una dÉcada de formaciÓn en data...

UNA DÉCADA DE FORMACIÓN EN DATA MINING

Dra. Ana Silvia Haedo10º Aniversario de la Maestría. 15 de mayo de 2014.

www.datamining.dc.uba.ar

La Maestría

• Formación: Carreras de Especialización y Maestría.

• Investigación: Proyectos.

• Consultoría: Cooperación y Complementariedad.


Organización


Proyecto conjunto entre la Facultad de CienciasExactas y Naturales y la Facultad de Ingeniería,Universidad de Buenos Aires.

Autoridades


Directora: Dra. Ana Silvia HaedoCo-directora: Lic. Adriana Echeverría

Comisión Asesora FCENTitulares: Mg. Cecilia Ruz y Dr. Enrique SeguraSuplentes: Mg. Gustavo Koblinc y Dr. Lin Min-Chih

Comisión Asesora FITitulares: Lic. Mónica Kuhn y Lic. Arturo ServettoSuplentes: Ing. José Luis Cabrera y Mg. Gustavo López

Plantel Docente


• Lic. Ariel Aizemberg• Ing. Gabriela Calvo• Dr. Aldo Calzolari• Dr. José Castaño• Esp. Débora Chan• Dr. Claudio Delrieux• Mg. Gustavo Denicolay• Dr. Guillermo Folguera• Dra. Ana Silvia Haedo• Dr. Waldo Hasperué

• Lic. Laura Lanzarini• Dra. Irene Loiseau• Mg. Gustavo Markel• Lic. Ernesto Mislej• Dr. Marcelo Soria• Mg. Silvia Pérez• Mg. Eduardo Poggi• Mg. Pablo Poloni• Mg. Cecilia Ruz• Esp. Laura Scasso


Data Mining

Tecnologías de base de datos Estadística

Ciencia de la información

Visualización Otras disciplinas

Aprendizaje automático

Vocación Interdisciplinaria

Atributos de la Maestría


• Primer posgrado DM en Argentina y Latinoamérica• Perfil altamente requerido por las empresas• Actualización e innovación permanente• Partner del programa europeo Erasmus Mundus• Carreras acreditadas por CONEAU (Cat. C. Res. 43/14)• Convenios con empresas de software• Invitados internacionales de primer nivel• Colaboraciones en proyectos científico-tecnológicos

Graduados: trabajos destacados


• BUTTI, M. “Bioplat: una plataforma para la identificaciónde biomarcadores con poder de pronóstico en cáncer.”

• CALVO, J.; FERNÁNDEZ, F. y GÁNDARA, H. “Posturasde voto y relaciones de afinidad en la Cámara deDiputados de 2006 a 2011.”

• LAMAGNA, W. “Visualización de ataques a una redinformática.”

• MERCOL, J.P. “Clasificación Automática de Naranjasutilizando Técnicas de Data Mining y Procesamiento deImágenes.”

• TAIÉ, A. “Desarrollo de una metodología de extracción deconocimientos a partir de datos de micromatrices de DNAbasada en ontologías genéticas.”

Tendencia Alumnos-Graduados


0

10

20

30

40

50

60

70

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Alumnos

Graduados

Contexto de la disciplina

� Nuevas (y viejas) reflexiones:

De qué modo trabajar con múltiples campos de aplicación.

Articular técnicas con nuevos ecosistemas tecnológicos.

Formar profesionales que actuarán en un futuro incierto.


• Nuevas denominaciones deespecialidades: ej. Data Scientist.

• Fenómenos emergentes: Cuandocomenzamos el dictado delposgrado no se hablaba de RedesSociales ni Big Data.

Contexto de la disciplina (cont.)


• Propiciar interacciones universidad-sector CyT-industria.

• Necesidad de una formación más amplia:técnicas y competencias específicas.

• Demanda de profesionales insatisfecha:según estudios de consultoras privadasse crearán 4.4 millones de empleosen Big Data para el período 2014-2015

pero sólo 1/3 de estos estarán cubiertos.

¿En qué estamos hoy?


• Difusión de conceptos de Data Mining en la comunidad.

• Curso ECI-Big Data Analytics: Prof. Jaideep Srivastava.

• Cooperación con diferentes universidades argentinas.

• Interacciones con empresas e instituciones del sector TIC.

• Reencuentro Comunidad de Graduados.

• Desarrollo de Jornadas de Data Mining.

• Nueva Web, Boletín Predictivos, Notas en los medios, etc.

Época de Balances


Agradecimientos especiales


MUCHAS GRACIAS


una dÉcada de formaciÓn en data...

Documents