Actividades Transversales EDCTI Anteriores

Universidad de Granada | Escuela de Posgrado | Administración electrónica

Buscar

Actividades Transversales EDCTI Anteriores

Descargar versión en PDF

Curso 2017/2018

Modelos matemáticos de las Ciencias

  • Lugar de realización del curso: Sede del IEMATH (Instituto de Matemáticas).
  • Dirigido a los alumnos y doctorados de los Programas de Doctorado en Ciencias, Tecnologías e Ingenierías, y extensible a alumnos de programas de máster relacionados.
  • Los seminarios se pueden seguir de forma independiente.
  • Forma de inscripción: Contactar con la coordinación del curso

Contenido

SEMINARIO 1. MODELOS MATEMÁTICOS Y SU RESOLUCIÓN UTILIZANDO LA TEORÍA DE GRUPOS DE TRANSFORMACIONES 1.1 Selección del modelo matemático 1.2 Clasificar las simetrías de Lie de los sistemas considerados. 1.3 Obtener los sistemas óptimos de subálgebras. 1.4 Determinar las soluciones de similaridad. 1.5 Obtención de los sistemas reducidos. 1.6 Aplicaremos métodos directos de resolución de ecuaciones diferenciales ordinarias.

SEMINARIO 2. MODELOS MATEMÁTICOS EN MEDICINA. 2.1 Desarrollar modelos de crecimiento de neoplasias. 2.2 Desarrollar modelos predictivos de supervivencia y de respuesta al tratamiento. 2.3 Desarrollar modelos de resistencia al tratamiento. 2.4 Ajustar los parámetros a partir de la información biológica disponible. 2.5 Validar y realizar simulaciones numéricas de dichos modelos. 2.6 Realizar estudio teórico de dicho modelo y conocer sus propiedades tales como puntos de equilibrio, tipo de soluciones, etc.

SEMINARIO 3. QUÍMICA MATEMÁTICA. 3.1. ¿Qué es la Química Matemática? Historia Definición Química Matemática 3.2. Relaciones Cuantitativas Estructura Actividad: QSAR 3.3. Teoría de grafos e índices topológicos 3.4. Topología Molecular 3.5. Los modelos matemáticos de la mecánica cuántica

SEMINARIO 4. MODELOS MATEMÁTICOS Y HERRAMIENTAS ESTADÍSTICAS APLICADOS EN QUÍMICA: CONCEPTO DE QUIMIOMETRÍA. 4.1. Optimización de los procedimientos y metodologías de análisis 4.2. Tratamiento de las señales de medida 4.3. Propagación de errores y trazabilidad de la medida 4.4. Validación y calibración de los métodos de análisis 4.5. Concepto de repetibilidad, reproducibilidad y tests de contrates 4.6. Tratamiento multivariante de los resultados 4.7. Definición de pautas de comportamiento de variables/muestras/analitos.

SEMINARIO 5. MODELOS MATEMÁTICOS Y SU APLICACIÓN EN EL CAMPO DE LOS FLUIDOS SUPERCRÍTICOS. 5.1. Termodinámica del equilibrio de fases 5.2. Extracción Supercrítica 5.3. Precipitación Supercrítica.

SEMINARIO 6. MODELOS MATEMÁTICOS DE LA MECÁNICA CUÁNTICA. 6.1. Sobre la formalización matemática de la Mecánica Cuántica. Espacios de Hilbert y álgebras de operadores. 6.2. Las álgebras no asociativas como modelos matemáticos de la Mecánica Cuántica. 6.3. Futuros desarrollos, retos y problemas.

SEMINARIO 7. MODELOS MATEMÁTICOS DE LA GENÉTICA. 7.1. Formalización matemática de las Leyes de Mendel 7.2. Modelos matemáticos algebraicos de la genética mendeliana y no mendeliana 7.3. Modelos matemáticos algebraicos de la Dinámica de poblaciones 7.4. Álgebras Genéticas. 7.5. Álgebras de evolución. 7.6. Interés y conexiones de las álgebras de evolución con distintas ramas de la Matemática y de la Ciencia. Futuras líneas de investigación

SEMINARIO 8. MODELOS MATEMÁTICOS DE LA DINÁMICA DE POBLACIONES. 8.1. Quadratic dynamical systems of bisexual population 8.2. Sex differentiation. 8.3. Dynamical systems generated by quadratic stochastic operators. 8.4. Results and open problems

SEMINARIO 9. ELABORACIÓN DE UNA PUBLICACIÓN CIENTÍFICA EN EL CAMPO DE LA MATEMÁTICA Y MATEMÁTICA APLICADA 9.1. A partir de una temática científica y la elaboración del survey, se enseñará al estudiante a elaborar un artículo científico. 9.2. Resolverá el modelo matemático planteado. 9.3. Seleccionará una revista para la posible publicación del mismo, descargándose los macros de la misma. 9.4. Se le mostrará los pasos que ha de seguir para el envío del artículo.

SEMINARIO 10. ELABORACIÓN DE UN “SURVEY” 10.1. Formulación de hipótesis de investigación 10.2. Diseño de la muestra 10.3. Recolección efectiva de los datos científicos. 10.4. Supervisión del trabajo de campo 10.5. Implementación de los datos 10.6. Análisis de los datos. 10.7. Elaboración del Informe de investigación con la presentación de los hallazgos de la investigación.

SEMINARIO 11. SIMETRIAS DE LIE PUNTUALES PARA PROBLEMAS LINEALES ASOCIADOS A ECUACIONES NO LINEALES INTEGRABLES EN DERIVADAS PARCIALES El método de determinación de las simetrías de Lie puntuales de una ecuación diferencial en derivadas parciales está perfectamente establecido. Igualmente establecido está el procedimiento para la determinación de las reducciones de similaridad asociadas a dichas simetrías. Como es bien sabido, una ecuación diferencial no lineal integrable lleva asociada un problema espectral lineal conocido como par de Lax. En este seminario pretendemos abordar el mucho menos estudiado problema de la determinación de las simetrías del problema lineal asociado a una PDE integrable. 11.1. Descripción del concepto de par de Lax 11.2. Simetrías de un par de Lax isoespectral 11.3. Simetrías de un par de Lax noisoespectral

SEMINARIO 12. SUPERFICIES DE CURVATURA MEDIA CONSTANTE EN ESPACIOS E(k,t) El objeto principal es dar una introducción a la teoría de superficies de curvatura media constante en espacios homogéneos riemannianos 3-dimensionales simplemente conexos con grupo de isometrías de dimensión 4. Dichos espacios están contenidos en una familia E(k,t), que depende de dos parámetros reales k y t, e incluye geometrías de Thurston como los espacios de curvatura constante R3 ,y S3, los productos H2xR, y S2xR, o los grupos de Lie Nil3, SU(2) y SL2 con ciertas métricas invariantes a izquierda. La teoría de superficies de curvatura media constante en E(k,t) es un campo de investigación muy activo que ha recibido una atención considerable durante las últimas décadas. 12.1. Propiedades básicas de los espacios E(k,t) 12.1.1. Clasificación de los espacios homogéneos 3-dimensionales. 12.1.2. Modelos para los espacios E(k,t) y estructuras de submersión de Killing. 12.1.3. Propiedades riemannianas: curvatura, geodésicas e isometrías. 12.1.4. Inmersiones isométricas y ecuaciones de compatibilidad. 12.1.5. Superficies totalmente umbilicales y superficies con curvaturas principales constantes. 12.2. Teoría conforme de superficies de curvatura media constante en E(k,t) 12.2.1. La diferencial de Abresch--Rosenberg. 12.2.2. Superficies invariantes y la clasificación de las esferas de curvatura media constante. 12.2.3. Aplicación de Gauss armónica para superficies de curvatura media crítica. 12.2.4. La deformación isométrica tipo Lawson 12.2.5. La dualidad conforme tipo Calabi. 12.3. Grafos, multigrafos y otras construcciones. 12.3.1. Multigrafos completos con curvatura media constante. 12.3.2. El problema de Bernstein para grafos de curvatura media crítica. 12.3.3. El problema de Jenkins--Serrin para grafos de curvatura media subcrítica. 12.3.4. Un breve recorrido por las superficies de curvatura media supercrítica.

SEMINARIO 13. MODELOS MATEMÁTICOS Y HERRAMIENTAS ESTADÍSTICAS APLICADOS EN FÍSICA 13.1 Conocimiento actual. Medida de datos experimentales. Magnitudes y unidades. Instrumentos de medida. 13.2 Error experimental. 13.3 Análisis de la distribución de datos. 13.4 Test estadísticos. 13.5 Ajuste de ecuaciones de datos experimentales

Programación de sesiones

cursomatematicascalendario2018

Cuadro de Profesores por seminario

SEMINARIO PROFESOR/ES
1 Dra. Mª Luz Gandarias y Dra. Mª Santos Bruzón. UCA
2 Dr. Víctor Pérez UCLM
3 Dra. Concepción Fernández UCA
4 Dra. Dolores Galindo UCA
5 Dra. Clara Pereyra UCA
6 Dra. Mª Victoria Velasco UGR y Dr. Miguel Bustamente U.C.Dublin
7 Dra. Mª Victoria Velasco UGR
8 Dr. Miguel Piñar, UGR y Dra. Teresa Pérez UGR
9 Dra. Mª Victoria Velasco UGR y Dra. Mª Santos Bruzón de la UCA
10 Dra. Mª Victoria Velasco UGR y Dra. Mª Santos Bruzón de la UCA
11 Dra. Pilar García Estévez US
12 Dr. José Miguel Manzano (King’s College London)
13 Dr. José Luis Legido UVIGO

Criterios de evaluación

Procedimientos para la evaluación: 1. Participación. 2. Análisis de contenido de los trabajos individuales y grupales realizados en las clases prácticas, en los seminarios de las actividades de evaluación y tutorías. 3. Otros procedimientos para evaluar la participación del estudiante en las diferentes actividades planificadas.

