Jornada

MATLAB TOOLS FOR TEACHING AND RESEARCH, AN INTRODUCTION TO PREDICTIVE DATA ANALYTICS

  • Desde: 26/10/17
  • Hasta: 26/10/17
  • Campus de Valencia
  • Idioma: Castellano
  • Presencial

Promovido por:
Dpto. de Matemática Aplicada

Responsable de la actividad:
Gregorio Rubio Navarro



Modalidad

Presencial Online Emisión en directo

3 horas


0 horas


0 horas

Horario

Mañana y Tarde
12.30-14
15.30-17

Lugar de impartición
Salón de Actos E. T. S. Ingeniería Agronómica y del Medio Rural (edificio 3P)
Certificación

Asistencia

Modalidad

PRESENCIAL

Curso

2017-2018

ECTS

0

Campus

Valencia

3 h

Presenciales

0 h

Online

0,00 € - Público en general

Objetivos

1) conocer las herramientas para la docencia e investigación con la licencia de campus de
MATLAB y plataformas web de e-learning.
2) saber cómo el análisis de datos puede convertir grandes volúmenes de datos complejos en información procesable y mejorar los procesos de diseño y toma de decisiones.

Acción formativa dirigida a

Profesores, investigadores y alumnos que estén interesados en Matlab.


Profesores

  • Carlos Sanchis Bonet Profesional del sector
  • Loren Shure Profesional del sector

Temas a desarrollar

La sesión tendrá dos partes:
1. Herramientas para la docencia y la investigación con MATLAB (Castellano).
2. Seminar: Data Analytics with MATLAB (English)

En la primera parte exploraremos herramientas para la docencia e investigación con la licencia de campus de MATLAB y plataformas web de e-learning como:
· Cody Coursework (https://coursework.mathworks.com) para la corrección automática de ejercicios.
· MATLAB Academy (https://matlabacademy.mathworks.com), cursos online al ritmo de los estudiantes.

In the seminar, you will learn how Data Analytics can turn large volumes of complex data into actionable information and improve design and decision-making processes. You will learn approaches and techniques available in MATLAB to tackle these challenges, including:

· Accessing, exploring, and analyzing data stored in files, the web, and data warehouses.
· Tips for cleaning, visualizing, and combining complex multivariate data sets.
· Prototyping, testing, and refining predictive models using machine learning methods.
· Integrating and running analytics within enterprise business systems and interactive web applications.