TÍTOL
Curs introductori sobre anàlisi de dades i reconeixement de patrons en Python
PROFESSOR
Raúl Benítez, raul.benitez@upc.edu
Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial
Escola d'Enginyeria de Barcelona Est
Universitat Politècnica de Catalunya
OBJECTIUS
- Presentar les eines bàsiques d’anàlisi de dades i tècniques de reconeixement de patrons
- Conèixer les diferents llibreries de Python que es fan servir habitualment en intel·ligència artificial
- Eines per validar el rendiment dels models predictius
TEMARI
Tema 1: Anàlisi exploratori de dades (manipulació i visualització de dades, 3h)
Tema 2: Tècniques d’agrupament no-supervisat (clustering methods, 2h)
Tema 3: Tècniques de reducció de la dimensionalitat (Anàlisi de Components Principals, 2h)
Tema 4: Algorismes de classificació i regressió supervisada (Anàlisi de discriminants, arbres de decisió, màquines de suport vectorial, 3h)
Tema 5: Tècniques d’entrenament i validació de models predictius (validació creuada, mesures d’avaluació del rendiment, 2h)
PLA DE TREBALL
Dia 1: Tema 1
Dia 2: Temes 2 i 3
Dia 3: Temes 3 i 4
Dia 4: Temes 4 i 5
METODOLOGIA
- Exposició de conceptes teòrics i exemples d’implementació en Python
- Realització d’exercicis pràctics.
EINES
Virtual (Google meet i plataforma de Python google collaboratory, https://colab.research.google.com/ )
BIBLIOGRAFIA
Scikit-learn: Machine learning in Python https://scikit-learn.org/stable/
Matplotlib: Visualization in Python https://matplotlib.org/
Seaborn: Statistical data visualization https://seaborn.pydata.org/
Pandas: Python data analysis library https://pandas.pydata.org/
Kaggle: Open databases https://www.kaggle.com/