La calificación global responderá a la puntuación ponderada de los diferentes aspectos y actividades que integran el sistema de evaluación, de manera general se indica la siguiente ponderación, para cada uno de los seminarios: 1. Trabajos individuales y grupales: 40% 2. Prácticas y/o problemas: 30% 3. Actividades en seminarios: 15% 4. Otras actividades: 15%

Metodología

Para desarrollar este proyecto, serán impartidos unos 16 seminarios, de hora y media cada uno, por doctores de prestigio que pertenecen a distintas ramas de las ciencias experimentales, de la salud e ingenierías tales como Biología, Medicina, Química, Física, Informática, Ingeniería Química y Matemáticas. Entre ellos, se incluirá un seminario de carácter eminentemente práctico que versará sobre la elaboración y preparación de un artículo científico para su publicación. Como primera aplicación del mismo se invitará a los alumnos a la elaboración de un survey sobre alguna de las temáticas tratadas en los seminarios. También se tiene previsto la impartición de un seminario sobre las herramientas que se usan en la actualidad para medir los índices de impacto y de calidad de las publicaciones científicas, intentando en la medida de lo posible desvelar buenas prácticas para potenciar la valoración de nuestras publicaciones. La propuesta metodológica de presentación de los contenidos matemáticos de este Proyecto estará basada en el que se denomina modelización matemática como herramienta de enseñanza-aprendizaje y estará centrada en los siguientes puntos:

1. Presentación de una situación simplificada del mundo real.

2. Traducción de la situación en terminología matemática y obtención del modelo.

3. Trabajar sobre el modelo y resolución del problema.

4. Presentación de la solución en términos no matemáticos.

En la actualidad se utilizan los modelos matemáticos en la mayoría de los campos de las ciencias y la ingeniería. Para construir un modelo matemático que simule un problema real hay que recurrir a una serie de hipótesis que describen el fenómeno que se ha de representar. Para resolver el problema se utilizan técnicas matemáticas que conducen a la solución del problema. En algunos casos es posible obtener soluciones analíticas del modelo e incluso se puede realizar un análisis cualitativo de las soluciones analíticas del modelo. En otras ocasiones hay que recurrir a técnicas numéricas que proporcionan una solución aproximada del problema matemático. Los resultados obtenidos analíticamente, numéricamente y experimentalmente se comparan entre sí con objeto de validar las hipótesis sobre las que descansa el modelo. De esta forma se verifica si el modelo es adecuado o no lo es.

Objetivos

  • Formar al alumno en el conocimiento de los modelos matemáticos que vienen descritos por ecuaciones diferenciales o datos experimentales.
  • Desarrollar y aplicar métodos matemáticos a modelos matemáticos descritos por ecuaciones en derivadas parciales. Acercar al alumno a modelos matemáticos que surgen en otras ramas de las ciencias.
  • Interaccionar el intercambio de experiencias metodológicas y la modelización matemática como herramienta de enseñanza-aprendizaje.
  • Combinar la experimentación en el laboratorio con herramientas matemáticas, entre los que destaca la combinación de modelización matemática y la simulación numérica.
  • Obtener soluciones analíticas y numéricas del modelo. Elaborar un survey.
  • Elaborar una publicación.
  • Presentar a los alumnos los principales modelos matemáticos de los fenómenos de diversas áreas de las ciencias.
  • Presentar a los alumnos los principales modelos matemáticos de los fenómenos químicos.

Bibliografía

• J. M. Smith, H. C. van Ness, M. M. Abbott, Introducción a la termodinámica en Ingeniería Química. McGraw-Hill (1997). • Supercritical Fluid Extraction. En “Separation and Purification Technologies in Biorefineries”, cap. 4, pp. 79-100. S. Ramaswamy, H. Huang, B. Ramarao (eds.). Edita: John Wiley & Sons (2013). ISBN: 978-0-470-97796-5. • Particles formation using supercritical fluids. En: Mass Transfer – Advanced Aspects, cap 20: 461-480. Ed. Hironori Nakajima. Publicado por InTech, Septiembre 2011. ISBN: 978-953-307-636-2 • Advances in Mathematical Chemistry and Applications. Volume 1 y 2. Basak S. C., Restrepo G., Villaveces J. L. (Bentham Science eBooks, 2015) • Molecular Descriptors for Chemoinformatics, by R. Todeschini and V. Consonni, Wiley-VCH, Weinheim, 2009. • Mathematical Chemistry Series, by D. Bonchev, D. H. Rouvray (Eds.), Gordon and Breach Science Publisher, Amsterdam, 2000. • Chemical Graph Theory, by N. Trinajstic, CRC Press, Boca Raton, 1992 • Mathematical Concepts in Organic Chemistry, by I. Gutman, O. E. Polansky, Springer-Verlag, Berlin, 1986. • Chemical Applications of Topology and Graph Theory, ed. by R. B. King, Elsevier, (1983). • A. Ankiewicz, Y. Wang, S. Wabnitz, and N. Akhmediev, Phys. Rev. E 89, (2014), 012907. • F. Calogero, Lett. Nuovo Cimento 14, 443 (1975). • P. G. Estevez, G. A. Hernaez, J. Nonlinear Math. Phys. 8, 106 (2001). • P. G. Estévez, M. L. Gandarias, J. Prada, Phys. Lett. A 343 (2005) 40-47. • P. G. Estévez J. D. Lejarreta, C. Sardón. Integrable 1+1 dimensional hierarchies arising from reduction of a non-isopectral problen in 2 + 1 dimensions, Applied Mathematics and Computation 224 (2013) 311-324. • P.G. Estévez, E. Diaz, F. Dominguez-Adame, Jose M. Cervero, E. Diez. Lump solitons in a higher-order nonlinear equation in 2+1 dimensions, Phys. Rev. E 93 (2016) 062219. • P. G. Estévez J. D. Lejarreta and C. Sardón. Symmetry computation and reduction of a wave model in 2 + 1 dimensions, Nonlinear Dyn. 87 (2017) 13-23. • R. Hirota, J. Math. Phys. 14, (1973), 805. • M. C. Nucci, The role of symmetries in solving differential equations. Math. Comput. Modelling 25, (1997), 181–193. • M. Lakshmanan, K. Porsezian, and M. Daniel, Phys. Lett. A 133, (1988), 483. • M. Legare, Symmetry Reductions of the Lax Pair of the Four-Dimensional Euclidean Self-Dual Yang-Mills Equations. J. Nonlin. Math. Phys. 3 (1996) 266-285. • S. Lie, Theorie der Transformationgruppen. 2, Teubner, Leipzig, (1890) 1 • P. J. Olver, Applications of Lie Groups to Differential Equations, Springer-Verlag, (1993). • L. V. Ovsiannikov, Group Analysis of Differential Equations, Academic Press New York (1982). • H. Stephani, Differential equations: their solution using symmetries. Cambridge University Press, Cambridge, (1990). • U. Abresch, H. Rosenberg. Generalized Hopf differentials. Mat. Contemp. 28 (2005), 1--28. • B. Daniel, L. Hauswirth, P. Mira, Constant mean curvature surfaces in homogeneous manifolds. Notes of the 4th KIAS Workshop on Differential Geometry, Seoul, (2009).

Python avanzado para ciencia e ingeniería

Profesorado

José Vicente Pérez Peña (UGR)

Duración, lugar y fecha

  • 12 horas presenciales (6 horas no presenciales).
  • 3, 4, 10, 11, 17 y 18 de mayo de 2018 de 16:00 a 18:00 h.
  • Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias).
  • Se necesita portátil propio (Mac o PC).

Plazas y perfil

15 plazas. Dirigido preferentemente a alumnos/as de segundo año de doctorado con conocimientos de Python.

  • Para este curso es necesario acreditar un conocimiento básico del lenguaje Python 3. Con el fin de evaluar los conocimientos de Python requeridos, antes del inicio del curso se realizará un cuestionario online a los solicitantes. Los estudiantes que no superen la prueba, no se admitirán en el curso.

Justificación académica

Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. En el ámbito científico y técnico, python se está abriendo paso de forma firme gracias a librerías específicas como numpy, matplotlib y scipy. El uso de estas librerías ofrece a los usuarios de Python una infinidad de recursos matemáticos y científicos para la resolución de problemas complejos y la creación de gráficos de muy alta calidad.

Algunas de las operaciones básicas utilizadas en cálculo y programación científico-técnica incluyen matrices, integrales, ecuaciones diferenciales, estadística, etc. Python en su paquete básico no cuenta por defecto con funciones para realizar este tipo de cálculos directamente. Así mismo, los tipos básicos de variables de Python no están optimizados para el manejo de gran cantidad de datos. NumPy y SciPy son dos librerías muy potentes que cuentan con toda esta funcionalidad de la que carece el paquete básico de Python, y por tanto que posibilitan la utilización de este lenguaje para fines científicos y técnicos. La librería de numpy se especializa en el procesado numérico utilizando matrices multidimensionales, y permite un cálculo matricial directo al igual que programas especializados como matlab. Así mismo cuenta con métodos y funciones para la creación, manejo, redimensionado, etc., de matrices, lo cual reduce considerablemente el esfuerzo de programación requerido en otros lenguajes. La librería de matplotlib es una librería gráfica que toma todas las ventajas de numpy. Permite la creación de infinidad de gráficos de alta calidad (ráster y vectorial), así como la modificación de todas sus características. Matplotlib no solo se integra perfectamente con numpy, sino que permite el lenguaje de marcado de LaTeX, pudiendo crear gráficos de muy alta calidad para publicaciones científicas e informes técnicos.

SciPy va un paso más allá, y utiliza toda la funcionalidad de numpy para realizar cálculos matemáticos avanzados como la integración, diferenciación, algebra lineal, no lineal, etc. También cuenta con multitud de funciones de alto nivel para el tratamiento estadístico de los datos.

