. GENEPOF
. FCEyN

. UBA

. MINCyT

. CONICET

 
 
/ Ciencia de datos con R - Curso 2018
Inscripción al curso:
Todos los alumnos que deseen certificado de asistencia y puntos deben
inscribirse a la materia en la Subsecretaría de Posgrado (Pabellón 2, planta baja,
oficina de Posgrado), llevando la siguiente documentación :
1. planilla de inscripción completa y firmada, que pueden solicitar en Posgrado
o se la entregaremos nosotros 9.15 hs en punto de encuentro o bien bajar de la
web:
https://exactas.uba.ar/wp-
content/uploads/2017/06/planilla_insc._a_cursos_de_posgrado_2009.pdf
2. fotocopia del DNI (argentinos) o pasaporte (extranjeros**), y
3. fotocopia del mayor título obtenido (o del certificado de título en trámite).

Descripción del Curso:
Parte II: Herramientas avanzadas de análisis estadístico
La existencia de grandes y complejas estructuras de información exige disponer de nuevas técnicas de
análisis y visualización de datos, a la vez de mutar de un enfoque metodológico centrado en la teoría, a un enfoque centrado en la preeminencia del dato. La fuerte dinámica en la evolución de las estructuras de información generadas por la ciencia, las empresas y las distintas dependencias del estado, requieren contar con un entorno de creación y utilización de herramientas de análisis que comparta esa misma dinámica. En este contexto, el entorno de programación R se ha convertido en líder entre los paradigmas libres y comunitarios para el análisis y el modelado de datos. Así, la Ciencia de Datos conjuga en un contexto amplio las ténicas más exitosas disponibles, provenientes de la estadística aplicada, la minería
de datos y el apredizaje automático.
Objetivos
El curso procura brindar herramientas aplicadas, provenientes principalmente de la estadística, útiles para la descripción, el análisis y el modelado de datos en un contexto científico interdisciplinario. Todas las técnicas estudiadas son implementadas en R, y ejemplificadas con conjuntos de datos reales. El enfoque particular del curso se centra en los datos y en la selección de métodos de análisis que se ajustan a ellos. Se intentará dotar al estudiante del conocimiento de una amplia variedad de técnicas útiles en el contexto de la ciencia de datos. Un énfasis especial se dedica a las novedosas técnicas de descripción y visualización de datos disponibles en el entorno R. Asimismo, el curso no intenta profundizar en los fundamentos teóricos subyacentes a las técnicas utilizadas.
Modalidad:
Similarmente a la Parte I del programa, las clases serán teórico-practicas y se desarrollaran en el laboratorio de computación o en un espacio adecuado para que cada participante disponga de una computadora. El curso constara de 54 horas, distribuidas en 18 encuentros de 3 horas cada uno, dos veces por semana. Adicionalmente, las clases se desarrollaran en un aula provista de proyector con el cual se expondrán los contenidos teóricos del curso.
Contenidos
• Análisis gráficos de datos
• Nociones Básicas:
Análisis Supervisado y No Supervisado
Inferencia, Predicción y Clasificación
Trade-off Sesgo-Varianza
• Elementos de Optimización
• Algoritmos Genéticos
• Regresión Robusta
• Regresión por Cuantiles (RQ)
• Modelo Lineal Generalizado (GLM, Regresión Logpistica)
• Modelos Lineales Mixtos (LMM)

• Regularización: Regresión Lasso y Ridge
• Smoothers
• Modelos Aditivos Generalizados (GAM)
• Projecion Pursuit Regression (PPR)
• Redes Neurpnales Artificiales(ANN)
• Redes Neuronales Multi Capa (MLP - Depp Learning)
Regresión, Clasificación y Autoencoders
Modelos convolucionales 1D y2D
• Selección de Modelos y Benchmarking con CARET
• Métodos Adicionales:
K-means, Clusterización Jerarquica y Mean Shift
PCA (Análisis de Componentes Principales) y SVD
Meta Métodos: Bagging y Boosting
CART y Random Forest
Support Vector Machines (SVM)
Boosting (Xgboost)
Reglas de Asociación
Prerequisitos
Para ser admitido al curso se requerirá haber cursado la Parte I (Fundamentos de estadística) del programa, o acreditar conocimientos de estadística y de R.
Sistema de evaluación
Se realizara un examen final individual.
Cupo: Se aceptará un máximo de 30 alumnos.
Bibliografía:
- Peng, R. D. (2015). R Programming for Data Science. Lulu. com.
- Friedman, J. H., & Stuetzle, W. (1981). Projection pursuit regression. Journal of the American
statistical Association,76(376),817-823.
- Ripley, B. D. (2002). Modern applied statistics with S. Springer.
- Koenker, R. (2005). Quantile regression (No. 38). Cambridge university press.
- James, Witten, Hastie & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 6). New
York: springer.

