Diplomatura en ciencia de datos, aprendizaje automático y sus aplicaciones - Edición 2023 - FAMAF (UNC)

La DiploDatos es una diplomatura con dictado virtual, donde los estudiantes desarrollan habilidades en el área a partir del estudio de casos de ejemplos concretos, aprendiendo al mismo tiempo las herramientas prácticas que les permiten implementar y evaluar soluciones. Este repositorio contiene los entregables prácticos correspondientes a cada una de las materias de la diplomatura y al trabajo de mentoría. Los mismos se encuentran divididos en tres unidades:

• Materias Obligatorias
• Materias Optativas
• Mentoria07

Materias Obligatorias

Grupo 18:

Integrantes:

• Gastelu, Gabriela
• Santos, Maricel
• Hector, Sanchez
• Gonzalez Del Campo, Sabrina

Seguimiento: Bettera Marcat, Matías Alejandro

Estructura:

1. AyVD: Análisis y visualización de datos. Dataset: encuesta Sysarmy.

2. AEyCD: Análisis exploratorio y curación de datos. Dataset: ventas de propiedades en Melbourne, Australia.

3. IAA: Introducción al aprendizaje automático. Datasets: ventas de propiedades en California y otorgamiento de líneas de créditos hipotecarios.

4. AS: Aprendizaje supervisado. Dataset: predicción de diabetes en pacientes.

5. AnS: Aprendizaje no supervisado. Dateset: jugadoras del FIFA 2023.

Materias Optativas

Estructura:

1.BigData : Programación Distribuida sobre Grandes Volúmenes de Datos.

• Docentes:

  • Damián Barsotti (UNC)
  • Illak Zapata

• Estudiantes:

  • Santos, Maricel (materia completa).
  • Sadir, Ines (materia completa).

2. MCDM: Multiple Criteria Decision Making.

• Docentes:

  • Juan B. Cabral (FaMAF-UNC-CONICET)
  • Nadia Luzcywo (FCE-UNC)

• Estudiantes:

  • Gastelu, Gabriela (media completa).
  • Santos, Maricel (media completa).
  • Agustina Maini (media materia).
  • Ezequiel Acosta (media materia).
  • Candelaria Bosch (media materia).

3. DL: Introducción al Deep Learning.

• Docentes:

  • Johanna Analiz Frau (Mercado Libre).
  • Nindiría Armenta Guerrero (fyo).

• Estudiantes:

  • Chevallier-Boutell, Ignacio José (materia completa)
  • Gastelu, Gabriela (media materia).
  • Santos, Maricel (media materia).
  • Spano, Marcelo (materia completa).

Mentoria07

Cambio climático y ML: cómo mitigar las emisiones de CO2 mediante la reducción del consumo energético en construcciones edilicias

• Mentora:
  • Tamara Maggioni

Integrantes:

• Gastelu, Gabriela
• Santos, Maricel
• Carubelli, Marianela
• Rubio, Natalia

En este proyecto se propone mitigar los efectos del cambio climático mediante el análisis de la eficiencia energética de una de las industrias más contaminates (en términos de sus emisiones de CO2) a escala global: la industria de la construcción. Se busca predecir el consumo energético de las edificaciones utilizando un set de datos que contempla algunas características de edificios ubicados en la costa NE de Estados Unidos (mayormente Nueva York) junto con datos climáticos y meteorológicos de los sitios donde dichos edificios están emplazados.

De esta manera, los agentes gubernamentales, tomadores de decisiones y las empresas constructoras podrían contar con una herramienta basada en ML para elaborar normativas, propuestas y/o acciones tanto preventivas (para nuevas construcciones) como de reacondicionamiento (para viejas construcciones).