Una lista complete de todas las funciones de numpy, matplotlib y scipy ocuparía cientos de páginas, por lo que en este curso se tratarán las funciones más utilizadas. Se introducirá al alumno en las rutinas de trabajo con estas librerías y a la resolución de los problemas más comunes en ciencia e ingeniería. Con este curso también se pretende que el alumno tenga los conocimientos necesarios para entender la documentación de estas librerías con el fin de capacitarlo para poder utilizar funcionalidad específica de las mismas no tratada en este curso.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá:

  • Manejo de matrices multidimensionales con numpy
  • Funciones básicas para la creación y utilización de matrices de numpy
  • Lectura-escritura en disco de datos
  • Creación y representación de funciones matemáticas
  • Creación de distintos gráficos con matplotlib
  • Modificación de símbolos y leyendas
  • Análisis de imagen con scipy

El alumno será capaz de:

  • Crear y modificar gráficos
  • Integrar LaTeX directamente en un gráfico
  • Representar funciones y resolver ecuaciones matemáticas
  • Entender la documentación de las librerías de Python
  • Realizar cálculos matemáticos de alto nivel y resolución de problemas complejos

Programa formativo

  • Tema 1. Manejo de datos con numpy (4h) Constantes y funciones de numpy. Arrays de numpy. Métodos para la creación de arrays. Operaciones con arrays. Indexado y slicing en arrays. Leer y guardar arrays en archivos de texto.
  • Tema 2. Representación gráfica con matplotlib (4h) Representación básica de funciones Representación de varias curvas • Representación de nube de puntos Representación de histogramas y boxplots • Definiendo colores y símbolos • Añadiendo leyendas y etiquetas • Control de ejes • Representación de múltiples figuras
  • Tema 3. Análisis numérico con scipy (2h) Ajuste e interpolación de datos. Tratamiento multidimensional de imágenes con ndimage
  • Tema 4. Breve introducción a cython (2h). Creación y compilación de scripts usando Cython. Elementos básicos del lenguaje. Optimización de código con Cython.

Forma y plazo de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) indicando en el Asunto “Inscripción curso Python Avanzado para Ciencia e Ingeniería”.

Plazo de inscripción: 4-20 de abril de 2018. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Introducción a Python: Elementos básicos del lenguaje

Profesorado

José Vicente Pérez Peña (UGR), Patricia Ruano Roca (UGR)

Duración, lugar y fecha

  • 12 horas presenciales (6 horas no presenciales).
  • Primera Edición: 5, 6, 12, 13, 19 y 20 de Abril de 2018 de 16:00 a 18:00
  • Segunda Edición: 4, 5, 9, 10, 11, 12 de Julio de 16:00 a 18:00
  • Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias).
  • Se necesita portátil propio (Mac o PC).

Plazas y perfil

15 plazas/edición. Dirigido preferentemente a alumnos/as de primer año de doctorado.

Justificación académica

Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. Alguna de las características que hacen de Python el lenguaje ideal para cálculos científicos son:

  • Es un lenguaje muy fácil de aprender, siendo el lenguaje más recomendado para usuarios que no cuentan con conocimientos de programación.
  • Es de código libre, por lo que no requiere una licencia para su uso.
  • Es multiplataforma, pudiéndose utilizar en diferentes Sistemas Operativos com MAC, LINUX, Windows, etc.
  • Python es un lenguaje de programación real, con todas las características de un lenguaje de programación orientado a objetos, a diferencia de otros lenguajes como matlab que carecen de algunas funcionalidades en este sentido.
  • Tiene multitud de módulos y librerías externos que realizan numerosas funciones de gran utilidad para científicos e ingenieros. A este respecto, módulos específicos para realizar cálculos científicos como numpy, matplotlib y scipy, han hecho que este lenguaje este ganando cada vez más popularidad entre científicos e ingenieros
  • Se integra perfectamente con LaTeX, permitiendo el formateo de ecuaciones y la realización de figuras para artículos científicos o informes técnicos.
  • Es extensible y altamente configurable. Librerías como matplotlib permiten realizar infinidad de gráficos de muy alta calidad e interactivos.

En este curso se verán los elementos básicos de un lenguaje de programación como Python; sintaxis, funciones principales, flujos condicionales y bucles, etc. El conocimiento de las bases del lenguaje es un paso previo fundamental para poder sacar el mayor rendimiento de las librerías específicas más utilizadas en los ámbitos científico y técnico.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá:

  • Los elementos básicos de un lenguaje de programación
  • Tipos de variables y su manipulación
  • Manipulación de listas, tuplas y diccionarios
  • Flujos condicionales if y recursivos for
  • Funciones básicas del lenguaje
  • Creación de funciones propias
  • Control de código y manejo excepciones

El alumno será capaz de:

  • Crear scripts en python para resolver problemas
  • Leer y analizar un programa escrito en Python
  • Manejar los principales entornos de programación con IPython (Spyder y Jupyter)
  • Leer y escribir datos en ficheros de texto
  • Diseñar algoritmos para la resolución secuencial de problemas
  • Depurar programas y reconocer los principales tipos de errores

Programa

Tema 1. Introducción (1h) Introducción a los lenguajes de programación Historia de Python Descarga e instalación de anaconda. La consola de Python. Partes principales del IDE Spyder.

Tema 2. Tipos básicos, variables y expresiones (4h) Tipos de datos en Python. Variables, operadores y expresiones. Instalar, importar y utilizar módulos en Python. Listas, tuplas y diccionarios.

Tema 3. Operadores y funciones (4h) Operador lógico if. Bucles for. Bucles while. Creación y utilización de funciones en Python.

Tema 4. Operación de entrada/salida y optimización de código (3h) Lectura de ficheros de texto. Escritura en archivos de texto. Módulos os y sys. Control de ficheros y directorios. Optimización de código. Tipos de errores principales en Python. Control de código y manejo excepciones

Forma y plazo de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) indicando en el Asunto “Inscripción curso Introducción a Python: Elementos básicos del lenguaje”.

Plazo de inscripción: 19 de marzo 2 de abril de 2018. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Aplicaciones de los Sistemas de Información Geográfica a la Planificación Territorial, Urbana e Infraestructural (11/2017 - 12/2018 )

Profesorado

Emilio Molero Melgarejo (UGR) y Jorge Hernández Marín (GIS4tech, SpinOff UGR)

Duración, Lugar y Fechas

  • Duración: 24 horas presenciales (6 horas no presenciales)
  • Lugar: E.T.S. de Ingenieros de Caminos, Canales y Puertos de Granada
  • Fecha: 27, 28, 29 y 30 de Noviembre, 4 y 5 de Diciembre de 2017 de 16:30 a 20:30

Plazas y Perfil

  • Plazas: 25 Plazas
  • Perfil: Alumnos/as de doctorado de los programas de la Escuela de Doctorado de Ciencias, Tecnologías e Ingenierías.

Justificación Académica

Las disciplinas que trabajan con el territorio han estado muy vinculadas desde sus orígenes al empleo de diferentes cartografías necesarias para llevar a cabo análisis y diagnósticos territoriales, y para plasmar las propuestas de intervención recogidas en proyectos constructivos o de investigación o en diferentes informes técnicos o documentos y artículos propios del proceso investigador. La utilización generalizada de estas cartografías temáticas ‘en papel’ ha dado paso en los últimos años a una continua digitalización y vectorización de las mismas, generando una cantidad ingente de información cartográfica disponible en diferentes servidores web’s y bases de datos, conformando las llamadas Infraestructuras de datos espaciales (IDEs). Por otro lado, la utilización de esta información requiere de un software específico, los Sistemas de Información Geográfica (SIG), que permita no sólo su visualización, sino también su procesamiento, teniendo éste innumerables aplicaciones. Dada su aplicabilidad a la problemática territorial, en los últimos años el Departamento de Urbanística y Ordenación del territorio de la Universidad de Granada ha comenzado a utilizar software de este tipo en las asignaturas de la titulación de Ingeniería de Caminos, Canales y Puertos. La elección para este curso de dos softwares (QGIS y ArcGIS) pretende que el alumnado se familiarice con la forma de trabajar de los SIG independientemente del software elegido, de código abierto o comercial. Por todo ello, parece imprescindible trasladar a la comunidad académica, por un lado, el acceso a las fuentes de información cartográfica digital más importantes, y por otro, algunas nociones básicas de los programas que permitan su procesamiento, con el fin de mejorar su aprendizaje y hacer más eficiente su trabajo, en parte, por el considerable ahorro de tiempo que supone el empleo de estas TIC’s.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá:

  1. Acceder a la Información Geográfica disponible en la IDEs, cartografía vectorial y raster, ortofotografías aérea, Modelos digitales de terreno…
  2. Gestionar y analizar esta información mediante un SIG libre y SIG comercial.
  3. Aplicar toda la funcionalidad del motor de geoprocesamiento.

El alumno será capaz de:

  1. Entender el funcionamiento de un software SIG y sus diferencias con los CAD
  2. Desarrollar proyectos SIG utilizando información tanto raster como vectorial.
  3. Realizar salidas gráficas de calidad

Programa

  1. Base teórica: Conceptos básicos, modelos de datos, cartografía digital, Infraestructuras de Datos Espaciales…
  2. Introducción a ArcGis: Estructura de la Aplicación.
  3. Clasificación, simbolización y etiquetado con ArcMap
  4. Consultas a la base de datos. Selección Espacial.
  5. Georreferenciación
  6. Edición de entidades y tablas
  7. Herramientas básicas de Geoprocesamiento
  8. Composición de Mapas. Exportación y empaquetado del proyecto.
  9. Los Modelos Digitales de Terreno. Funcionalidades Raster
  10. Reclasificación y Superposición. Álgebra de Mapas.
  11. Análisis de un MDT. Cartografía derivada. Pendientes, orientaciones, cuencas visuales, red de drenaje..
  12. La aplicación ArcScene. El visor 3D de ArcGis
  13. Aplicaciones prácticas a la planificación territorial, urbana e infraestructural
  14. Fuentes de datos primarias. Del Cad al Gis.
  15. Catálogos y fuentes de datos
  16. Descarga de datos de la red, acceso remoto a servicios OGC: WMS, WFS, WCS..
  17. El software Qgis. Diferencias respecto a ArcGis
  18. Introducción a Qgis. Estructura de la aplicación.
  19. Activación de proveedores e instalación de plugins
  20. Clasificación, simbolización y etiquetado con Qgis desktop
  21. Consultas a la base de datos. Selección espacial.
  22. Edición de entidades y tablas.
  23. Herramientas básicas de geoprocesamiento.
  24. Composición de mapas. Exportación.
  25. Ejercicios de aplicación.

Evaluación

Se propone una evaluación continua compuesta de:

  • Desarrollo por parte del alumno de forma individual, de un caso práctico real de aplicación del software ArcGIS o QGIS.
  • Participación y actitud del alumno en las sesiones docentes.