- Efron, B., & Hastie, T. (2016). Computer Age Statistical Inference (Vol. 5). Cambridge
University Press.
- Peng, R. D. (2015). R Programming for Data Science. Lulu. com.
- Lantz, B. (2013). Machine learning with R. Packt Publishing Ltd.
FECHA / HORARIO /
Lunes y miércoles de 9 a 12 hs. Meses: Octubre y Noviembre.
LUGAR /
Instituto de Cálculo
PROFESOR A CARGO /
Dr. Andres Farall Dra. Mariela Sued
...

/ Tópicos Fundamentales en Teoría de Grafos
La teoría de grafos ofrece un lenguaje y técnicas que son útiles para la resolución de un gran número de problemas en matemática y en ciencias de la computación. Este curso marca un complemento interesante en temas de teoría de grafos que no alcanzan a ser vistos en materias obligatorias de las carreras de matemática y de computación que abarcan temas similares como son Investigación Operativa y Algoritmos y Estructuras de Datos 3. El curso tiene por principal objetivo abrir una buena perspectiva para iniciar temas de investigación ya sea de grado como de posgrado en este área.

Se buscará familiarizar a los estudiantes con el tipo de problemas y técnicas utilizadas en teoría de grafos. Se presentarán algoritmos enumerativos y de optimización. Se discutirán aplicaciones. En el curso se estudiarán muchos de los principales tópicos clásicos de teoría de grafos, incluyendo árboles generadores, distancias, conectividad, flujo y planaridad.

http://www.ic.fcen.uba.ar/materias/grafosSafe/index.html
FECHA / HORARIO /
De martes a viernes de 14 a 18 hs
LUGAR /
Instituto de Cálculo
PROFESOR A CARGO /
Dr. Martín Safe
...

/ CIENCIA DE DATOS CON R: FUNDAMENTOS DE ESTADÍSTICA
El 20 de marzo comienza el curso de Ciencia de Datos con R: Fundamentos de Estadística. 
El objetivo principal es transmitir los fundamentos del razonamiento estadístico, haciendo énfasis en el uso de la simulación computacional como herramienta clave para asimilar las nociones que se presentan a lo largo del mismo. 

Inscripción vía mail: preinscripcion.ic@gmail.com 
Para más información sobre el curso, entrá al link
FECHA / HORARIO /
Martes y Jueves de 13 a 16 hs.
LUGAR /
Ciudad Universitaria (Aula o laboratorio a confirmar)
PROFESOR A CARGO /
Daniela Rodriguez y Mariela Sued
...

/ Elavio
ELAVIO XXI will be held in 2017 in Argentina from February 24th to March 4th, in the cities of Buenos Aires and Miramar. Located 450 km (280 mi) south of Buenos Aires on the Atlantic coast, Miramar is an attractive tourist destination known for its beautiful beaches and a wide range of cultural and culinary attractions that should significantly enrich the experience for participants. Hosting the event will be the University of Buenos Aires, Argentina’s main centre for scientific and academic activity
FECHA / HORARIO /
February 24th to March 4th
LUGAR /
Buenos Aires and Miramar
...

/ BIG DATA AND ENVIRONMENT
Like most sciences, environmental sciences have experienced a data deluge during the recent past with the explosion in the amount of data produced by sensors and models that monitor, measure and forecast the Earth system. This exponential trend in data availability is expected to continue in the future thereby creating many new opportunities, needs and challenges. On the other hand, big data has emerged as a wide multidisciplinary dynamic which addresses challenges associated to large and complex data and encompasses diverse fields in mathematics and computer science.

