• Bienvenido a

    Moodle

    ¡Ya puede empezar a crear cursos!

    Moodle es un sistema de gestión de aprendizaje de código abierto que permite a los educadores crear y administrar cursos en línea. Ofrece una variedad de herramientas y recursos para organizar el material del curso, crear actividades y cuestionarios, alojar discusiones en línea y hacer un seguimiento del progreso de los estudiantes.

    La plataforma es altamente personalizable y puede adaptarse a las necesidades específicas de cada institución o curso. Esto significa que los educadores pueden crear cursos que se ajusten a sus objetivos y metodologías, y personalizarlos para el aprendizaje de cada estudiante. Moodle también admite tanto entornos de aprendizaje síncronos como asíncronos, lo que permite a los educadores organizar eventos en vivo y proporcionar recursos para el aprendizaje a su propio ritmo.

    Moodle es ampliamente utilizado en instituciones educativas de todo el mundo, desde escuelas primarias hasta universidades. También es popular en programas de formación profesional y empresarial. Además, la plataforma es accesible para usuarios de diferentes habilidades y necesidades, lo que la hace inclusiva para todos los estudiantes.

    La comunidad de Moodle es activa y diversa, compuesta por educadores, desarrolladores y usuarios de todo el mundo. La comunidad contribuye al desarrollo y mejora continua de Moodle, y proporciona soporte, recursos y documentación para los usuarios. La plataforma también ofrece una gran cantidad de recursos y herramientas para mejorar la experiencia de los usuarios y fomentar la colaboración y el aprendizaje interactivo.

    Enlaces de interés:


    (Puede editar o eliminar este texto)

Available courses

 

Este curso se enfoca en un subcampo específico de la minería de datos llamado modelado predictivo. Este es el campo de la minería de datos que es el más útil en la industria e investigación siendo estas técnicas las más potente y necesarias que un investigador debe tener en su fase de de desarrollo.

A diferencia de las diferentes formas de estadística, donde los modelos se utilizan para comprender los datos, el modelado predictivo se centra en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar el por qué se hacen las predicciones. A diferencia del campo más amplio de minería de datos que podría usarse con datos en cualquier formato, el modelado predictivo se enfoca principalmente en datos tabulares (por ejemplo, tablas de números como una hoja de cálculo).

En este contexto, el curso pretende otorgar a los estudiantes los conceptos básicos e intermedios relacionados al análisis y tratamiento de datos pero llevando este proceso más allá pudiendo aplicar algoritmos basados en aprendizaje, es decir, Machine Learning. Para ello, el curso hará uso de un sistema muy utilizado en cualquier ámbito y línea de investigación como es Weka. Weka es una plataforma de muy sencillo uso que nos permite utilizar todos los conceptos de Minería de datos sin tener que saber programar, es decir, es una plataforma específicamente desarrollara para cualquier investigador que requiera de estas técnicas pero que no tiene un base previa computacional.

En esta segunda asignatura dedicada al aprendizaje automático, abordaremos algunas de las técnicas más recientes y más exitosas de la inteligencia artificial, aquellas que, en los últimos años, han protagonizado algunos de los avances más significativos en la ciencia de datos.

La asignatura tiene cuatro bloques diferenciados: así, construyendo sobre lo aprendido en las asignaturas Modelado estadístico de datos y Aprendizaje automático I, en el primer bloque se expondrán y se trabajarán los modelos basados en la idea del bootstrap aggregation o bagging, en especial los bosques aleatorios. En el segundo bloque, se verán estrategias de intensificación como boosting. El tercer bloque está dedicado a otros paradigmas de agregación de modelos, mientras que el cuarto y último bloque cubre técnicas de aprendizaje no supervisado o autoorganizativo, esenciales para aquellas situaciones en las que interesa encontrar estructuras subyacentes u ocultas en un conjunto de datos.

Todos estos contenidos se cubrirán de forma necesariamente escueta: las ciencias que les dan lugar y base son ciencias recientes pero extensas. El enfoque será eminentemente práctico, pero además de que el alumnado pueda incorporar a su perfil profesional las herramientas que se exponen, se pretende que alcancen una comprensión profunda de su funcionamiento.