10. DADES MASSIVES I INTEL·LIGÈNCIA ARTIFICIAL PER LES CIÈNCIES SOCIALS (Curs Online)

Presentació

En aquest curs ens endinsarem en el món del big data o dades massives i en diverses tècniques d'anàlisi basades en intel·ligència artificial, com el Machine Learning o Aprenentatge Automàtic, o com la Programació del Llenguatge Natural.

El curs es durà a terme mitjançant lliçons curtes (entre 15 i 30 minuts) gravades en vídeo i que l'alumne o l'alumna podrà seguir de manera asincrònica, quan li vagi millor. La majoria de les sessions (i.e. 2/3) tenen una component pràctica, que l'alumne podrà dur a terme i replicar amb el seu ordinador.

Aprendrem a utilitzar Python 3 sense programar, fet que ens permetrà saltar-nos varies etapes i reduir considerablement la corba d'aprenentatge d'aquest tipus de llenguatges avançats. Com a resultat, l'alumne o alumna serà capaç d'implementar operacions avançades de mineria de dades i aprenentatge automàtic en acabar el curs. El programa central del curs és Orange Datamining, un programa de mineria de dades i aprenentatge automàtic basat en Python 3 que proporciona un entorn gràfic que fa possible utilitzar Python 3 sense necessitat de picar codi de programació.

Vídeo de Presentació 

OBJECTIUS

Objectius del curs

Els objectius del curs son els següents:

-        Adquirir i interioritzar coneixements bàsics sobre intel·ligència artificial, aprenentatge automàtic i aprenentatge profund, aplicats al camp de la Ciència Social.

-        Adquirir solvència tècnica amb Orange Datamining per Python3 i amb les principals tècniques de mineria de dades i aprenentatge automàtic.

-        Desenvolupar competències específiques en l'aplicació de tècniques de classificació, predicció numèrica, clusterització que permetin a l'alumne o alumna dur a terme investigacions de manera autònoma.

PROGRAMA

El curs consta de 3+1 blocs que succeiran durant tres setmanes consecutives.

• El primer bloc el dedicarem a qüestions conceptuals i teòriques. Veurem qüestions com les diferències entre el Machine Learning i la Estadística o entre els mètodes d'aprenentatge supervisat i no supervisat. També introduirem el paradigma del Deep Learning o aprenentatge profund, i ens hi aproparem des d'una vessant tant tècnica com fenomenològica. També durem a terme la instal·lació del software principal del curs (i.e. Orange Datamining per Python3) i implementarem algunes tasques pràctiques: neteja de dades, mineria de textos, anàlisi de sentiment.
• En el segon bloc durem a terme una sèrie de pràctiques de classificació, predicció numèrica i clusterització. Posarem en pràctica els elements que haurem vist en el mòdul anterior sobre l'aprenentatge supervisat i treballarem amb tècniques com la regressió (lineal o logística) els arbres de decisió o els models Random Forest o de Boscos Aleatoris. Per altra banda, també posarem en pràctica tècniques d'aprenentatge no supervisat com els algoritmes k-Means o de Modularitat Louvain.
• En el tercer bloc el dedicarem a tècniques molt avançades i que s'han desenvolupat principalment durant la darrera dècada. Es tracta dels models de Deep Learning o d'aprenentatge profund basats en models d'encaixos o embeddings. Veurem com podem articular estratègies d'anàlisi social sobre diversos corpus de documents o d'imatges amb aquest tipus de tècniques.
• Finalment, el quart bloc el dedicarem a resumir els continguts del curs i a presentar una sèrie de possibles fulls de ruta per aquells que vulgueu aprofundir en la Ciència Social computacional.

Destinataris

Alumnat de tots els nivells (grau, màster i doctorat) i professionals actius de les Ciències Socials, amb interès per l'anàlisi social de dades massives (Big Data), la comunicació digitals i l'Anàlisi de Xarxes Socials.

PROFESSORAT

Dr. Jordi Morales i Gras Doctor en Sociologia per la UPV/EHU. Director de Network Outsight. Expert en Psicologia Social, Comunicación i Big Data. Professor a la UPV/EHU i la UOC.

DATA LÍMIT D'INSCRIPCIÓ

CALENDARI DE CLASSES

Del 25 de març al 15 d'abril de 2021.
Curs asincrònic a través de la Plataforma Virtual Moodle.

LLOC ON S'IMPARTEIX

Curs asincrònic a través de la Plataforma Virtual Moodle.

DOCUMENTACIÓ NECESSÀRIA

Per formalitzar la matrícula del curs, cal adjuntar la següent documentació:

- Fotocòpia del DNI/NIE (només per aquelles persones que no estan col·legiades)

- Fotocòpia del comprovant de pagament del curs (només per aquelles persones que facin el pagament a través de transferència bancària).

- Els estudiants de Ciències Polítiques i/o de Sociologia (amb la meitat de crèdits totals aprovats) gaudeixen d'un preu especial. En cas de ser-ho, caldrà presentar una còpia de la matrícula de la universitat de l'any en curs.

- Per poder gaudir del descompte per aturats, cal aportar document de situació administrativa (SOC). Només es pot gaudir d'un descompte per persona i curs

El Col·legi de Professionals de la Ciència Política i de la Sociologia de Catalunya tracta la informació que ens proporciona amb la finalitat d'oferir-li el servei sol·licitat. Es conservaran les dades facilitades mentre es mantingui la relació o durant els anys necessaris per complir amb les obligacions legals. Les dades no seran cedides a tercers, excepte en els casos en què hi hagi una obligació legal. Vostè té el dret d'obtenir confirmació de si al Col·legi de Professionals de la Ciència Política i de la Sociologia de Catalunya estem tractant les seves dades personals, així que té dret a accedir a les seves dades personals, rectificar les dades inexactes o sol·licitar la seva supressió quan les dades ja no siguin necessàries.

Responsable: Identitat: Col·legi de Professionals de la Ciència Política i de la Sociologia de Catalunya-NIF: Q5856239H Direcció postal: C/Roger de Llúria, 155; Entresòl 1a; 08037 Barcelona Telèfon: 932414122 Correu electrònic: colpis@colpis.cat

(1) El preu per estudiant s'aplica exclusivament als estudiants de les llicenciatures de Ciències Polítiques i Sociologia.

(2) Per considerar efectiva la matrícula és imprescindible fer arribar al Col·legi, abans de l'inici del curs, els documents que s'indiquin a la fitxa de cada curs.

(3) El COLPIS no garanteix la realització d’aquesta activitat formativa si no s’arriba a un número mínim d’alumnes.

(4) Una vegada formalitzada la matrícula no es retornarà l’import de la mateixa excepte que l’organització anul·li l’activitat formativa.