Destinado a Alumnos de las Escuelas de Doctorado de Ciencias, Tecnologías e Ingenierías y de Ciencias de la Salud.

• Plazas: 40
• Número de horas: 10 horas (durante una semana en horario de tarde)
• Libre asistencia para estudiantes de master, Investigadores, profesores hasta completar el aforo.
• Lugar: Salón actos del CIC Campus de Fuentenueva o Salón de Actos del Edificio Mecenas
• Fecha: Por concretar

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.

• Coordinación: María Victoria Velasco Collado

• 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

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

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%

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.

• 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.

• 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).

José Vicente Pérez Peña (UGR)

• 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).

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.

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.

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

• 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.

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.

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

• 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: 2, 3, 4, 9, 10, 11 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).

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

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.

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

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

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.

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

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

8 al 20 de Enero 2018.

Dirigido a alumnos/as de primer año.

Nº Alumnos: 30 por grupo

Lugar de realización Biblioteca Derecho (Ubicación Calle Duquesa)

Duración: 10-13 horas

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

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.

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

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.

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).

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

Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) indicando en el asunto “Solicitud curso Writing a research paper in English”. Es necesario adjuntar certificado de nivel de inglés.

Del 18 de diciembre de 2017 al 8 de enero 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.

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

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

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.

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

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.

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.

• Los alumnos deben mandar un email a la Escuela de Doctorado (actividadesdoctorado@ugr.es) con la palabra “Inscripción al curso Aplicaciones de los SIG a la planificación” 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:Inscripciones del 14 al 22 de Noviembre de 2017

• Actividades generales y de otras Escuelas de Doctorado

• Actividades específicas de los programas de doctorado y otras noticias relacionadas.

Para completar la información, consulte las páginas web de los programas.

• Listado completo de actividades trasversales Anteriores