Profesores: Anne-Vinciane Doucet, Antonio Fernández Porcel, Mª Ángeles García Gil y Esteban López García
Fecha de realización:
5, 6 y 7 de Marzo (PRIMERA EDICIÓN)
Plazo de Inscripción: Por determinar.
Perfil: Dirigido a alumnos/as de primer año.
Nº Alumnos: 30 por grupo
Lugar de realización: Biblioteca Derecho (Ubicación Calle Duquesa)
Duración: 10-13 horas
Programa:
Perfil de investigador:
Bases de datos:
Gestores bibliográficos:
Forma de Inscripción: Los alumnos deben mandar un email a la Escuela de Doctorado (--LOGIN--faed4646756237a186bfa7f71f5212f2ugr[dot]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 de la escuela doctoral a la que pertenece también en el asunto.
Teaching hours: 30
Date: Nov 5th-9th 2018. From 12th until 16th of November the lecturers will be available to solve out doubts about the course.
Place:
Registration date: 05th-24th October 2018
Number of students (max.): 20
How to apply: Students must send an email to --LOGIN--faed4646756237a186bfa7f71f5212f2ugr[dot]es with the subject “EDCTI-Multivariate Exploratory Data Analysis (MEDA)”. It is required basic knowledge on Matlab. Students with a certificate about Matlab knowledge, have to attached it to the application e-mail and they will have preference for the course admission. Also Doctoral students from second or third year will have preference in the admission.
Do you have complicate data? Difficult to understand? With thousands of variables/observations? Or with too little observations? Missing data? Time series? Multiple sources? Do you want to find groups of individuals? Understand variables relations? Classify? Detect anomalies? Predict? The course goal is to introduce the students to very powerful data analysis techniques with which they will be able to better understand the features of their data and how a data set should be treated and analyzed to pursue their specific goals. The course is led by Professor Rasmus Bro, world leading professor on data analysis in biological sciences, and his collaborator at the UGR Dr. José Camacho, specialist on data analysis in Big Data and Cybersecurity.
Professor Bro is a prominent figure in the field of data analysis and in particular in multivariate analysis. During the last two decades, Prof. Bro has been a principal actor in the development of multivariate analysis in chemical and biological applications in the chemometrics area, in which according to google scholar is the second top researcher. His vast research work is outstanding, presenting an H index equal to 65. Prof. Bro is the author of the most referenced tutorial of PARAFAC (1933 citations), the developer of an extensively used multi-way version of Partial Least Squares (N-PLS) and co-author of more than 200 publications mainly related to the use of multi-way analysis in real life applications. His contributions to the use of constrained modelling are also very relevant, including the use of sparse methodologies for data analysis, and he has co-authored relevant articles to the problem of data fusion, a main challenge in Big Data analyses. The international influence in the community of his course “Multi-way Analysis” and his monograph “Multi-way Analysis: applications in the chemical sciences” is widely recognized. Prof. Bro has taught courses on data analysis in dozens of public and private organizations around the world. From 2001, he is the head of ODIN, an industrial research consortium offering courses, workshops, international contacts and student collaboration.
José Camacho is an associate professor in the Department of Signal Theory, Networking and Communications and researcher in the Information and Communication Technologies Research Centre, CITIC for its initials in Spanish, and in the Network Engineering & Security Group (NESG), both at the University of Granada, Spain. His research interests include exploratory data analysis, anomaly detection and optimization with multivariate techniques applied to data of very different nature, including industrial processes, chemometrics and communication networks. He is especially interested in the use of exploratory data analysis to Big Data for cybersecurity and networkmetrics.
