| Sessió | Data i hora d'inici | Data i hora de finalització | Aula | Ubicació |
|---|---|---|---|---|
| 1 | 13/10/2026 16:00 | 13/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 2 | 16/10/2026 16:00 | 16/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 3 | 20/10/2026 16:00 | 20/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 4 | 21/10/2026 16:00 | 21/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 5 | 23/10/2026 16:00 | 23/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 6 | 27/10/2026 16:00 | 27/10/2026 20:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 7 | 29/10/2026 16:00 | 29/10/2026 19:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
| 8 | 03/11/2026 16:00 | 03/11/2026 19:00 | Aula 1.2 SFPIE | Servei de Formació Permanent i Innovació Educativa (SFPIE) |
Vicente Alepuz Moner
Enginyer en Telecomunicacions (UPV).
Màster en Intel·ligència Artificial.
Director d'Enginyeria en IonClinics & Deionic (material electró medicina).
|
El curs té com a objectiu capacitar professors universitaris sense experiència en Python en els fonaments i les aplicacions del Machine Learning (ML), tot proporcionant-los les habilitats necessàries per implementar algorismes bàsics d'aprenentatge automàtic utilitzant Python i llibreries com scikit-learn, fet que permetrà als docents aplicar models de ML en la seva recerca acadèmica o àrees d'interès professional. |
1. Fonaments teòrics del Machine Learning.
2. Principis bàsics de Python i el seu ús en Machine Learning.
3. Preprocessament de dades.
4. Algorismes bàsics de Machine Learning supervisat.
5. Algorismes bàsics de Machine Learning no supervisat.
6. Avaluació i millora de models de Machine Learning.
Fonaments teòrics del Machine Learning.
Programació en Python aplicada al Machine Learning.
Preprocessament de dades i preparació per al Machine Learning.
Implementació d'algorismes supervisats de Machine Learning.
Ús d'algorismes no supervisats de Machine Learning.
Avaluació i ajust de models de Machine Learning.
Assistència, com a mínim, al 85% de les hores presencials i realització de les tasques obligatòries fixades en el programa o encomanades pel tutor o tutora o pel professor o professora.
