Cursos FormaTTic 2022

Wednesday 28th, September 2022 | 9.30-13.30 h.
Place: Online – Campus Remoto

Staff: Francisco Falcone Lanas, Professor at Universidad Pública de Navarra (Pamplona), Departamento de Ingeniería Eléctrica, Electrónica y de Comunicación, and Head of Institute of Smart Cities (Pamplona).

Aim: The goal of this technical seminar is to provide an overview to the components, architecture and technologies that enable the implementation of interactive, context-aware environments in which IoT applications are deployed. Different trends and the related challenges in terms of HW/SW/networks/operation/regulation will be described, as well as an overview of case studies and their link to research topic.

Outline: The technical seminar is initially structured in a lecture format, with a time span of 4 hours. The specific contents of the seminar are the following:
1. Introduction to IoT: Definition, description of components, reference architectures and components.
2. Hardware development platforms, components, sensors and communication protocols
3. Software development platforms, data handling and business intelligence.
4. Design and deployment considerations and challenges.
5. Description of use cases: Industrial IoT, Medical IoT, IoT within Smart Cities.

Inscríbete

14 y 18 de octubre de 2022
Día 14: de 10.00 a 13.00 horas
Día 18: de 10.00 a 14.00 horas

Presencial: Sala Acristalada (A-010)
Idioma: español
Imparte: Graciela Garrido Grela, Econet

Programa
Sesión 1:
– Introducción
– La relevancia del impacto en Horizonte Europa
– Cómo maximizar el impacto del proyecto y redactarlo en una candidatura de HE
– Caso práctico

Sesión 2:
– Explotación de resultados
– Comunicación & Difusión
– Caso práctico
– El peso del impacto en la fase de evaluación en Horizonte Europa

Inscríbete

19 y 20 de octubre de 2022
Día 19: de 9.00 a 14.00 horas
Día 20: de 10.00 a 13.00 horas

Presencial: Sala Acristalada (A-010)
Idioma: español
Imparte: Graciela Garrido Grela, Econet

Programa
Sesión 1:
– Introducción a Horizonte Europa (HE)
– Principales oportunidades para atlanTTic y su ecosistema en HE
– Otras oportunidades

Sesión 2:
– Novedades en el proceso de tramitación de candidaturas
– Novedades en el proceso de evaluación de candidaturas
– Estrategias de participación
– Principales apoyos a la participación en Horizonte Europa

25, 26 y 27 de octubre de 2022
De 10.00 a 13.00 horas
Presencial: Sala Acristalada (A-010)
Idioma: español
Imparte: Mateo Ramos Merino, PhD Tecnologías de la Información y las Comunicaciones. Cofundador de DATASALUSObjetivos:
● Aprender a identificar el Machine Learning (y sus diferentes tipos) diferenciándolo de los principales conceptos relacionados con el ámbito de la IA.
● Identificar los conocimientos, habilidades, destrezas y recursos necesarios para poner en práctica un proyecto de Machine Learning.
● Conocer la historia del Machine Learning así como sus posibilidades de aplicación actuales.
● Conocer los principales retos del ML.
● Evaluar las principales fases metodológicas necesarias en la creación de un proyecto de ML así como las principales técnicas de validación y testeo necesarias para comprobar el buen desempeño de una solución de ML.
● Discutir el papel de la ética en la IA, perspectivas futuras.
● Desarrollar un ejemplo práctico del proceso completo de entrenamiento de un modelo de predicción de ML (clasificación).Programa
1. Introducción al curso. Presentación general y objetivos
2. Conceptos teóricos generales
a. ¿Qué entendemos por Inteligencia Artificial (IA)?
b. Definición de Machine Learning (ML) y su relación con la IA
c. Explicación de otros conceptos relacionados con IA, ML y análisis de datos
d. Historia del ML y aplicaciones.
e. Tipos de ML y características
3. Principales retos del ML
4. Ética en la Inteligencia Artificial
5. Técnicas de testeo y validación
a. Descripción de las fases de testeo y validación de un proyecto de ML
b. Datos para entrenamiento y validación
c. Técnicas de testeo
d. Principales métricas de validación
6. Fases de un proyecto de ML
a. Encuadrar el problema
b. Conseguir los datos
c. Exploración de datos
d. Preparación de datos
e. Modelos de ML más prometedores
f. Ajuste fino de los mejores modelos
g. Presentación de la solución
h. Despliegue
i. Monitorización continua
7. Caso práctico de un proyecto de ML
a. Bases de datos públicas disponibles
b. Familiarizándose con el entorno de trabajo
c. Estudiar y encuadrar el problema
d. Inspección general de las estructuras de datos
e. Exploración y limpieza de datos. Visualización de datos
f. Entrenamiento de modelos de ML
8. Material trabajo autónomo
a. Ejercicios sobre análisis de datos en general con Python
b. Caso práctico ML. Creación de un regresor con Python
9. Finalización del curso y conclusiones

Inscríbete

07/11/2022 | 11.00-13.30 h.
Presencial: Sala Acristalada (A-010)
Idioma: español
Imparte: Mateo Ramos Merino, PhD Tecnologías de la Información y las Comunicaciones. Cofundador de DATASALUS

Objetivos:
● Aprender a identificar el Process Mining y sus diferentes tipos diferenciándo los principales conceptos relacionados.
● Identificar los conocimientos, habilidades, destrezas y recursos necesarios para poner en práctica un proyecto de Process Mining.
● Conocer la historia del Process Mining así como sus posibilidades de aplicación actuales.
● Conocer los principales algoritmos de Process Mining y su funcionamiento.
● Estudiar diversos ejemplos prácticos de aplicación del Process Mining utilizando distintas herramientas especializadas.

Esquema de contenidos:
1. Introducción al curso. Presentación general y objetivos.
2. Conceptos teóricos generales.
a. ¿Qué entendemos por Process Mining?
b. Explicación de otros conceptos relacionados con el Process Mining.
c. Historia del Process Mining.
d. Tipos de Process Mining y características.
3. Principales retos del Process Mining.
4. Ejemplos de algoritmos de Process Mining y su funcionamiento.
5. Software existente para la aplicación de Process Mining.
6. Ejemplos prácticos de aplicación.
7. Finalización del curso y conclusiones.

Inscríbete

8 de noviembre de 2022 | 11.00-13.30 h.
Presencial: Sala Acristalada (A-010)
Idioma: español
Imparte: Mateo Ramos Merino, PhD Tecnologías de la Información y las Comunicaciones. Cofundador de DATASALUS

Objetivos:
● Aprender a identificar los tipos de dispositivos wearables comerciales y el abanico de sensores que ofrecen.
● Identificar las aplicaciones que pueden tener en investigación.
● Estudiar diversos casos de éxito.
● Mostrar ejemplos prácticos de aplicación sobre la integración de los datos procedentes de dispositivos wearables en un proyecto de Machine Learning.

Esquema de contenidos:
1. Introducción al curso. Presentación general y objetivos.
2. Conceptos teóricos generales.
a. ¿Qué entendemos por dispositivo wearable?
b. Explicación de otros conceptos relacionados (sensorización, IoT, edge computing, etc.)
c. Tipos de wearables y sensores disponibles.
3. Usos en investigación.
4. Técnicas de preprocesado de datos procedentes de dispositivos wearables para su inclusión en un proyecto de ML.
5. Ejemplo práctico de uso.
6. Finalización del curso y conclusiones.

Inscríbete