Doctorado en Ciencia de los Datos - Data Science
-
Es un orgullo formar parte de su universidad, todos son muy amables y serviciales. Los profesores se involucran en el aprendizaje de cada alumno, el contenido de los cursos es muy enriquecedor. Conocí personas maravillosas y aprendí mucho.
← | →
-
Recomiendo sus cursos totalmente. La excelencia de los profesionales es absoluta. Los temas están muy actualizados y en vanguardia con los nuevos requerimientos laborales. Los cursos son prácticos lo que facilita el correcto entendimiento.
← | →
Doctorado
En Córdoba
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Descripción
-
Tipología
Doctorado
-
Lugar
Córdoba
-
Duración
3 Años
El Programa de Doctorado en Ciencia de los Datos de la Universidad Loyola ofrece la posibilidad de analizar y conocer en profundidad los métodos innovadores, procesos y técnicas del análisis estadístico, la programación matemática y la inteligencia artificial. Mediante un enfoque multidisciplinar práctico el programa permite abordar, de forma científica, diferentes problemas socioeconómicos complejos a través de las técnicas que ofrece la ciencia de los datos
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
El Programa de Doctorado en Ciencia de los Datos tiene como objetivo formar a investigadores para que desarrollen una carrera investigadora como Data Scientist, conociendo todas las herramientas necesarias y las líneas de investigación aplicadas al tratamiento de los datos. El doctorando de este programa adquirirá un conocimiento clave en la actualidad para la solución de problemas reales.
El dominio de herramientas relacionadas con la inteligencia artificial o el desarrollo de algoritmos inspirados en la naturaleza para detectar o predecir comportamientos, son alguna de las técnicas utilizadas en este programa de doctorado.
En este sentido, el programa ofrece una formación especializada a través del desarrollo de métodos y técnicas avanzadas de diferente naturaleza, para aplicarlas a cualquier línea de investigación.
Este programa de doctorado va dirigido a personas que desean adecuar su línea de investigación a las novedosas y actualizadas técnicas de la ciencia de los datos para desarrollar una investigación de máximo nivel.
Opiniones
-
Es un orgullo formar parte de su universidad, todos son muy amables y serviciales. Los profesores se involucran en el aprendizaje de cada alumno, el contenido de los cursos es muy enriquecedor. Conocí personas maravillosas y aprendí mucho.
← | →
-
Recomiendo sus cursos totalmente. La excelencia de los profesionales es absoluta. Los temas están muy actualizados y en vanguardia con los nuevos requerimientos laborales. Los cursos son prácticos lo que facilita el correcto entendimiento.
← | →
Valoración del curso
Lo recomiendan
Valoración del Centro
Agustín Morilla Colmenero
Christopher
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 8 años en Emagister.
Materias
- Ciencias de los datos
- Data science
- Estadística
- Investigación y desarrollo
- Toma de decisiones
- Análisis estadístico
- Series temporales
- Análisis de datos
- Inteligencia artificial
- Investigación estadística
- Técnicas de investigación
Temario
LÍNEA DE INVESTIGACIÓN EN ANÁLISIS, SEGMENTACIÓN Y PREVISIÓN A CORTO Y A MEDIO PLAZO, DE SERIES TEMPORALES
Análisis, segmentación y previsión a corto y a medio plazo de series temporales
Para el estudio de sistemas complejos en la vida real tan variados como pueden ser el cambio climático o el desarrollo económico de un país, es imprescindible conocer la evolución temporal de una serie de indicadores clave, así como predecir futuros comportamientos de los mismos, para lo cual existe existen distintas metodologías clásicas de estudio y predicción de series temporales. Sin embargo, dichas técnicas no siempre resultan suficientemente eficientes, por ello se trata de analizar y aplicar técnicas de computación que permitan superar a las técnicas clásicas. En concreto se trata de técnicas que introducen el uso de algoritmos evolutivos como herramienta para la segmentación de series temporales, con el objetivo de obtener las características estadísticas de los segmentos fragmentados y proceder a la caracterización de los mismos.
Objetivo general
Desarrollo de algoritmos de segmentación de series temporales basados en algoritmos estadísticos y bio-inspirados y predicción a medio-plazo.
Objetivos específicos
Desarrollo de algoritmos de aprendizaje automático (algoritmos estadísticos, algoritmos evolutivos clásicos y/o algoritmos de co-evolución de selección de modelos) para segmentación de series temporales.Determinación de las características reconocedoras de cada segmento de la serie temporal.Determinación de diferentes métricas para evaluar el agrupamiento de los segmentos.Predicción a medio plazo basada en la segmentación anterior.
LÍNEA DE INVESTIGACIÓN EN MODELOS ESTADÍSTICOS Y ECONOMÉTRICOS
Modelos estadísticos y econométricos
Esta línea trata sobre el desarrollo y aplicación de modelos que sean capaces de predecir el comportamiento futuro de la variable/variables económicas objeto de estudio (endógena/s), en función de otras variables predeterminadas (cualitativas/cuantitativas) que expliquen su comportamiento a través de modelos de regresión uniecuacionales/ multiecuacionales, u otras técnicas basadas en el comportamiento pasado de la serie (modelos de Box Jenkins, funciones de transferencia o modelos X11).
Objetivo general
Desarrollo y aplicación de técnicas estadísticas y econométricas para definir modelos que expliquen la relación entre variables de naturaleza económica (a nivel macro y/o micro), poder realizar estimaciones, así como simulaciones y evaluaciones de políticas.
Objetivos específicos
Crear, aplicar y validar modelos que expresen la relación entre magnitudes del campo económico para aportar mayor conocimiento de la realidad. Se incluye el análisis de:
Series temporalesSeries de corte transversalDatos de panelModelos uni y multiecuacionales
LÍNEA DE INVESTIGACIÓN EN INTELIGENCIA COMPUTACIONAL
Inteligencia computacional
Las técnicas clásicas de estadística requieren del cumplimiento de una serie de requisitos que normalmente, y especialmente, en problemas complejos como lo son los relacionados con el entorno socio-económico, no se cumplen. Por ello es cada vez más frecuente el uso de técnicas alternativas, más flexibles, que, aprovechando el potencial de las computadoras, son capaces de imitar el proceso humano de aprendizaje para afrontar y resolver estos problemas. El desarrollo, mejora continua y aplicación de dichas técnicas de inteligencia computacional y artificial es el fin último de esta línea de investigación.
Objetivo general
Desarrollo y aplicación de metodologías novedosas ligadas al campo de la computación inteligente y la inteligencia artificial para la resolución de problemas reales en el campo de las ciencias sociales y la economía.
Objetivos específicos
Desarrollo y aplicación de técnicas de ciencias de la computación, de inteligencia artificial para identificar problemas reales y darle soluciones eficientes.Aplicación a sectores y campos importantes para nuestro entorno socio-económico (sector agrícola; desarrollo; sostenibilidad ambiental, salud, etc.) Computación inteligente para diseño automatizado en ingeniería.Tratamiento de grandes bases de datos: Data MiningSistemas automáticos de asistencia al diseño en ingeniería, análisis y trazado automático de planos técnicos, toma de decisiones automática y optimización en ingeniería.
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Doctorado en Ciencia de los Datos - Data Science