Writing a research paper in English: strategies and techniques (01/2018)

Profesorado

Dra. Pamela Faber Benítez, Catedrática Departamento de Traducción e Interpretación. Universidad de Granada.

Duración, lugar y fecha

30 horas (9 h presenciales + 21 trabajo personal).

Lugar: Facultad de Traductores. Aula 14.

Fechas: 17, 24 y 26 de enero de 2018 de 16:30h a 19:30h.

Plazas y perfil

24 plazas.

Dirigido preferentemente a alumnos/as de segundo año de Doctorado.

Para el buen aprovechamiento de los alumnos, deben tener un nivel razonable de inglés tanto hablado como escrito (al menos, B2).

Programa

1. Introduction.

1.1 English as a lingua franca in the scientific world
1.2 The need to publish
1.3 Types of paper

2. Organization.

2.1 Sections
2.2 Content
2.3 Format and Layout
2.4 Common errors

3. Language.

3.1 Syntax and sentence structure
3.2 Semantics and terminology
3.3 Style and punctuation
3.4 Common errors

Herramientas de búsqueda y gestión de información para el desarrollo de la Investigación (02/2018 - 03/2018)

Profesores

Carmen Domínguez Fernández, Anne-Vinciane Doucet, Antonio Fernández Porcel, Mª Ángeles García Gil y Esteban López García

Fecha de realización

13 a 15 Febrero (PRIMERA EDICIÓN)
20-22 de Marzo (SEGUNDA EDICIÓN)

Plazas y perfil

Dirigido a alumnos/as de primer año.

Nº Alumnos: 30 por grupo

Duración y lugar

Lugar de realización Biblioteca Derecho (Ubicación Calle Duquesa)

Duración: 10-13 horas

Programa

  1. Perfil de investigador:
    • El perfil de investigador. Utilidad y necesidad.
    • Necesidad de normalización del nombre de investigador. -Números de identificación: ORCID, ResearcherID (WoS), Author ID (Scopus).-Perfil y difusión de la investigación: ventajas y “herramientas”: UGR-Investiga, Google Scholar, Academia.edu, ResearchGate. Dialnet-El perfil de investigador y la evaluación de la producción científica. ANECA, DEVA y SICA. El CVN.
  2. Bases de datos:
    • Bases de datos en: Ciencias, Tecnologías e Ingenierías y Ciencias de la Salud: JCR-Science, JCR-Social Science WOS, SCOPUS
    • Bases de datos en: Humanidades, Ciencias Sociales y Jurídicas: JCR-Social Science, Arts and Humanities Citation Index, Dialnet
  3. Gestores bibliográficos:
    • Introducción a los gestores bibliográficos
    • Gestores bibliográficos: Mendeley, Flow, Endnote

Curso 2016/2017

Preparación y elaboración de proyectos (02/2017)

Profesorado Vicerrectorado de Investigación y Transferencia

Duración, lugar y fecha

  • Duración: 10 horas
  • Lugar: Sala de conferencias del complejo administrativo Triunfo.
  • Fechas: 7, 8 y 9 de Febrero de 2017 de 10 a 13 h.

Plazas y perfil

  • Plazas: 30
  • Perfil: Estudiantes de doctorado de 3º año y egresados recientes

Programa

1. Qué es un proyecto. Fases. Definición de objetivos. Planificación. Control. Justificación.
2. Principales convocatorias de financiación de proyectos de investigación para jóvenes doctores. Plan Estatal y Horizonte 2020.
3. Convocatorias de especialización posdoctoral en el Plan Estatal, Junta de Andalucía y Horizonte 2020.
4. Aspectos esenciales para la presentación de un proyecto con éxito.
5. Caso práctico de discusión y presentación de un proyecto.

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “inscripción a curso Elaboración de proyectos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.
  • 12 - 21 de enero de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Introducción a Python: Elementos básicos del lenguaje (03/2017)

Profesorado José Vicente Pérez Peña (UGR), Patricia Ruano Roca (UGR)

Duración, lugar y fecha

  • 12 horas presenciales (6 horas no presenciales).
  • 2, 3, 9, 10, 16, 17 de Marzo. Sesiones Jueves y Viernes de 16:00 a 18:00 h.
  • Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias).
  • Se necesita portatil propio (Mac o PC).

Plazas y perfil 15 plazas. Dirigido preferentemente a alumnos/as de primer año de doctorado.

Justificación académica Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. Alguna de las características que hacen de Python el lenguaje ideal para cálculos científicos son:

  • Es un lenguaje muy fácil de aprender, siendo el lenguaje más recomendado para usuarios que no cuentan con conocimientos de programación.
  • Es de código libre, por lo que no requiere una licencia para su uso.
  • Es multiplataforma, pudiéndose utilizar en diferentes Sistemas Operativos com MAC, LINUX, Windows, etc.
  • Python es un lenguaje de programación real, con todas las características de un lenguaje de programación orientado a objetos, a diferencia de otros lenguajes como matlab que carecen de algunas funcionalidades en este sentido.
  • Tiene multitud de módulos y librerías externos que realizan numerosas funciones de gran utilidad para científicos e ingenieros. A este respecto, módulos específicos para realizar cálculos científicos como numpy, matplotlib y scipy, han hecho que este lenguaje este ganando cada vez más popularidad entre científicos e ingenieros
  • Se integra perfectamente con LaTeX, permitiendo el formateo de ecuaciones y la realización de figuras para artículos científicos o informes técnicos.
  • Es extensible y altamente configurable. Librerías como matplotlib permiten realizar infinidad de gráficos de muy alta calidad e interactivos.

En este curso se verán los elementos básicos de un lenguaje de programación como Python; sintaxis, funciones principales, flujos condicionales y bucles, etc. El conocimiento de las bases del lenguaje es un paso previo fundamental para poder sacar el mayor rendimiento de las librerías específicas más utilizadas en los ámbitos científico y técnico.

Objetivos educativos, profesionales y competencias generales adquiridas El alumno sabrá: • Los elementos básicos de un lenguaje de programación • Tipos de variables y su manipulación • Manipulación de listas, tuplas y diccionarios • Flujos condicionales if y recursivos for • Funciones básicas del lenguaje • Creación de funciones propias • Control de código y manejo excepciones

El alumno será capaz de: • Crear scripts en python para resolver problemas • Leer y analizar un programa escrito en Python • Manejar los principales entornos de programación con IPython (Spyder y Jupyter) • Leer y escribir datos en ficheros de texto • Diseñar algoritmos para la resolución secuencial de problemas • Depurar programas y reconocer los principales tipos de errores

Programa Tema 1. Introducción (2h) • Introducción a los lenguajes de programación • Historia de Python • Elementos básicos de un lenguaje de programación • Descarga e instalación de anaconda con scipy • Python vs IPython • Partes principales de Spider • Introducción a los notebooks de IPython

Tema 2. Tipos básicos, variables y expresiones (4h) • Tipos de datos en Python • Variables, operadores y expresiones • Módulos math y random • Listas en Python • Métodos para la manipulación de cadenas de texto • Tuplas y diccionarios

Tema 3. Operadores y funciones (4h) • Operador lógico If • Bucles for • Bucles while • Creación y manejo de funciones • Ámbito de las variables • Funciones más importantes de Python

Tema 4. Operación de entrada/salida y optimización de código (4h) • Lectura de ficheros de texto • Escritura en archivos de texto • Módulos os y sys • Control de ficheros y directorios • Optimización de código • Tipos de errores principales en Python • Control de código y manejo excepciones

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.
  • Plazo de inscripción: 13-24 de febrero de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Taller de escritura/elaboración/preparación de un artículo científico (03/2017)

Writing a research paper in English: strategies and techniques

Profesorado Dra. Pamela Faber Benítez, Catedrática Departamento de Traducción e Interpretación. Universidad de Granada.

Duración, lugar y fecha

  • 40 horas (10h presenciales + 30 trabajo personal).
  • Lugar: Facultad de Traductores.
  • Fechas: 13/15/20/22/27 de marzo de 13:00 a 15:00 h.

Plazas y perfil

  • 30 plazas.
  • Dirigido preferentemente a alumnos/as de segundo año de doctorado.
  • Para el buen aprovechamiento de los alumnos, deben tener un nivel razonable de inglés tanto hablado como escrito (al menos, B2).

Programa 1. Introduction. 1.1 English as a lingua franca in the scientific world 1.2 The need to publish 1.3 Types of paper

2. Organization. 2.1 Sections 2.2 Content 2.3 Format and Layout 2.4 Common errors

3. Language. 3.1 Syntax and sentence structure 3.2 Semantics and terminology 3.3 Style and punctuation 3.4 Common errors

4 Strategies 4.1 Making notes 4.2 Keeping track of references 4.3 Translation: problems and pitfalls 4.4 Revising 4.5 Avoiding plagiarism

Competencias CA04 - Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar. CA05 - Integrar conocimientos, enfrentarse a la complejidad y formular juicios con información limitada. CA06 - La crítica y defensa intelectual de soluciones. CB11 - Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo CB14 - Capacidad de realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas. CB15 - Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción EDCTI-Writing a research paper in English: strategies and techniques” en el asunto. Debe adjuntarse certificado de nivel de inglés, en su caso.
  • Plazo de inscripción: 22 de febrero al 2 de marzo de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Python avanzado para ciencia e ingeniería (03-04/2017)

Profesorado José Vicente Pérez Peña (UGR)

Duración, lugar y fecha

  • 12 horas presenciales (6 horas no presenciales).
  • 23, 24, 30, 31 de Marzo y 6, 7 de Abril. Sesiones Jueves y Viernes de 16:00 a 18:00 h.
  • Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias).
  • Se necesita portátil propio (Mac o PC).

Plazas y perfil

  • 15 plazas.
  • Dirigido preferentemente a alumnos/as de segundo año de doctorado.

Justificación académica Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. En el ámbito científico y técnico, python se está abriendo paso de forma firme gracias a librerías específicas como numpy, matplotlib y scipy. El uso de estas librerías ofrece a los usuarios de Python una infinidad de recursos matemáticos y científicos para la resolución de problemas complejos y la creación de gráficos de muy alta calidad.

