Actividades EDCTI 2017

Universidad de Granada | Escuela de Posgrado | Administración electrónica

Buscar

Actividades EDCTI 2017

Descargar versión en PDF

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.

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 (epdoctorado@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: Lugar: 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, 12, 13, 21 de octubre. De 18.00 a 20.00 h.

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 (epdoctorado@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: Lugar: 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, 26, 27 de octubre, 3 de noviembre. De 18.00 a 20.00 h.

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 (epdoctorado@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 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, excepto el 10 de octubre (que será en el aula A-20) y el 10 de noviembre (que será en A-10).

Carga docente

  • Horas presenciales: 36 horas (29 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 (epdoctorado@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.