Every person analyze their own data under supervision of the teacher and writes a report. The report must be short and concise. A short description of the data and their background must be provided. A short description of aim of the present work must be provided. This aim is not necessarily the overall aim of the project from which the data stem (although this is of course nice). Rather the purpose should be chosen in order to test and evaluate the students’ ability to use the methods taught at the course. It is important to discuss in detail how the models have been critically used for the stated purposes.
| Day 1: PCA (Prof. Bro) | |
|---|---|
| 9:00-9:15 | Welcome (Bro & Camacho) |
| 9:15-10:00 | Introduction and algebra without tears |
| 10:00-11:15 | Principal Component Analysis – PCA |
| 11:15-11:30 | Break |
| 11:30-12:00 | Software introduction (demos/hands-on) |
| 12:00-12:30 | Exercises – PCA |
| 12:30-13:30 | Validation, outliers – PCA |
| 13:30-15:30 | Lunch |
| 15:30-17:00 | Exercises – PCA |
| Day 2: PLS (Prof. Bro) | |
|---|---|
| 9:00-9:15 | PCA summary |
| 9:15-10:30 | Multivariate calibration - PLS |
| 10:30-10:45 | Break |
| 10:45-11:30 | Exercises – Multivariate calibration |
| 11:30-13:00 | Validation and outliers incl. exercises |
| 13:00-15:00 | Lunch |
| 15:00-16:00 | Preprocessing and nice to know |
| 16:00-16:15 | Break |
| 16:15-17:45 | Competition! |
| Day 3: MEDA & Big Data | (Dr. Camacho) |
|---|---|
| 9:00-10:00 | Introduction to the MEDA Toolbox |
| 10:00-11:15 | Exploratory Data Analysis: Understanding Observations vs Variables |
| 11:15-11:30 | Break |
| 11:30-12:00 | Anomaly Detection with Multivariate Statistical Monitoring |
| 12:00-12:30 | Exercises |
| 12:30-13:30 | Extensions to Big Data |
| 13:30-15:30 | Lunch |
| 15:30-17:00 | Exercises |
| Day 4: Playing with your data I (Prof. Bro & Dr. Camacho) |
|---|
| Time will be devoted to analyze your own data under the supervision of the course monitors, who will guide you through different analysis techniques to pursue your goals. |
| Day 5: Playing with your data II (Prof. Bro & Dr. Camacho) |
|---|
| Time will be devoted to analyze your own data under the supervision of the course monitors, who will guide you through different analysis techniques to pursue your goals. |
Número máximo de alumnos: 20
Fecha: Septiembre-Octubre 2018 (ver más abajo)
Lugar: Seminario de Matemáticas-2, Facultad de Ciencias
Los alumnos deben mandar un email a la Escuela de Doctorado (--LOGIN--faed4646756237a186bfa7f71f5212f2ugr[dot]es ) indicando en el Asunto “Curso avanzado de análisis de datos en R”.
Plazo de inscripción: 13 de junio a 3 de julio 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.
Mohamed Abdelaziz (Dpto. Genética)
José María Conde Porcuna (Dpto. Ecología)
Beatriz Cobo Rodríguez (Dpto. Estadística e I.O.)
Juan Lorite Moreno (Dpto. Botánica)
Antonio Jesús Barrera García (Dpto. Matemática Aplicada, Universidad de Málaga)
Rafael Rubio de Casas (Dpto. Ecología)
José María Conde Porcuna --LOGIN--17059a3258e3081819faea6accca5b04ugr[dot]es
El objetivo del curso es que los estudiantes de doctorado que han cursado el Curso Básico de Análisis de Datos en R puedan profundizar en distintos aspectos específicos y avanzados en el análisis de datos que consideren necesarios para el desarrollo de sus Tesis doctorales. En el caso de no haber cursado el Curso Básico de Análisis de Datos en R, los estudiantes deberán tener conocimientos básicos de análisis de datos y haber utilizado con anterioridad el software R.
Presentación del Curso
Modelos Lineales Multivariantes
Problema de una muestra.
Problema de dos muestras independientes y apareadas.
Regresión lineal múltiple multivariante.