Algunas de las operaciones básicas utilizadas en cálculo y programación científico-técnica incluyen matrices, integrales, ecuaciones diferenciales, estadística, etc. Python en su paquete básico no cuenta por defecto con funciones para realizar este tipo de cálculos directamente. Así mismo, los tipos básicos de variables de Python no están optimizados para el manejo de gran cantidad de datos. NumPy y SciPy son dos librerías muy potentes que cuentan con toda esta funcionalidad de la que carece el paquete básico de Python, y por tanto que posibilitan la utilización de este lenguaje para fines científicos y técnicos.

La librería de numpy se especializa en el procesado numérico utilizando matrices multidimensionales, y permite un cálculo matricial directo al igual que programas especializados como matlab. Así mismo cuenta con métodos y funciones para la creación, manejo, redimensionado, etc., de matrices, lo cual reduce considerablemente el esfuerzo de programación requerido en otros lenguajes.

La librería de matplotlib es una librería gráfica que toma todas las ventajas de numpy. Permite la creación de infinidad de gráficos de alta calidad (ráster y vectorial), así como la modificación de todas sus características. Matplotlib no solo se integra perfectamente con numpy, sino que permite el lenguaje de marcado de LaTeX, pudiendo crear gráficos de muy alta calidad para publicaciones científicas e informes técnicos.

SciPy va un paso más allá, y utiliza toda la funcionalidad de numpy para realizar cálculos matemáticos avanzados como la integración, diferenciación, algebra lineal, no lineal, etc. También cuenta con multitud de funciones de alto nivel para el tratamiento estadístico de los datos.

Una lista complete de todas las funciones de numpy, matplotlib y scipy ocuparía cientos de páginas, por lo que en este curso se tratarán las funciones más utilizadas. Se introducirá al alumno en las rutinas de trabajo con estas librerías y a la resolución de los problemas más comunes en ciencia e ingeniería. Con este curso también se pretende que el alumno tenga los conocimientos necesarios para entender la documentación de estas librerías con el fin de capacitarlo para poder utilizar funcionalidad específica de las mismas no tratada en este curso.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá: • Manejo de matrices multidimensionales con numpy • Funciones básicas para la creación y utilización de matrices de numpy • Lectura-escritura en disco de datos • Creación y representación de funciones matemáticas • Creación de distintos gráficos con matplotlib • Modificación de símbolos y leyendas • Funciones mátematicas de alto nivel y estadística con scipy

El alumno será capaz de: • Crear y modificar gráficos • Integrar LaTeX directamente en un gráfico • Representar funciones y resolver ecuaciones matemáticas • Entender la documentación de las librerías de Python • Realizar cálculos matemáticos de alto nivel y resolución de problemas complejos

Programa formativo

Tema 1. Manejo de datos con numpy (5h) • Constantes y funciones de numpy • Arrays de numpy • Métodos para la creación de arrays • Operaciones con arrays • Indexado y slicing en arrays • Leer y guardar arrays en archivos de texto

Tema 2. Representación gráfica con matplotlib (4h) • Representación básica de funciones • Representación de varias curvas • Representación de nube de puntos • Representación de histogramas y boxplots • Definiendo colores y símbolos • Añadiendo leyendas y etiquetas • Control de ejes • Representación de múltiples figuras

Tema 3. Análisis numérico con scipy (3h) • Ajuste e interpolación de datos • Tratamiento multidimensional de imágenes con ndimage

Tema 4. Estadística con scipy (2h) • Estadística básica • Análisis espacial y clúster • Procesado de señales e imágenes

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.
  • Plazo de inscripción: 1-15 de marzo de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Herramientas para el desarrollo de la Investigación (búsqueda y gestión información científica)

Duración, lugar y fecha 10 horas, CVUG. Del 9 a 11 de Febrero, de 10 a 13 h.

Plazas y perfil 25 plazas. Dirigido preferentemente a alumnos/as de primer año de doctorado

Programa El curso consta de tres módulos.

Perfil del Investigador - Utilidad y necesidad. (Necesidad de normalización del nombre de investigador) (Números de identificación: ORCID, ResearcherID (WoS), Author ID (Scopus)). - Perfil y difusión de la investigación: ventajas y “herramientas”: UGR-Investiga, Google Scholar, Academia.edu, ResearchGate, Digibug, Dialnet. - El perfil de investigador y la evaluación de la producción científica. ANECA, DEVA y SICA. El CVN.

Bases de datos - Web of Science (WOS). - JCR: Journal Citation Reports- Sciences y Social Sciences. - Indice de Artes y Humanidades, Arts and Humanities Citation Index. - Scopus. - Dialnet.

Gestores bibliográficos - Introducción a los gestores bibliográficos. - Refworks/Flow. - Mendeley. - Endnote.

Profesorado

Biblioteca General de la Universidad:

Carmen Domínguez Fernández, Anne-Vinciane Doucet, Antonio Fernández Porcel, Mª Ángeles García Gil, Esteban López García, Camila Molina Cantero, Ana Peregrín González.

Forma de inscripción Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.

Plazo de inscripción: del 11 al 20 de Enero. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Introducción a Python: Elementos básicos del lenguaje

Profesorado

José Vicente Pérez Peña (UGR), Patricia Ruano Roca (UGR)

Duración, lugar y fecha 12 horas presenciales (6 horas no presenciales). 7, 8, 14, 15, 21 y 22 de Abril. Sesiones Jueves y Viernes de 15:30 a 17:30 h. Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias). Se necesita portatil propio (Mac o PC).

Plazas y perfil

15 plazas. Dirigido preferentemente a alumnos/as de primer año de doctorado.

Justificación académica

Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. Alguna de las características que hacen de Python el lenguaje ideal para cálculos científicos son:

  • Es un lenguaje muy fácil de aprender, siendo el lenguaje más recomendado para usuarios que no cuentan con conocimientos de programación.
  • Es de código libre, por lo que no requiere una licencia para su uso.
  • Es multiplataforma, pudiéndose utilizar en diferentes Sistemas Operativos com MAC, LINUX, Windows, etc.
  • Python es un lenguaje de programación real, con todas las características de un lenguaje de programación orientado a objetos, a diferencia de otros lenguajes como matlab que carecen de algunas funcionalidades en este sentido.
  • Tiene multitud de módulos y librerías externos que realizan numerosas funciones de gran utilidad para científicos e ingenieros. A este respecto, módulos específicos para realizar cálculos científicos como numpy, matplotlib y scipy, han hecho que este lenguaje este ganando cada vez más popularidad entre científicos e ingenieros
  • Se integra perfectamente con LaTeX, permitiendo el formateo de ecuaciones y la realización de figuras para artículos científicos o informes técnicos.
  • Es extensible y altamente configurable. Librerías como matplotlib permiten realizar infinidad de gráficos de muy alta calidad e interactivos.

En este curso se verán los elementos básicos de un lenguaje de programación como Python; sintaxis, funciones principales, flujos condicionales y bucles, etc. El conocimiento de las bases del lenguaje es un paso previo fundamental para poder sacar el mayor rendimiento de las librerías específicas más utilizadas en los ámbitos científico y técnico.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá: • Los elementos básicos de un lenguaje de programación • Tipos de variables y su manipulación • Manipulación de listas, tuplas y diccionarios • Flujos condicionales if y recursivos for • Funciones básicas del lenguaje • Creación de funciones propias • Control de código y manejo excepciones

El alumno será capaz de: • Crear scripts en python para resolver problemas • Leer y analizar un programa escrito en Python • Manejar los principales entornos de programación con IPython (Spyder y Jupyter) • Leer y escribir datos en ficheros de texto • Diseñar algoritmos para la resolución secuencial de problemas • Depurar programas y reconocer los principales tipos de errores

Programa

Tema 1. Introducción (2h) • Introducción a los lenguajes de programación • Historia de Python • Elementos básicos de un lenguaje de programación • Descarga e instalación de anaconda con scipy • Python vs IPython • Partes principales de Spider • Introducción a los notebooks de IPython

Tema 2. Tipos básicos, variables y expresiones (4h) • Tipos de datos en Python • Variables, operadores y expresiones • Módulos math y random • Listas en Python • Métodos para la manipulación de cadenas de texto • Tuplas y diccionarios

Tema 3. Operadores y funciones (4h) • Operador lógico If • Bucles for • Bucles while • Creación y manejo de funciones • Ámbito de las variables • Funciones más importantes de Python

Tema 4. Operación de entrada/salida y optimización de código (4h) • Lectura de ficheros de texto • Escritura en archivos de texto • Módulos os y sys • Control de ficheros y directorios • Optimización de código • Tipos de errores principales en Python • Control de código y manejo excepciones

Forma de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.

Plazo de inscripción: 7-18 de marzo de 2016. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Macros en Excel (09/2017)

Profesorado José Vicente Pérez Peña (Departamento de Geodinámica)

Duración, lugar y fechas

  • 20 horas lectivas y 10 horas de trabajo personal del alumno
  • 7, 8, 14, 15, 21, 22, 28 y 29 de septiembre, de 16:00 a 19:00 h.
  • Facultad de Ciencias. Aula Juan Campos.
  • Se necesita portatil propio (Mac o PC).

Plazas y perfil

  • 15 plazas.
  • Dirigido preferentemente a alumnos/as de segundo año de doctorado.

Justificación académica Excel es uno de los programas más populares para gestión, tratamiento y análisis de datos científicos. Incluye multitud de utilidades y funciones que lo hacen una herramienta imprescindible para el científico. Además de toda la funcionalidad que incluye este programa, cuenta con la posibilidad de expandir su utilidad mediante la programación de macros.

La palabra macro es una abreviatura de “macroinstrucción”, es decir un conjunto de instrucciones que se ejecutan secuencialmente. Una macro es un pequeño programa que realiza una tarea específica a través de una serie de instrucciones. Este pequeño programa se encuentra dentro de la aplicación principal, y por lo tanto puede acceder a todas las funcionalidades de la misma. Es decir, una macro dentro de Excel podrá acceder a los libros, hojas, formulas, celdas, … de la aplicación principal.

