Primer curso sobre Desarrollo de proyectos basados en Big Data en el sector de la Movilidad

La Fundación Mobilitat Sostenible i Segura, con sede en Barcelona, a través de un acuerdo de colaboración con la Universitat de Vic-Universitat Central de Cataluna, lanza su  primer curso sobre Desarrollo de proyectos basados en Big Data en el sector de la Movilidad.

 

Este curso se erige como una oportunidad única para sumergirse en el vasto mundo del “Big Data” y su aplicación en proyectos del sector de la movilidad. Durante esta formación, usted adquirirá la habilidad de distinguir las numerosas posibilidades que el "Big Data" presenta en este contexto, lo que te permitirá abrir nuevas puertas en términos de gestión de la movilidad y del tráfico, la planificación de rutas, la reducción emisiones y la optimización de la eficiencia del transporte en entornos urbanos y regionales.

El enfoque principal del curso se centra en dos pilares fundamentales: la utilización de Python como una herramienta poderosa para el procesamiento eficiente de datos tabulares, y la exploración de las capacidades del servicio Power BI para realizar análisis de inteligencia artificial en conjuntos de datos reales. A medida que uno se sumerge en estos conocimientos, desarrollará la destreza necesaria para trabajar con datos de movilidad en tiempo real y aprovecharlos de forma efectiva en la toma de decisiones.

La adquisición de estas habilidades le proporcionará un valor incalculable, ya que estará preparado para abordar desafíos más complejos y asumir un papel destacado en la implementación de soluciones innovadoras en el ámbito de la movilidad sostenible. Además, contará con la capacidad de evaluar de forma más crítica y efectiva las consultorías externas, lo que te permitirá tomar decisiones informadas y estratégicas en función de las necesidades específicas.

En resumen, este curso se presenta como un viaje enriquecedor que le dotará de las competencias necesarias para destacar en el ámbito de la gestión de la movilidad sostenible, aprovechando al máximo las oportunidades que el “Big Data” y la inteligencia artificial ofrecen para crear un futuro más eficiente y sostenible en términos de transporte.

Público a quien se dirige

• Consultores en movilidad sostenible
•  Técnicos de la administración que se dediquen a gestionar o planificar la movilidad

• Personal técnico de las empresas dedicadas a la movilidad. Personal técnico y político de la administración que quiera mejorar su conocimiento en la captura y gestión de datos de movilidad.

 Programa de contenidos:

Tema 1 –Introducción a Big Data. Principios matemáticos. Fuentes de datos en movilidad. Visualización de datos en movilidad. Modelización en Big Data
EJERCICIO PRÁCTICO: Evaluación y diseño de un estudio de Big Data.

Tema 2 - Manipulación de datos tabulares con Python. Tablas de datos. Series. Gráficos de datos. Agrupaciones de datos. Pivotar y combinar.
EJERCICIO PRÁCTICO: Elaboración de un dossier de análisis de los desplazamientos en un día en España según los datos del MITMA.

Tema 3 - Análisis de Datos y Visualización con Inteligencia Artificial y Aprendizaje Automático. Definir modelos de datos eficientes. Análisis de una variable. Correlaciones. Preguntas basadas en hipótesis utilizando visualizaciones de inteligencia artificial. Análisis de series temporales.
EJERCICIO PRÁCTICO Análisis de la movilidad en bicicleta en Cataluña.

Tema 4 - Optimización de datos tabulares. Transformaciones avanzadas en las tablas de datos. Correlaciones y Edes. Límites de las funciones disponibles y optimización.
EJERCICIO PRÁCTICO creación de una base de datos eficiente para el análisis de la movilidad en una región de España a partir de los datos del MITMA.

Tema 5 - Análisis avanzado utilizando DAX. Funciones DAX agregadas. Medidas y columnas calculadas. Funciones de Filtros. Funciones para trabajar en series temporales.
EJERCICIO PRÁCTICO representación y análisis de la movilidad en una región de España a partir de los datos del MITMA.

Tema 6 - Fundamentos de la ciencia de datos. Aprendizaje no supervisado. Aprendizaje supervisado. Métodos generativos
EJERCICIO PRÁCTICO - Realización de un modelo de ciencia de datos a propuesta del alumno.

Plan de Estudios