Modelos Lineales Multivariantes Diseños multivariantes. Manova
Análisis multivariantes: Técnicas de reducción de dimensiones y Ordenación
Análisis de componentes principales. Análisis factorial. 21 de septiembre (viernes), 9:00-10:00 (J Lorite)
Análisis multivariantes: Técnicas de de reducción de dimensiones y Ordenación
Análisis multidimensional de ordenación espacial (NMDS)
Análisis multivariantes: Técnicas de de reducción de dimensiones y Ordenación
Análisis de correspondencias (CA)
Análisis de correspondencia corregido (DCA)
Análisis multivariantes: Técnicas de Interpretación.
Análisis de redundancia (RDA)
Análisis multivariantes: Técnicas de Interpretación.
Análisis canónico de correspondencia (CCA)
Análisis canónico de correspondencia corregido (DCCA)
Contrastes de matrices de distancias.
Análisis de similaridad (ANOSIM)
Contrastes de matrices de distancias.
Procedimiento de permutación de respuesta múltiple (MRPP)
Análisis multivariante de la varianza utilizando matrices (NPMANOVA, adonis)
Técnicas de clasificación
Árboles de regresión clasificación
Correlaciones de matrices de distancia: Alternativas a Mantel
Técnicas de clasificación
Análisis discriminante.
Análisis clúster jerárquico y no jerárquico.
Modelos mixtos lineales generales y generalizados (GLMM)
Métodos y técnicas de estimación
Modelos mixtos lineales generales y generalizados (GLMM)
Selección de modelos
Significación de variables aleatorias
Inferencia Bayesiana: Modelos y técnicas de estimación
Introducción a la estadística bayesiana
Utilización de cadenas de Markov Monte Carlo (MCMC)
Información a priori
Inferencia Bayesiana: Modelos y técnicas de estimación
Interpretación
Modelos predictivos
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).
Desde el 29 de octubre hasta el 14 de diciembre de 2018: Supervisión del trabajo de los alumnos de forma personalizada. Para dicha supervisión y evaluación, los estudiantes serán repartidos entre el profesorado según las afinidades previamente establecidas entre el 29 y el 31 de octubre de 2018.
Se evaluarán los análisis realizados por los estudiantes durante el periodo de supervisión de trabajos y se podrá valorar la actitud en clase y tutorías.
Horas presenciales: 34 horas (28 horas de clases teórico-prácticas + 6 horas tutorías)
Horas no presenciales: 25 horas de estudio/trabajo de los estudiantes y 1 hora tutorías electrónicas.
Destinado a Alumnos de las Escuelas de Doctorado de Ciencias, Tecnologías e Ingenierías y de Ciencias de la Salud.
Los alumnos deben mandar un email a la Escuela Internacional de Posgrado (actividadesdoctorado@ugr.es) indicando en el asunto “Curso inmunología frente a microorganismos y activación celular”.
En caso de que haya más solicitudes que plazas se seleccionarán los alumnos/as según el orden de inscripción.
Ana Margarita Espino, profesora del Departamento de Microbiología, Facultad de Medicina de la Universidad de Puerto Rico, Campus de Rio Piedras. Puerto Rico.
1) Inmunidad contra los Microorganismos. A) Bacterias Intracelulares • Mecanismos de patogenicidad • Inmunidad innata • Inmunidad adaptativa • Mecanismos de evasión de la respuesta B) Bacterias extracelulares • Mecanismos a través de los cuales causan su patogenicidad • Inmunidad innata • Inmunidad adaptativa • Mecanismos de evasión de la respuesta C) Inmunidad a los Virus • Inmunidad innata y adaptativa • Mecanismos de evasión de la respuesta.
2) Receptores de tipo toll y su role en la inmunidad innata • Origen, estructura y distribución de TLRs • Ligando(s) y antagonistas para cada TLR • Rutas de señalización • TLRs y la susceptibilidad a las enfermedades • Funciones de los TLRs en el sistema nervioso central • Terapéuticas implicaciones de los TLRs.
3) Paradigma de la diferenciación de macrófagos en M1 y M2 • Origen de M1 y M2 y su contextualización inmunológica • Estímulos requeridos para M1 y para M2 • Selección de M1 y M2 en el contexto de las enfermedades infecciosas.