Mediante la programación de macros podremos automatizar tareas que impliquen numerosos pasos, definir funciones a medida y utilizarías como las demás funciones incluidas en Excel, añadir funcionalidad extra mediante formularios, botones, menus, etc. Este curso está dirigido a estudiantes de doctorado que quieran expandir las posilbidades que MS Excel cuenta para el análisis y gestión de datos. En este curso se explorará la creación y edición de Macros, así como los fundamentos del leguaje Visual Basic y el modelo de objetos específico utilizado por Excel.

Objetivos educativos, profesionales y competencias generales adquiridas

  • El alumno sabrá:
    • Fundamentos de las macros en Excel; creación, edición, y ejecución de las mismas
    • Tipos de variables, ámbito y manipulación en visual Basic
    • Flujos condicionales if y bucles for
    • Procedimientos y Funciones
    • Programación orientada a objetos y modelo de objetos de MS Excel
  • El alumno será capaz de:
    • Crear, editar, y ejecutar macros en MS ExcelCreación
    • Manejar el editor de Visual Basic incluido con Excel
    • Conocer los fundamentos de la programación en Visual Basic
    • Leer y analizar una Macro
    • Trabajar con el modelo de objetos de Excel
    • Creación de fórmulas a medida
    • Creación de hojas de cálculo interactivas con botones, formularios, etc.
    • Diseñar algoritmos para la resolución secuencial de problemas
    • Depurar código e identificar errores de ejecución

Programa

  1. Introducción a las Macros en Excel. Creación de nuestra primera Macro. El entorno Visual Basic for Applications. Grabación automática de Macros. Análisis y ejecución de Macros
  2. Introducción a los elementos básicos de Visual Basic. Variables, operadores y expresiones. Flujos condicionales if. Bucles recursivos for y while. Funciones y procedimientos.
  3. Introducción a la programación orientada a objetos. Fundamentos de la POO. Creación y manipulación de objetos en Visual Basic.
  4. Modelo de objetos de MS Excel. Manipulación de celdas y rangos mediante el objeto Range. Manipulación de hojas y libros.
  5. Creación de elementos interactivos. Creación de menús, botones y barras de herramientas.

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción a cursos, Macros Excel” en el asunto. En el cuerpo del mensaje debe indicarse el programa de doctorado a la que pertenece y el año de doctorado.
  • Plazo de inscripción: 26 de junio al 7 de julio de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Curso de LaTeX y Git (10/2017)

Profesorado

  • Ángel Pablo Hinojosa Gutiérrez ha sido durante varios años técnico en la Oficina de Software Libre. Durante ese tiempo ha impartido diferentes cursos, tanto presenciales como virtuales, sobre git y LaTeX. También ha publicado un libro, “Aprende git”, disponible en Amazon y que ha sido en varias ocasiones best seller dentro del área de programación.
  • Renato Luis Ramírez Rivero es licenciado en Ciencias Físicas y técnico en la Oficina de Software Libre. Tiene experiencia docente de más de 15 años en diferentes áreas, incluyendo especialmente temas relacionados con la informática, y ha sido profesor en cursos de LaTeX tanto presenciales como virtuales.

Duración, lugar y fecha

  • Duración: Curso de 20 horas, 10 horas presenciales y 10 horas virtuales (a través de Git o usando Prado).
  • Lugar: Aula 0.4 de la Escuela Técnica Superior de Ingenierías Informática y de Telecomunicación (ETSIIT). Calle Periodista Daniel Saucedo Aranda s/n, http://etsiit.ugr.es/pages/escuela.
  • Fechas y horario: 5, 6 de octubre. De 18.00 a 20.00 h. (El resto de fechas pendientes de asignar)

Plazas y perfil

  • 25 plazas.
  • Dirigido a alumnos/as de doctorado de los programas de la Escuela de Doctorado de Ciencias, Tecnologías e Ingenierías. El orden de prioridad será decreciente según el número de años en el programa, es decir, tendrán menor prioridad los del primer año.

Justificación académica La mayoría de las revistas científicas aceptan, exclusiva o preferentemente, fuentes del sistema de creación de documentos LaTeX. La facilidad en la gestión de la bibliografía, la calidad de la tipografía y los gráficos hacen que se puedan crear con relativa facilidad documentos profesionales y sobre todo científicos.

En este curso se enseña a trabajar un documento científico en todos sus aspectos, desde el contenido hasta los gráficos y la bibliografía. Como normalmente este trabajo se hace en colaboración, aparte de herramientas como Authorea u Overleaf, se puede trabajar en local usando repositorios de código, que no sólo evitan conflictos, sino que permiten interaccionar fácilmente a los investigadores, asignar tareas y expresar la terminación de tales tareas. La combinación de las dos herramientas, que se explica en este curso, permitirá a los estudiantes trabajar de forma más eficiente, rápida y reproducible y crear documentos que se ajusten a los requisitos de revistas y congresos.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá:

  • Las razones por las que desarrollar en equipo mejora el rendimiento y la velocidad de publicación.
  • Los conceptos detrás de los procesadores de textos científicos.
  • Los fundamentos de los sistemas de control de versiones distribuidos

El alumno será capaz de:

  • Elaborar flujos de trabajo para elaboración de documentos científicos (trabajos o propuestas de proyectos) en un entorno de control de fuentes.
  • Adaptar los documentos a los requerimientos de una revista o congreso.
  • Resolver conflictos que aparezcan en el trabajo.

Programa Día 1. LaTeX: Nociones básicas de LaTeX y su funcionamiento. Procesadores de textos y su historia. Consiguiendo e instalando LaTeX. Instalando LaTeX en Windows. • ¿Problemas con la instalación de LaTeX? • Trabajando con LaTeX. Git: Introducción a Git. Sistemas de control de fuentes, por qué usarlos. Qué es Git, de dónde viene. • Introducción a la línea de comandos. Instalación y configuración de Git. Clientes GUI para Linux, Windows y Mac. • Uso básico de Git. Crear y usar repositorios locales. Flujo de trabajo. Archivo gitnore, tags. • Logs y herramientas de análisis, recuperar versiones anteriores.

Día 2. LaTeX: Primeros pasos. Estructura y creación de documentos. El estado mental correcto. Editor de LaTeX Texmaker. Estructura básica de un documento. Creando contenido. • Capítulos y secciones. Entornos. Fórmulas matemáticas. • Crear un documento básico. • Dudas o comentarios sobre el contenido del tema. Git: Trabajando con Ramas. Qué son las ramas y para qué sirven. Creación, fusión y trabajo con ramas. • Conflictos entre ramas, soluciones. Borrado de commits. Rebase. Editado de la historia.

Día 3. LaTeX: Avanzando en contenido y forma. Acentos y UTF-8. Caracteres especiales. Tipos de letra. Más tipos de letra. Cambiado el tamaño de la letra. Unidades de medida. Listas. Primeras tablas. Introducción a las cajas. Cambiando los márgenes de la página. Indentado y espacios entre párrafos. Tablas. Fórmulas matemáticas. • Discusión y debate: “Maldito sea el día en que me metí en esto”. Git: Trabajo remoto. Repositorios remotos. Creación, clonación y sincronización. Conflictos entre repositorios. Identificación, Claves SSH básicas. • Trabajo colaborativo. Esquemas de trabajo.

Día 4. LaTeX: Ampliación de entornos. Fórmulas matemáticas y símbolos especiales. Tablas. Tipos de documento: estilos. Partes de un documento: más entornos. Tipos de letras en fórmulas matemáticas. Símbolos encima de otros. Enfatizado. El uso de las llaves. Paquete amsfonts. Modo “display”. Símbolos especiales. Comandos propios. Más sobre tablas y cajas. • Inserción de gráficos. Ejercicio sobre imágenes, tablas y ecuaciones. Git: Introducción a GitHub. Cómo usar GitHub. Alta y uso básico. Github como red social. GitHub pages. Issues, forks, pull request. Otros repositorios.

Día 5. LaTeX: Bibliografía. Creación de bases de datos para BibTeX. Gestión de base de datos. Estilos en BibTeX. Inserción en un documento. Bibliografía sobre BibTeX. • Ejercicio sobre BibTeX. Git: GitHub avanzado. GitHub avanzado. Planificación del trabajo. Interacción y revisiones usando GitHub.

Evaluación La evaluación será remota y basada en un proyecto: Creación de un documento LaTeX mantenido en GitHub. El documento deberá incluir la mayoría de los conceptos de LaTeX incluidos en el curso.

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación del programa de doctorado al que pertenece también en el asunto.
  • Plazo de inscripción: Del 17 de julio al 20 de septiembre de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Curso de Ciencia Abierta (10-11/2017)

Profesorado

  • Juan Julián Merelo Guervós es catedrático de universidad en el Departamento de Arquitectura y Tecnología de computadores y director de la Oficina de Software Libre.
  • Germán Martínez Maldonado es técnico en la Oficina de Software Libre, graduado en Ingeniería Informática y experto DevOps.
  • José Alonso Arias es técnico en la Oficina de Software Libre, graduado en Ciencias Políticas y con un máster en Administraciones Públicas, aparte de técnico de grado superior en Sistemas Informáticos. Es uno de los encargados de la producción del portal de datos abiertos de la UGR.
  • Manuel Cogolludo Vallejo es experto en software libre y ha trabajado como técnico en la Oficina de Software Libre.

Duración, lugar y fecha

  • Duración: Curso de 20 horas, 10 horas presenciales y 10 horas virtuales (a través de Git o usando Prado).
  • Lugar: Aula 0.4 de la Escuela Técnica Superior de Ingenierías Informática y de Telecomunicación (ETSIIT). Calle Periodista Daniel Saucedo Aranda s/n, http://etsiit.ugr.es/pages/escuela.
  • Fechas y horario: 19, 20 de octubre, 6 de noviembre de 17.00 a 21.00 h y 7 de noviembre de 17:30 a 19:30

Plazas y perfil

  • 25 plazas.
  • Dirigido a todos los alumnos/as de doctorado de los programas de la Escuela de Doctorado de Ciencias, Tecnologías e Ingenierías. El orden de prioridad será decreciente según el número de años en el programa, es decir, tendrán menor prioridad los del primer año.