The workshop will gather researchers that have an expertise in one of the two areas and some interest for the other. Its main goal is to explore the fruitful interplay between the two areas, and ultimately to help create new connections and collaborations between the scientific communities involved. Themes as diverse as spatial statistics, wind forecasting, stochastic modeling, network management, data assimilation, remote sensing, data visualization, are welcome.
FECHA / HORARIO /
Desde el 10-13 de noviembre de 2015
LUGAR /
Aula Magna Pabellón Industrias
PROFESOR A CARGO /
Alexis Hannart (IFAECI, CNRS, alexis.hannart@cima.fcen.uba.ar ) Matthieu Jonckheere (IC, CONICET, mjonckhe@dm.uba.ar) Juan Ruiz (IFAECI, CONICET, jruiz@cima.fcen.uba.ar) Guillermo Duran (IC, CONICET) Esteban Feuerstein (DC, UBA and Fundación Sadosky) Dominique Picard (LPMA, CNRS) Carolina Vera (IFAECI, CONICET)
...

/ Transporte óptimo y análisis de datos - CELFI
Muchos problemas de análisis de datos pueden formularse en términos de transporte óptimo: encontrar funciones de costo mínimo que transformen una familia de distribuciones de probabilidad en otra, donde algunas de estas distribuciones sólo se conocen a través de muestras. Problemas que pueden plantearse en estos términos incluyen la normalización de datos, estimación de probabilidad, clasificación, separación en clases, simulación de procesos aleatorios, y la identificación y filtrado de factores de variabilidad. Tales planteos permiten desarrollar herramientas robustas y generales para el análisis de datos, al tiempo que sugieren nuevos problemas matemáticos en el área del transporte óptimo.
Este curso introducirá, desarrollará y aplicará estas ideas, con el objetivo de proveer una visión unificada de grandes áreas desde análisis de datos, introduciendo herramientas e ideas nuevas, así como nuevos ángulos de interacción con las matemáticas. El curso está orientado a estudiantes de postgrado y a científicos establecidos en matemáticas, computación, estadística u otras áreas con uso intensivo de datos, tales como la biología, las ciencias de la atmósfera y el océano y la economía.
Estarán preparados programas, accesibles via web, para poder escribir código, ejecutarlo, y analizar datos. Por lo tanto solamente se requiere contar con un navegador y conexión a internet. Se recomienda fuertemente que los alumnos asistan con un dispositivo con navegador y wi-fi que les permita utilizar estos programas a través de la conexión de internet local habilitada para el curso.

Los temas a tratar incluyen:

Elementos de transporte óptimo, formulaciones de Monge y Kantorovich.
Formulación en términos de muestras.
Estimación de densidad mediante aplicaciones.
Clasificación y separación en clases.
Identificación y filtrado de efectos externos.
Simulación de muestreo con importancia mediante transformaciones.
FECHA / HORARIO /
26-30 de Noviembre, 9-13Hs (Teórica) 14-17Hs (Práctica)
LUGAR /
Aula 1, Instituto de Cálculo
PROFESOR A CARGO /
Esteban Tabak (Courant Institute, New York University). Clases teóricas.
Leandro Lombardi (Instituto de Cálculo-UBA). Clases prácticas.
...

/ Workshop del programa Raices:
(ir al sitio)
...

/ Modelado y dinámica de sistemas neuronales: una conversación entre la matemática y la neurociencia
Este curso tiene por objeto introducir a los participantes al modelado matemático
de la actividad eléctrica de neuronas y redes neuronales, técnicas de simulación de dichos modelos, y métodos de sistemas dinámicos para el análisis qualitativo de la dinámica neuronal. Todos los modelos consisten en sistemas de ecuaciones diferenciales no lineales con distinto grado de acoplamiento. El énfasis del curso est´a puesto en la interface entre la matemática y la neurociencia.
Por lo tanto, el curso está destinado a estudiantes de grado/postgrado y científicos formados interesados en explorar esta interfase. Se tiene en cuenta que los participantes tendrán bases de formación distinta (matemática, física, biología, y otras) y que provendrán de “culturas científicas” distintas. Se espera que los distintos “grupos” se beneficien de la interacción mutua. Esto estará fomentado con el desarrollo de trabajos en equipos donde cada equipo estará compuesto por representantes de distintas disciplinas. El curso estará centrado en resolver un “problema real” basado
en datos experimentales recolectados en distintos laboratorios. La opción estará abierta a que los datos sean aportados por los mismos participantes.

