Portal Web de la UNED, Universidad Nacional de Educación a Distancia

A los efectos de este programa, vease el apartado 2 de esta información.

Requisitos de acceso:

Solo para programas que oferten títulos o diplomas de Máster de Formación Permanente, Especialista o Experto/a, para matricularse es necesario estar en posesión de un título de Grado, Licenciatura, Diplomatura, Ingeniería, Ingeniería Técnica, Arquitectura o Arquitectura Técnica. La dirección del curso podrá proponer que se establezcan requisitos adicionales de formación previa específica en algunas disciplinas.

Asimismo, de forma excepcional y previo informe favorable de dicha dirección, el Rectorado podrá eximir del requisito previo de la titulación en los cursos conducentes al Diploma de Experto/a Universitario/a. Los/Las estudiantes deberán presentar un currículum vitae de experiencias profesionales que avalen su capacidad para poder seguir el curso con aprovechamiento y disponer de acceso a la universidad según la normativa vigente.

Quien desee matricularse en algún curso del Programa de Postgrado sin reunir los requisitos de acceso podrá hacerlo, aunque, en el supuesto de superarlo, no tendrá derecho al Título propio, sino a un Certificado de aprovechamiento. Para el resto de las acreditaciones o titulaciones que se pudieran ofertar este programa (Diploma de Experto/a Profesional, Certificado de Enseñanza Abierta o Certificado de Actualización Profesional) no hay requisitos mínimos de acceso, salvo los específicos de cada curso establecidos por la dirección de éste.

https://formacionpermanente.uned.es/tp_actividad/actividad/aprendizaje-estadistico

Esto ha despertado un gran interés por desarrollar técnicas estadísticas y de inteligencia artificial para extraer dicha información desconocida de las grandes masas de datos. Las disciplinas que persiguen, de una manera general, estos objetivos se engloban dentro de un nuevo campo que suele denominarse "APRENDIZAJE ESTADÍSTICO" o bien de una manera más sugerente "DATA MINING" o "BUSSINES INTELIGENCE". Estas disciplinas incluyen un conjunto de técnicas que se encuentran dispersas por diversos ámbitos científicos y utilizan, con frecuencia, diferentes lenguajes y modos de presentación, por lo que resulta difícil para la persona no especialista aprovechar estas herramientas y extraer de ellas resultados prácticos para la empresa, la investigación, el mercado, etc. El programa modular "Aprendizaje estadístico y Data mining" persigue sistematizar y unificar estas técnicas en una presentación conjunta que permita dar una visión clara de sus fundamentos teóricos y, sobre todo, de su utilidad práctica a la hora de enfrentarse con problemas reales. El objetivo general del programa es estudiar los principios de los nuevos enfoques metodológicos del tratamiento de datos, así como algunas de las principales técnicas con mayor utilización en la práctica. Además se pretende lograr que sus participantes estén en disposición de realizar proyectos prácticos que permitan explotar el conocimiento que pueda encontrarse escondida dentro de las grandes bases de datos.

De una manera específica, los principales objetivos del programa son los siguientes:

a) Conocer los principios generales de las nuevas técnicas para el tratamiento de grandes masas de datos.

b) Estudiar los principales métodos y algoritmos de Data mining.

c) Estudiar métodos complementarios para el desarrollo de análisis de grandes masas de datos, incluso no estructurados, introduciéndose en los campos de Text Mining y Web Mining.

e) Familiarizarse con la práctica del tratamiento de grandes masas de datos.

Los materiales didácticos incluyen una serie de libros de texto disponibles actualmente en el mercado, junto con varios artículos preparados por el profesorado del curso y el correspondiente software. El estudio se orientará mediante una guía didáctica que contiene todas las indicaciones precisas para el desarrollo del trabajo individual. Los materiales preparados específicamente para el curso serán enviados directamente desde los servicios administrativos del programa, mientras que los participantes deberán obtener por su cuenta los materiales externos que se indican más adelante.

Los canales de comunicación, que permitirán una constante interacción entre los participantes en el programa y el equipo docente, están integrados por toda la serie de medios disponibles actualmente: correo postal, teléfono, correo electrónico, videoconferencia, cursos virtuales y foros de debate on-line, etc. Asimismo, quienes lo deseen podrán concertar entrevistas personales con los miembros del equipo docente. Mediante los medios tecnológicos se crearán auténticos vínculos dinámicos de intercomunicación entre los participantes en el programa, para simplificar eficazmente el esfuerzo que conlleva el estudio a distancia.

El método de estudio consistirá en trabajar con los materiales didácticos, que serán autosuficientes; se dispondrá en todo momento de mecanismos para el seguimiento del aprendizaje, incluyendo la asistencia tutorial por parte del equipo docente, procedimientos de autoevaluación, etc. Ocasionalmente, podrán organizarse encuentros presenciales, visitas prácticas, trabajos de campo, etc. si bien, con carácter general, se prevé que estos sean de asistencia voluntaria.

Este método de estudio permite compaginar, de una forma muy flexible, las obligaciones personales de cada uno de los participantes en el programa con el seguimiento del mismo.

La dedicación de cada título es la siguiente:

Diploma de Especialización en Aprendizaje estadístico y Data mining: 30 créditos ECTS.

Master/Maestría Internacional en Aprendizaje Estadístico y Data mining: 60 créditos ECTS.

Las señas de contacto del equipo docente son las siguientes:

Prof. Dr. Eduardo Ramos Méndez

Catedrático de Universidad

Director del Programa

Dpto. de Estadística, Investigación Operativa y Cálculo Numérico

UNED

C/ Juan del Rosal 12, 28040 Madrid

Teléfono: +34 913987256

e-mail: eramos@ccia.uned.es

Horario de asistencia tutorial: Miércoles de 16,30 a 20,30.

Prof. Doctor Don José Antonio Carrillo Ruiz

Profesor Asociado

Dpto. de Estadística, Investigación Operativa y Cálculo Numérico.

C/ Juan del Rosal 12, 28040 Madrid

Teléfono: 91398707

e-mail: jacarrillo@ccia.uned.es

Horario de asistencia tutorial: Miércoles de 17 a 21.

Prof. Dra. Genoveva Leví Orta

Profesora Contratado Doctor

Dpto. Didáctica, Organización Escolar y Didácticas Especiales

Calle Juan del Rosal, 14

Teléfono: 913989544

email: genovevalevi@edu.uned.es

Horario: Miércoles de 16 a 20

Ana María Ramos Leví

Médico Adjunto

Especialidad Endocrinología y Nutrición

Hospital de la Princesa

Calle Diego de León 62

28006 Madrid

Teléfono: +34 913989544

e-mail: aramos@invi.uned.es

Horario: Miércoles de 16,30 a 20,30.

En los anteriores horarios de asistencia tutorial, es posible contactar directamente con el profesor telefónicamente, o incluso personalmente. Fuera de dichos puede utilizarse cualquier otro medio de contacto: e-mail, buzón de voz, curso virtual, etc.