Justificación académica Trabajar con una metodología de ciencia abierta no sólo permite cumplir una obligación ética de mantener a la sociedad informada de los desarrollos que se hacen con fondos públicos, también lleva una serie de buenas prácticas que resultan en flujos de trabajo más eficientes que permiten que el camino desde la idea a la publicación sea mucho más rápido. Al usar también una serie de herramientas que permiten publicar todo tipo de “artefactos”, desde código a gráficos pasando por comentarios a experimentos fallidos, crean una práctica de comunicación que se acerca más a la divulgación, pero que a la vez permite crear trabajos con revisión entre pares más fáciles de realizar y que, eventualmente cuando se publican, recibirán más atención y más citas al estar en abierto.

Este curso introduce la metodología, las prácticas habituales y los recursos usados en ciencia abierta, con el objetivo esencial de ayudar al estudiante a acercar la práctica a la sociedad y también mejorar sus propias prácticas de experimentación y de publicación de esos experimentos.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno:

  • Sabrá qué es la ciencia abierta y como se relaciona con los conceptos de software libre y datos abiertos.
  • Entenderá el concepto de licencia y como se aplica a contenido, software y datos.
  • Comprenderá las motivaciones principales para abrir todo o parte de su trabajo y como contribuirá a su carrera científica.

El alumno será capaz de:

  • Liberar contenido, software y datos de la forma adecuada y con el mayor impacto posible en su carrera.
  • Trabajar con herramientas libres que permitirán establecer flujos y actualizaciones más eficientes.
  • Entender el concepto de reproducibilidad y cómo se aplica a flujos de trabajo.
  • Usar repositorios de datos abiertos para su propia investigación.

Programa

Día 1. Software libre y datos y conocimiento abierto. Hacia la ciencia abierta. Qué hace libre al software libre. Licencias de software libre. • Conocimiento abierto. Licencias creative commons y su uso en la universidad y biblioteca. Qué liberar y cómo hacerlo. • Datos abiertos: uso de los mismos, licencias, datos abiertos en la UGR.

Día 2. Git y Github, claves para el desarrollo en abierto. El estado mental correcto. Por qué usar git y GitHub. Flujos de trabajo básicos. Colaboración a través de repositorios de código.

Día 3. Más allá del trabajo científico: ciencia de bitácora abierta. Más allá del PDF, elaboración de publicaciones con procesamiento de datos y presentación gráfica incluida. Rmarkdown. Knitr. Jupyter notebooks.

Día 4. Ciencia reproducible: buenas prácticas en el procesamiento de datos científicos. Buenas prácticas en el procesamiento de datos: publicación en abierto de los mismos. Creación de entornos de procesamiento de datos y experimentales reproducibles.

Día 5. Publicación en abierto: posibilidades y retorno. Publicación de todo tipo de artefactos experimentales (datos, código). Publicación de datos específicos. Publicación de flujos de trabajo. Publicación de borradores. Diferentes webs y sus posibilidades y retorno. Revisión en abierto.

Evaluación La evaluación será remota y basada en un proyecto: publicación de un informe de resultados reales procedentes del trabajo científico en alguna web de publicación en abierto.

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación del programa de doctorado al que pertenece también en el asunto.
  • Plazo de inscripción: Del 17 de julio al 20 de septiembre de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Sesión formativa de IEEE: ¿Cómo publicar artículos en IEEE Xplore?

IEEE junto con la Biblioteca Universitaria ha organizado la siguiente sesión formativa Virtual: ¿Cómo publicar artículos en IEEE Xplore?

Duración, Lugar y Fecha:

  • Fecha de realización: miércoles, 22 de noviembre de 2017
  • Hora: 19:30 h.
  • Duración: 1 h. y 30 minutos

Más Información

Esta sesión formativa es de interés para los estudiantes de doctorado del área de ciencias, tecnologías e ingenierías, ya que IEEE es uno de lo editores más importantes en el ámbito de la ingeniería informática y ciencias afines.

Escuela de Doctorado de Ciencias, Tecnologías e Ingenierías

Curso básico de análisis de datos en R (10-11/2017)

Profesorado Coordinador: José María Conde Porcuna (jmconde@ugr.es)

  • Mohamed Abdelaziz (Dpto. Genética)
  • Ana María Aguilera del Pino (Dpto. Estadística e I.O.)
  • José María Conde Porcuna (Dpto. Ecología)
  • Juan Lorite Moreno (Dpto. de Botánica)
  • Rafael Rubio de Casas (Dpto. Ecología)
  • María del Mar Rueda García (Dpto. Estadística e I.O.)
  • Francisco de Asís Torres Ruiz (Dpto. Estadística e I.O.)

Lugar Sala de medios audiovisuales de la Facultad de Ciencias, excepto el 10 de octubre (que será en el aula A-20) y el 10 de noviembre (que será en A-10).

Es necesario llevar pórtatil, pc o mac

Carga docente

  • Horas presenciales: 36 horas (26 horas de clases teórico-prácticas + 7 horas tutorías)
  • Horas no presenciales: 25 horas de estudio/trabajo de los estudiantes.

Plazas y perfil

  • Plazas: 20
  • Dirigido a alumnos/as de doctorado de los programas de la Escuela de Doctorado de Ciencias, Tecnologías e Ingenierías.

Justificación académica

El curso pretende que los estudiantes de doctorado conozcan y apliquen los métodos estadísticos más utilizados en Biología. En las clases se utilizarán datos reales como ejemplos para una mejor comprensión. Los alumnos podrán aplicar los conocimientos adquiridos sobre los ficheros de datos que dispongan para la realización de sus Tesis doctorales. Los análisis que hagan con dichos ficheros serán supervisados inicialmente por el profesorado de la asignatura.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá utilizar análisis estadísticos fundamentales que permitan explicar la respuesta de variables de interés a diversos factores.

El alumno será capaz de diseñar e interpretar experimentos de campo y laboratorio para conocer los posibles factores y su efecto sobre variables de interés.

Programa, calendario y horario 6 de octubre (viernes), 9:00-12:00 (JM Conde). Presentación del curso. Estadística básica: Diseño experimental. Pseudoreplicación y pseudofactorialismo. Tipos de datos.

6 de octubre (viernes), 12:30-14:30 (M Abdelaziz). Estadística básica: Introducción a R. Correlaciones paramétricas y no paramétricas.

10 de octubre (martes), 9:00-11:00 (MM Rueda). Inferencia básica: Problema de una muestra. Problema de dos muestras independientes y apareadas. Contrastes paramétricos y no paramétricos para una y dos muestras.

10 de octubre (martes), 11:30-13:30 (F Torres). Modelos lineales generales: Regresión lineal simple: Ajuste e interpretación de resultados. Predicción. Calibración lineal. Contraste de linealidad para datos repetidos. Comprobación de asunciones.

20 de octubre (viernes), 9:00-11:00 (F Torres). Modelos lineales generales: Regresión lineal múltiple: Ajuste e interpretación de resultados. Restricciones lineales. Selección de regresores.

20 de octubre (viernes), 11:30-13:30 (MM Rueda). Modelos lineales generalizados: variables explicativas cuantitativas: Regresión logística binomial y multinomial. Selección de regresores. Regresión de Poisson.

25 de octubre (miércoles), 9:00-11:00 (AM Aguilera). Análisis de datos categóricos: Independencia y asociación en tablas bidimensionales.



25 de octubre (miércoles), 11:30-13:30 (AM Aguilera). Análisis de datos categóricos: Independencia condicional y asociación parcial. Metodología de Mantel-Hanzel.

3 de noviembre (viernes), 9:00-11:00 (J Lorite). Diseño de experimentos y análisis de la varianza (ANOVA): Diseños completamente aleatorizados. Diseños en bloques. Cuadrados latinos y grecolatinos. ANOVA paramétrico.

3 de noviembre (viernes), 11:30-13:30 (J Lorite). Diseño de experimentos y técnicas Anova asociadas: ANOVA de medidas repetidas. Diseños anidados.

10 de noviembre (viernes), 9:00-11:00 (M Abdelaziz). Contrastes múltiples no paramétricos: Muestras independientes: Análisis de Kruskal-Wallis. Muestras dependientes: Análisis de Friedman y Prueba de Cochran.



10 de noviembre (viernes), 11:30-13:30 (JM Conde). Modelos lineales: variables explicativas cuantitativas y cualitativas: ANCOVA. Modelos y selección de modelos: AIC y AICc.

16 de noviembre (jueves), 9:00-11:00 (R Rubio). Correlación y regresión de matrices de distancia: ¿Qué es una matriz de distancia? Análisis espacial: Análisis de Mantel simple.

16 de noviembre (jueves), 11:30-13:30 (R Rubio). Correlación y regresión de matrices de distancia: Análisis de mantel parcial. Regresión múltiple de matrices (MRM).

  • Otras actividades

De manera no presencial, los alumnos irán trabajando con ficheros de datos de sus Tesis doctorales (si aún no dispusieran de ellos, se les entregarían ficheros de datos).

Semana del 27 de noviembre al 1 de diciembre: Supervisión del trabajo de los alumnos de forma personalizada (los alumnos serán repartidos entre los profesores según las afinidades previamente establecidas). Los horarios para la supervisión de notificarán a la finalización de las clases.

Evaluación Valoración final del trabajo individual a partir de una o varias bases de datos, considerando la estrategia seguida en el análisis de datos, la interpretación de resultados y la elaboración de conclusiones (100%).

Forma y plazo de inscripción

  • Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación del programa de doctorado al que pertenece también en el asunto.
  • Plazo de inscripción: Del 17 de julio al 20 de septiembre de 2017. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Forma de inscripción: Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción a curso Herramientas de búsqueda y gestión de información para el desarrollo de la Investigación ” en el asunto y con indicación del programa de doctorado al que pertenece también en el asunto.

Curso 2015/2016

Taller de escritura/elaboración/preparación de un artículo científico

Writing a research paper in English: strategies and techniques

Profesorado, duración, lugar y fecha

Dra. Pamela Faber Benítez, Catedrática Departamento de Traducción e Interpretación. Universidad de Granada. 40 horas (10h presenciales + 30 trabajo personal). Lugar: Aulario EIP (Antigua Facultad de Ciencias de la Salud); Aula de Informática nº 2. Fechas: 2, 4, 7, 9 y 11 de marzo, 8-10.00 h.

