sistemas. Los modelos de simulación representan una herramienta de predicción efectiva cuando se conoce la mecanística del sistema a modelar pero se tiene incertidumbre sobre los datos de entrada. Se presentarán las técnicas de Simulación de Monte Carlo y la Simulación de Eventos Discretos para modelar sistemas complejos. Además, explorarán los principios básicos de la Computación Evolutiva. Se presentarán metodologías para la verificación y validación de modelos como así también para el análisis de los resultados obtenidos mediante enfoques de búsqueda exploratoria.
El programa de este curso apunta al planteo, discusión y puesta en práctica de situaciones que por su gran volumen o velocidad de cambio resultan problemáticas y que, a pesar de darse con frecuencia en situaciones reales, no se describen en los libros de texto. Las situaciones problemáticas pueden surgir debido a que el volumen de datos a analizar es demasiado grande para ser cargados en memoria o porque el problema se vuelve computacionalmente intratable.
En este curso se trabajará sobre el ciclo de vida de un proyecto de ciencia de datos y sobre distintos aspectos importantes relacionados a la ejecución del mismo dentro de una organización.
