Instituto de Investigación e Ingeniería Ambiental
El objetivo fundamental de este curso es proveer las herramientas básicas para la resolución de problemas profesionales que involucren variables experimentales. Dichas problemáticas aparecen en actividades tan variadas como la química, la biología, el medioambiente, la ingeniería o la arqueología. Inicia el 6 de abril 2016.
EQUIPO DOCENTE
Profesores: Jorge F. Magallanes
CARACTERÍSTICAS GENERALES DEL CURSO
El curso trata sobre distintas técnicas de estadística multivariada, algorítmicas y no algorítmicas, tales como Técnicas lineales de análisis de datos, diseño de experimentos, optimización de procesos, experiencias e instrumentación; redes neuronales artificiales, etc. (ver programa del curso).
Está orientado a profesionales de las ciencias exactas y naturales e ingeniería como así también a alumnos de grado o posgrado que hayan cursado un primer curso de estadística básica.
Está abierto a Doctorandos de otras Universidades y graduados de carreras afines.
La quimiometría trata sobre el análisis e interpretación de datos para la extracción de información sustantiva, como así también al diseño de experiencias orientadas a la obtención de modelos que describan adecuadamente un sistema en estudio. Estos sistemas objeto de estudio son esencialmente multivariados, es decir, dependen de un número grande de variables. El desarrollo es teórico práctico y su objetivo es que el participante obtenga un manejo suficiente de los criterios expuestos como para poder resolver los problemas específicos que se le presentan en su especialidad.
Conocimientos previos al curso
-Nivel imprescindible de conocimientos previos: curso básico de estadística, dominio de Excel y Windows.
-Conocimientos facilitantes y deseables (no imprescindibles): dominio inicial de Matlab y álgebra lineal básica.
Las vacantes son limitadas
Inicio: miércoles 6 de abril.
Finalización del dictado: viernes 10 de junio.
Posteriormente: Clase/s de repaso a pedido de los asistentes.
Evaluación
Duración del curso
Clases teóricas: 36 horas
Clases prácticas: 30 horas (10 prácticas)
Cronograma semanal del curso
-Una clase teórica semanal de 3 horas, los miércoles de 14 a 17 hs.
-Una clase semanal teórica de 1 hora seguida de una clase práctica de 3 horas, los viernes de 13 a 17 hs.
Total: 7 horas semanales
Modalidad: Presencial
Evaluación: Examen final con certificado de aprobación.
Horario: Especificado en metodología de las clases
Lugar: Clases de los miércoles: Edificio del 3iA, Universidad Nacional de General San Martín – 25 de Mayo y Francia. C.P.: 1650. San Martín, Provincia de Buenos Aires, Argentina
Certificado: El Instituto de Investigación e Ingeniería Ambiental de la UNSAM otorgará un certificado de aprobación y/o asistencia.
Aprobación del curso: está sujeta a la aprobación del examen final y el 80% de asistencia a las clases.
Modalidad de Arancel (2016):
a. General $1800,-
b. Alumnos de Doctorado y/o Maestrías de Universidades NO UNSAM. $900,-
El pago del arancel cubre los materiales de estudio.
Consultas: Dr. Jorge F. Magallanes e-mail: jorfemag@gmail.com
Inscripción: alumnos3ia@unsam.edu.ar
El pago del arancel se deberá realizar mediante transferencia bancaria a la cuenta Nº 00313235/89 del Banco de la Nación Argentina, sucursal San Martín Nº 3245, a nombre de Universidad Nacional de General San Martín.
Enviar copia de la transferencia realizada vía E-Mail a alumnos3ia@unsam.edu.ar, indicando el nombre del cursante, preferentemente a través de un archivo adjunto escaneado para que el Servicio Administrativo de la UNSAM identifique y registre el pago efectuado. (El mismo efectiviza la inscripción y confirma la vacante).