Programa. Los temas a tratar incluyen
1. Modelos biofísicos de generación de señales eléctricas (potenciales de acción) usando el formalismo de Hodgkin-Huxley (models HH).
2. Modelos biofísicos de comunicación celular (sinapsis eléctricas y químicas).
3. Modelos biofísicos de redes de neuronas.
4. Técnicas de sistemas dinámicos (espacios de fase) que permiten la conceptualzación teórica de la generación de señales eléctricas y otros aspectos de la dinámica neuronal: puntos de equilibrio, ciclos límite, bifurcaciones.
5. Técnicas de análisis de datos que permiten la extracción de la información de datos experimentales necesaria para la modelación matemática: “spike trains”, “firing rates”, “spike-train statistics”, “spetral an´alisis”, “smoothing”, “spike-triggered average”.
6. Desarrollo de algoritmos para la simulación de los distintos modelos.
7. Desarrollo de algoritmos para la determinación de los valores de los parámetros de los modelos (“parameter fitting”).

Metodología. La modalidad del curso será teórico-práctica. El aspecto teórico consistirá en la introducción a los temas detallados anteriormente y el intercambio de ideas sobre sus implicaciones para la comprensión de los mecanismos que subyacen la dinámica neuronal. El aspecto práctico consistirá en una serie de actividades que progresivamente conducirán a los participantes a la resolución de los problemas reales mencionados anteriormente (ver Evaluación). Estas actividades incluyen:
• Generación y simulación de modelos biofísicos de neuronas y redes de neuronas con creciente grado de complejidad. (Se proveerá un código base a manera de ejemplo, pero se espera que los participantes generen sus propios códigos para los casos específicos.)
• Estimación manual de parámetros usando datos generados por modelos. Específicamente, los
participantes recibirán datos generados usando modelos HH (con ruido), los valores de cuyos parámetros les serán desconocidos. El objetivo de este ejercicio es estimar esos valores.

Evaluación. La evaluación del curso consistirá en
• Reproducción de los resultados de un artículo científico seleccionado por los participantes.
• Generación de un modelo utilizando datos experimentales.

Bibliografía.
1. F. Gabbiani, S. J. Cox, Mathematics for Neuroscientists, 2010, Elsevier (ISBN: 978-0-12-
374882-9)
2. P. Dayan, L. F. Abbott, Theoretical Neuroscience, 2001, MIT Press (ISBN: 0-262-54185-8)
3. G. B. Ermentrout, D. H. Terman, Mathematical Foundations of Neuroscience, 2010, Springer
(ISBN 978-0-387-87707-5)
4. B. P. Ingalls, Mathematical Modeling in Systems Biology, 2013, MIT Press (ISBN: 978-0-262-
01888-3)
5. Selected research articles (to be provided by the instructor).
FECHA / HORARIO /
Lunes y Miércoles de 14 a 17Hs (del 30 de Marzo al 29 de Abril)
LUGAR /
Laboratorio 6, Departamento de Computación, Pabellón I
PROFESOR A CARGO /
Horacio G. Rotstein (New Jersey Institute of Technology) - horacio@njit.edu
...

/ Diseño y Análisis de Experimentos
El curso tiene por principal objetivo presentar las herramientas estadísticas usuales para el diseño y análisis de experimentos desde el punto de vista de su aplicación, haciendo especial énfasis en experimentos de uno y dos factores, experimentos multifactoriales, modelos mixtos, diferentes tipos de diseños por bloques y análisis de la covarianza. En este curso intentaremos brindar los conocimientos fundamentales y una visión general de los procedimientos estadísticos aplicables en distintas áreas, con una visión práctica que permite identificar la metodología óptima de distintas situaciones.

Aca más información

Consultas: preinscripcion.ic@gmail.com
FECHA / HORARIO /
14 al 23 de febrero de 2018
LUGAR /
Aula 12 Planta Baja - Pabellón 2 Ciudad Universitaria
PROFESOR A CARGO /
María Dolores Jiménez Gamero
...

 
 
 
 
 
/ Cursos
Ciencia de datos con R - Curso 2018
Inscripción al curso: Todos los alumnos que deseen certificado de asistenc..
...
 
 
 
/ Cursos
Tópicos Fundamentales en Teoría de Grafos
La teoría de grafos ofrece un lenguaje y técnicas que son útiles para la re..
...
 
 
 
/ Noticias
Premio Fundación Bunge y Born para Victor Yohai
Tenemos el orgullo de comunicar que el Profesor Emérito Víctor Yuhai será g..
...
 
 
 
Intendente Güiraldes 2160
Ciudad Universitaria
Pabellón II - 2do. piso
(C1428EGA) Buenos Aires
Argentina
 
Teléfono directo/ Fax:
(54)(11) 4576-3375
Conmutador:
(54)(11) 4576-3300 al 3309
interno 259