Sesión | Fecha y hora de inicio | Fecha y hora de finalización | Aula | Ubicación |
---|---|---|---|---|
1 | 03/06/2025 16:00 | 03/06/2025 19:00 | Aula PB SFPIE | Servicio de Formación Permanente e Innovación Educativa (SFPIE) |
2 | 05/06/2025 16:00 | 05/06/2025 19:00 | En línea | |
3 | 06/06/2025 16:00 | 06/06/2025 19:00 | En línea | |
4 | 10/06/2025 16:00 | 10/06/2025 19:00 | En línea | |
5 | 12/06/2025 16:00 | 12/06/2025 19:00 | En línea |
Se seleccionarán las personas participantes de acuerdo con los criterios siguientes:
• Para aquellos cursos que tengan requisitos específicos, se tiene que comprobar que efectivamente las personas solicitantes los reúnen.
• Se otorgará preferencia a las peticiones de aquellas personas solicitantes que no hayan realizado cursos de características parecidas en los últimos tres años.
• Así mismo, se otorgará preferencia a aquellos que no hayan realizado cursos de formación en los últimos tres años.
• En caso de empate entre solicitantes en aplicación de los anteriores criterios, habrá que ajustarse al riguroso orden de entrada de las solicitudes (día y hora de presentación)
- Martin Rivera, Fernando
- PDI-Prof. Permanent Laboral Ppl
- Coordinador/a Curs
Vicente Alepuz Moner
Ingeniero en Telecomunicaciones (UPV).
Máster en Inteligencia Artificial.
Director de Ingeniería en IonClinics & Deionic S.L.
El curso tiene como objetivo capacitar a profesores universitarios sin experiencia en Python en el uso de las librerías Panda, NumPy, Matplotlib y Seaborn para la manipulación y análisis de datos, proporcionando las habilidades necesarias para realizar análisis estadísticos, visualización de datos y manejo de grandes conjuntos de información en su trabajo académico y de investigación.
1.Fundamentos de Python para la manipulación de datos (introducción al entorno Colab y Jupiter Notebook).
2.Librería Panda para la manipulación y anàlisis de datos.
3.Librería Numpy para operaciones matemáticas y manipulación de arrays.
4.Librerías MatplotLib y Seaborn para la visualización efectiva de datos.
5.Integración del anàlisis de datos en investigación académica
1 Uso básico de Python para la manipulación de datos. 2 Manipulación y análisis e datos con Panda. 3 Manejo eficiente de datos numéricos con Numpy 4 Visualización de datos con MatplotLib y Seaborn 5 Integración de herramientas de análisis de datos avanzadas en investigación académica
Asistencia al 85% de les horas síncronas o presenciales, visualización del 100% de los contenidos en línea y la superación de las pruebas de evaluación fijadas.