Apuntes asignaturas del Máster en Ciencias de Datos de la UGR. Asignaturas contenidas en el repositorio. (Todavía no finalizado)

• Introducción a la programación de ciencias de datos: asignatura introductoria a la programación en R y Python.

• Introducción a la ciencia de datos: asignatura introductoria a diferentes aspectos de ciencias de datos (regresión, clasificación, EDA, ...).

• Minería de datos. Aprendizaje no supervisado y detección de anomalías: asignatura centrada en clústering, detección de anomalías (outliers) y reglas de asociación.

• Minería de datos. Preprocesamiento y clasificación: asignatura centrada en diferentes tipos de algoritmos como SVM, árboles de clasificación, emsemble (Boosting, RandomForest) e introducción a problemas con los datos (ruido, desbalanceo).

• Minería de datos. Aspectos Avanzados: asignatura en la que se tratan los problemas de desbalanceo de clases, nuevos tipos de problemas como la clasificación ordinal e introducción al Deep Learning.

• Extracción de características en imágenes: asignatura centrada en el preprocesamiento de imágenes sobretodo (descriptores de características, PCA) y también en modelos de clasificación diferentes al Deep Learning (procesos gaussianos).

• Series temporales y Minería de Flujo de Datos: asignatura introductoria a las Series Temporales y algoritmos clásicos de predicción (ARIMA); introducción a la Minería de Flujo de Datos, algoritmos clásicos, conceptos sobre concept-drift y formas de detectarlo.

• Big Data: asignatura introductoria al Big Data. Teoría sobre servicios en la nube y práctica con bases de datos como MongoDB e Impala.

• Big Data 2: asignatura centrada en algoritmos aplicados a Big Data, manejo de datos con Pig, resolución de un problema Big Data con Apacha Spark.

• Minería de Medios Sociales: teoría sobre análisis en redes sociales y análisis de sentimientos con diccionarios/ontologías.

• Softcomputing: teoría sobre softcomputing, metaheurísticas, otros tipos de redes neuronales.