Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI 2017)

Del 5 al 7 de julio se realizaron en Cáceres las Jornadas sobre la Enseñanza Universitaria de la Informática. Este evento, que cuenta ya con 23 ediciones, congrega a profesores de Informática en educación superior para compartir experiencias en educación. Y aunque en principio es un congreso reducido, hubo más de 70 participantes y se presentaron 43 contribuciones de temática muy distinta. Es curioso observar que profesores de diferentes universidades, tanto presenciales como virtuales, acaban teniendo los mismos problemas y dificultades. Y es que existen unos problemas recurrentes que aparecen en cada edición: Asignaturas de primer curso: Los alumnos tienen muchos problemas para superar las asignaturas de primer curso. Sea por los contenidos o por el cambio de estudios de secundaria a la universidad. Abandono y/o presencialidad en las aulas: En las universidades presenciales ven como en ciertas asignaturas los profesores se quedan solos. ¿Dónde van los alumnos? ¿Se aburren? ¿No les interesa? Los profesores se las tienen que ingeniar para atraer los alumnos a clase. De forma similar, en las virtuales los alumnos abandonan o trabajan de forma independiente. Metodologías de aprendizaje grupales o técnicas de ludificación pueden ayudar a reducir este abandono. Asignaturas de programación: Las asignaturas de esta área siempre han tenido el problema de un bajo número de aprobados. Además, después de analizar el aprendizaje de los alumnos después de las asignaturas vemos que no aprenden lo que deberían. No entienden muy bien los conceptos de programación, memoria, dónde se guarda la información al ejecutarse un programa y, lo más importante, la calidad del código realizado. Un tema importante que se ha podido ver en los...

Data Scientist Specialized in Life Sciences

JOB PURPOSE JOB FUNCTIONS Selecting features, building and optimizing classifiers using machine learning techniques. Data mining using state-of-the-art methods and developping the right algorithms to achieve the expected results. Applying third party sources of information when needed. Enhancing data collection procedures to include information that is relevant for building analytic systems. Processing, cleansing, and verifying the integrity of data used for analysis. Converting ad-hoc analysis in general algorithms that allows to present results in a clear manner. Creating automated anomaly detection systems and constant tracking of its performance. REPORTING TO: CSO DEPARTMENT EDUCATION LEVEL BS degree in Information Technology, Computer Science, Mathematics of Physicists (Physicists have strong mathematical background, computing skills, and come from a discipline in which survival depends on getting the most from the data). Knowledge and experience with common data science toolkits, such as R, Weka, NumPy, MatLab. Knowledge in platforms with data science tools (AWS, Google, Spark). Excellent understanding of machine learning techniques and algorithms, such as k-NN, Naive Bayes, SVM, Decision Forests, etc. SKILLS Experience with common data science toolkits, such as R, Weka, NumPy, MatLab, etc. Excellence in at least one of these is highly desirable. Experience with data visualisation tools, such as D3.js, GGplot, etc. Proficiency in using query languages such as SQL, Hive, Pig Experience with NoSQL databases, such as MongoDB, Cassandra, HBase Good applied statistics skills, such as distributions, statistical testing, regression, etc. Good scripting and programming skills. Advanced knowledge in Python, R. Desirable in Java. Data-oriented personality. Ability to work autonomously. JOB SPECIFIC AND EXPERIENCE Take ownership of customer issues reported and see problems through to resolution Research, diagnose, troubleshoot...

Ética de los Big Data: un libro necesario

Se ha publicado en la interesante colección de Tecnología de la editorial de la UOC, que dirige mi colega Toni Pérez, el “manual” Una ética para Big Data: Introducción a la ética de datos masivos, de Rosa Colmenarejo, profesora de la Universidad Loyola de Andalucía y colaboradora de la UOC, ingeniera, antropóloga y filósofa. En su origen, procede de materiales de nuestros programas de Inteligencia de Negocio y Data Science, trabajados con Montse Serra. Ahora estamos ante un librito urgente, necesario y prometedor, que no puedo dejar de recomendar. Urgente El conjunto de los problemas y dilemas éticos que afrontamos los directivos, usuarios, técnicos, analistas, estudiantes y docentes, que trabajamos con datos masivos, y los ciudadanos que cedemos, con mayor o menor consentimiento, nuestros datos a casi cualquiera, o que estamos expuestos a la vigilancia de otros que desconocemos, afectan como mínimo, ya lo sabíamos, a la identidad, la privacidad, la propiedad y la reputación. Pero eso quiere decir también y en sentido más amplio que impactan a la autonomía, la dignidad y la solidaridad –o sea, a todo lo que nos hace humanos: poca broma. Estas tecnologías diluyen la separación entre el espacio privado y el espacio público, la identidad online y la identidad offline, lo individual y lo colectivo, lo local y lo global, la propiedad y la pertenencia. Sólo levantar esta consciencia y dirigirse a ese estupor entre nuestros estudiantes y profesores y entre un público más amplio merece aplauso. Colmenarejo lo hace con tranquilidad, documentación, reflexión y rigor. La autora nos introduce en los conceptos básicos que han formado la filosofía de la sociedad y la ética,...

Lecciones aprendidas sobre deep learning para la detección de fraude de tarjetas de crédito

En este post os presentamos un resumen y la presentación completa de una de las charlas del UOC Data Day, celebrado el día 14 de junio de 2017 en Barcelona sobre el uso de las redes neuronales (deep learning) para la detección de fraude de tarjetas de crédito. Esta ponencia fue a cargo de Alberto Rubio Muñoz, Senior Data Scientist en BBVA Data & Analytics y profesor colaborador docente del área de minería de datos y machine learningdel Máster universitario en Ciencia de datos (Data Science). Los datos están cambiando nuestra sociedad. Debido a los datos estamos repensando nuestras industrias para construir mejores productos: agricultura, educación, finanzas, jurídicos, etc. Con el advenimiento de los datos, un hijo pródigo del machine learning ha vuelto a la delantera para desempeñar un papel principal: las redes neuronales artificiales, también conocido como Deep learning o aprendizaje profundo. En esta charla, proporcionaremos algunas ideas sobre su aplicación para detectar transacciones de tarjetas de crédito fraudulentas realizadas en tiendas y minoristas en línea. También describiremos los datos que usamos, cómo se entrenan las redes neuronales y cómo se mide su eficiencia o precisión. Además, reflexionaremos sobre cómo la posibilidad de procesar gran cantidad de datos ha impulsado el deep learning y el machine learning en la industria. A continuación, os dejamos la grabación de la ponencia completa, así como el material de soporte utilizado para la presentación. ¡Esperamos que la disfrutéis! Nota: Este artículo ha aparecido previamente en el blog de Análisis y Ciencia de Datos de la UOC: http://dataanalysis.blogs.uoc.edu/.   Jordi Casas es profesor de los Estudios de Informática, Multimedia y Telecomunicación en la UOC y director...

Openbank Development Team

Openbank tiene abierto el proceso de selección Openbank Development Team, en el que buscan perfiles de desarrolladores Java, JavaScript, iOS y Android, y adicionalmente perfiles de Big Data. La oferta esta orientada a perfiles a partir de 1-2 años de experiencia y alto nivel de inglés. Puede ser especialmente interesante para estudiantes del máster en Desarrollo de Aplicaciones Móviles. Encontrareis todos los detalles...