Plazas y perfil

30 plazas. Dirigido preferentemente a alumnos/as de segundo año de doctorado. Así mismo, para el buen aprovechamiento de los alumnos, deben tener un nivel razonable de inglés tanto hablado como escrito (al menos, B2).

Programa

1. Introduction. 1.1 English as a lingua franca in the scientific world 1.2 The need to publish 1.3 Types of paper

2. Organization. 2.1 Sections 2.2 Content 2.3 Format and Layout 2.4 Common errors

3. Language. 3.1 Syntax and sentence structure 3.2 Semantics and terminology 3.3 Style and punctuation 3.4 Common errors

4 Strategies 4.1 Making notes 4.2 Keeping track of references 4.3 Translation: problems and pitfalls 4.4 Revising 4.5 Avoiding plagiarism

Competencias

CA04 - Trabajar tanto en equipo como de manera autónoma en un contexto internacional o multidisciplinar. CA05 - Integrar conocimientos, enfrentarse a la complejidad y formular juicios con información limitada. CA06 - La crítica y defensa intelectual de soluciones. CB11 - Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo CB14 - Capacidad de realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas. CB15 - Capacidad de comunicación con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional.

Forma de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto. Adjuntar certificado de nivel de inglés.

Plazo de inscripción: 18-29 de enero de 2016. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Python avanzado para ciencia e ingeniería

Profesorado

José Vicente Pérez Peña (UGR)

Duración, lugar y fecha

12 horas presenciales (+6 horas no presenciales). 5, 6, 12, 13, 19, 20 de Mayo. Sesiones Jueves y Viernes de 15:30 a 17:30 h. Aula Juan Campos (1ª planta del Hall de la Facultad de Ciencias). Se necesita portatil propio (Mac o PC).

Plazas y perfil

15 plazas. Dirigido preferentemente a alumnos/as de segundo año de doctorado.

Justificación académica

Python es uno de los mejores lenguajes para su uso científico y técnico. Tiene algunas características que lo hacen realmente interesante en este ámbito, como son; es interpretado, de alto nivel, muy fácil de aprender, fácilmente extensible y cuenta con una librería estándar con mucha funcionalidad. Este lenguaje está siendo actualmente utilizado por instituciones científicas como la NASA, JPL, y otras como Google, DreamWorks, Disney, etc. En el ámbito científico y técnico, python se está abriendo paso de forma firme gracias a librerías específicas como numpy, matplotlib y scipy. El uso de estas librerías ofrece a los usuarios de Python una infinidad de recursos matemáticos y científicos para la resolución de problemas complejos y la creación de gráficos de muy alta calidad.

Algunas de las operaciones básicas utilizadas en cálculo y programación científico-técnica incluyen matrices, integrales, ecuaciones diferenciales, estadística, etc. Python en su paquete básico no cuenta por defecto con funciones para realizar este tipo de cálculos directamente. Así mismo, los tipos básicos de variables de Python no están optimizados para el manejo de gran cantidad de datos. NumPy y SciPy son dos librerías muy potentes que cuentan con toda esta funcionalidad de la que carece el paquete básico de Python, y por tanto que posibilitan la utilización de este lenguaje para fines científicos y técnicos.

La librería de numpy se especializa en el procesado numérico utilizando matrices multidimensionales, y permite un cálculo matricial directo al igual que programas especializados como matlab. Así mismo cuenta con métodos y funciones para la creación, manejo, redimensionado, etc., de matrices, lo cual reduce considerablemente el esfuerzo de programación requerido en otros lenguajes.

La librería de matplotlib es una librería gráfica que toma todas las ventajas de numpy. Permite la creación de infinidad de gráficos de alta calidad (ráster y vectorial), así como la modificación de todas sus características. Matplotlib no solo se integra perfectamente con numpy, sino que permite el lenguaje de marcado de LaTeX, pudiendo crear gráficos de muy alta calidad para publicaciones científicas e informes técnicos.

SciPy va un paso más allá, y utiliza toda la funcionalidad de numpy para realizar cálculos matemáticos avanzados como la integración, diferenciación, algebra lineal, no lineal, etc. También cuenta con multitud de funciones de alto nivel para el tratamiento estadístico de los datos.

Una lista complete de todas las funciones de numpy, matplotlib y scipy ocuparía cientos de páginas, por lo que en este curso se tratarán las funciones más utilizadas. Se introducirá al alumno en las rutinas de trabajo con estas librerías y a la resolución de los problemas más comunes en ciencia e ingeniería. Con este curso también se pretende que el alumno tenga los conocimientos necesarios para entender la documentación de estas librerías con el fin de capacitarlo para poder utilizar funcionalidad específica de las mismas no tratada en este curso.

Objetivos educativos, profesionales y competencias generales adquiridas

El alumno sabrá: • Manejo de matrices multidimensionales con numpy • Funciones básicas para la creación y utilización de matrices de numpy • Lectura-escritura en disco de datos • Creación y representación de funciones matemáticas • Creación de distintos gráficos con matplotlib • Modificación de símbolos y leyendas • Funciones mátematicas de alto nivel y estadística con scipy

El alumno será capaz de: • Crear y modificar gráficos • Integrar LaTeX directamente en un gráfico • Representar funciones y resolver ecuaciones matemáticas • Entender la documentación de las librerías de Python • Realizar cálculos matemáticos de alto nivel y resolución de problemas complejos

Programa formativo

Tema 1. Manejo de datos con numpy (4h) • Constantes y funciones de numpy • Arrays de numpy • Métodos para la creación de arrays • Operaciones con arrays • Indexado y slicing en arrays • Leer y guardar arrays en archivos de texto

Tema 2. Representación gráfica con matplotlib (4h) • Representación básica de funciones • Representación de varias curvas • Representación de nube de puntos • Representación de histogramas y boxplots • Definiendo colores y símbolos • Añadiendo leyendas y etiquetas • Control de ejes • Representación de múltiples figuras

Tema 3. Análisis numérico con scipy (2h) • Integración numérica • Ecuaciones diferencias ordinarias • Ecuaciones algebraicas no lineales • Ajuste e interpolación

Tema 4. Estadística con scipy (2h) • Estadística básica • Análisis espacial y clúster • Procesado de señales e imágenes

Forma de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.

Plazo de inscripción: 7-18 de marzo de 2016. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

Preparación y elaboración de proyectos

Profesorado, duración, lugar y fecha

Vicerrectorado de Investigación y Transferencia. 10 horas. Sala de conferencias del edificio CTT, Gran Vía 48, sexta planta. Del 4 a 6 de abril, de 10 a 13 h.

Plazas y perfil 30 plazas. Estudiantes de doctorado de tercer año y egresados recientes (dos años).

Programa

  • 4 Abril.

10.00-11.30 h.

¿Qué es un proyecto?. Fases. Definición de objetivos. Planificación. Control. Justificación. Principales convocatorias de financiación de proyectos para jóvenes doctores. Plan Estatal y Horizonte 2020. Convocatorias de especialización posdoctoral en Plan Estatal. Junta de Andalucía y Horizonte 2020.

Por: Miguel Angel Guardia López y José Antonio Carrillo Miñán.

12-13 h.

Aspectos esenciales para la presentación de un proyecto de éxito (1). La evaluación del curriculum. 10 reglas de oro para la publicación de artículos científicos en revistas de impacto.

Por: Daniel Torres Salinas.

  • 5 abril.

10.00-13.00 h.

Aspectos esenciales para la presentación de un proyecto de éxito (2). Los aspectos éticos. Los códigos de buenas prácticas en investigación y doctorado. La solicitud del proyecto. Principales apartados. La elaboración del presupuesto. La evaluación del proyecto. Criterios de evaluación. ¿Qué critican los evaluadores en una solicitud de proyecto? Casos prácticos de informes de evaluación de proyectos del Plan Nacional. El equipo de investigación. Integrarse en un equipo de investigación de forma activa. Motivación y liderazgo (“equipos emocionalmente inteligentes”).

Por: Miguel Angel Guardia López, María del Carmen Aguilar Luzón y Marian Gómez Letrán.

  • 20 de abril.

10-13 h.

Caso práctico de discusión y presentación de un proyecto.

Por: Leandro di Stasi (Talent Hub, jóven investigador con proyectos activos y anteriormente postdoc en EEUU; Departamento de Psicología Experimental). Forma de inscripción

Los alumnos deben mandar un email a la Escuela de Doctorado (epdoctorado@ugr.es) con la palabra “Inscripción a cursos” en el asunto y con indicación de la escuela doctoral a la que pertenece también en el asunto.

Plazo de inscripción: Del 11 al 20 de Enero. En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según su adecuación al perfil del curso y el orden de inscripción.

CONFERENCIA: Scientific Publication: How to Survive?

  • Prof. Igor Vlahović, University of Zagreb, Croatia
  1. Parte I: martes 8 de noviembre, 11–13:30 h.
  2. Parte II: miércoles 9 de noviembre, 11–13:30 h.

En ambos casos en el Salón de Grados de la Facultad de Ciencias

Lectures on the practical aspects of the preparation and writing of scientific papers, dealing with reviewers and editors, keeping motivation for writing, and keeping a good relationship and fruitful cooperation with PhD advisors.

Scientific publishing is focused on distribution of new results, enabling their visibility to wider scientific community, but also helping researchers to obtain their academic promotion and fundings of future projects. Constant pressure is well-described by a common expression 'publish or perish', and in order to survive every scientist should learn and master all phases of the process. That is today necessary because even the most original scientific results can be seriously and irreversibly neglected if not presented properly.

We will go through the entire process of scientific publication from different perspectives, not only from the author's corner but also from the editor's and reviewer's side, to see common mistakes more clearly and discuss how to avoid them. The most important questions addressed will include: Why, where and how to publish your scientific results? What is responsible conduct of research and how to avoid common mistakes, including plagiarism and autoplagiarism? How to cooperate and publish with your advisor? What questions to address while preparing a concept of your paper? What is the structure of the scientific paper and how to present your data? How to fight procrastination and finally finish the paper? How and when to choose a journal and how to prepare the final version of your manuscript for submission? How to successfully communicate with editors and reviewers? What to do after your paper is published and what to do if it is finally rejected?

Conference_Vlahovic_8_11_2016