Nombre de la cuenta: Universidad Nacional de General San Martín
Nombre del banco: Banco de la Nación Argentina
Nombre de sucursal: San Martín
Número de sucursal: 3245
Número de cuenta: 313235/89
Tipo de cuenta: cuenta corriente en pesos
CBU: 01100402-20000313235894
CUIT Nº: 30-66247391-6
CONTENIDOS MÍNIMOS DEL CURSO
Primera parte: Técnicas lineales
Tema 1: Introducción a los problemas de variables múltiples
Aquí se enfoca el problema de caracterizar un sistema. La dificultad o facilidad para caracterizarlo dependerá del número de variables con que se describe el mismo. Al aumentar el número de variables se facilita la caracterización pero se complica la interpretación, por eso la ‘reducción dimensional’ es el objetivo central que buscan las técnicas de análisis lineal. Aquí se muestran en forma introductoria algunos de esos métodos que se analizarán con detalle durante el curso.
– “Caracterización” en ciencia y tecnología
– Caracterización con múltiples variables
– El espacio multidimensional
– Necesidad de la de reducción dimensional
– Dendrogramas
– Modelos, Clases y Distancias
– Concepto de covarianza, correlación y distancias angulares en el espacio multidimensional
Tema 2: Análisis por Componentes Principales, Modelos y Análisis de Factores
Esta es una de las principales técnicas de reducción dimensional y sin duda la más difundida entre las técnicas lineales. Mientras que los cálculos pueden ser “transparentes” al operador, la interpretación de los resultados puede simplificar grandemente el entendimiento de un sistema. Además es una herramienta fundamental para determinar el número de parámetros realmente necesarios para caracterizar un sistema. Otras variantes inspiradas en los mismos principios ofrecen una gama de métodos de análisis de datos.
– Análisis por CP a través de un ejemplo de clasificación de especies
Objetivo del análisis. Noción del cálculo. Interpretación de los CP, de los pesos y de los ‘scores’. La reducción dimensional a través de los CP
– Otros modelos con principios similares.
– El cálculo e interpretación del análisis de factores
– Ejemplos de aplicaciones en química analítica
Tema 3: Análisis de “Clusters” (subgrupos)
Este es otro método de reducción dimensional, pero sus principios radican en establecer la similitud entre los integrantes de un conjunto de datos y la posibilidad de observar “clusters” o subgrupos de datos similares. Estas técnicas son una herramienta esencial en tareas de clasificación y pueden aplicarse en forma consecutiva al análisis por CP . Se ejemplifican aquí algunas aplicaciones que van desde el análisis de ‘outlayers’ al estudio de fases móviles en una cromatografía.
– Tipos de clasificaciones
– Utilidad y cálculo de distintos tipos de distancias
– Ejemplos en el campo de la química
– Algoritmos de clústering
Epílogo de la primera parte: Modelos y métodos estadísticamente lineales y no lineales.
Segunda parte: Redes neuronales artificiales (RNA)
Las redes neuronales artificiales están inspiradas en el proceso cibernético de las neuronas reales. Estas redes pueden ejecutar sencillas funciones con mucha eficiencia y su característica principal es que pueden aplicarse a sistemas no lineales. Sus utilidades son muy variadas en los campos de la ciencia y la tecnología. Algunos de sus usos generales son la clasificación de objetos, el análisis de la estructura de datos, la optimización de sistemas y el modelado empírico.
Tema 1: introducción general a las redes neuronales artificiales
Tema 2: Tipos de redes
Tercera parte: Calibración multivariada
Este tópico es esencial en química analítica, pero en realidad es aplicable a la calibración de cualquier instrumento que nos entregue, como resultado de la medición, un vector (ó matriz) de datos en lugar de un dato único. Como es sabido, los instrumentos modernos se caracterizan por brindar una cantidad de información mucho mayor que los de tecnologías pasadas y se hace imprescindible contar con técnicas de cálculo que procesen adecuadamente esta información adicional.
Tema 1: Calibración univariante
Tema 2: Calibración multivariada
Cuarta parte: Diseño de experimentos y Modelos empíricos
Hasta ahora se han enunciado algunas técnicas orientadas al tratamiento de datos para extraer información. Sin embargo no nos hemos referido al tema de cómo obtener esa serie de datos. El diseño de experimentos es una técnica esencialmente multivariable. Sus objetivos son optimizar la precisión del cálculo de parámetros utilizando una cantidad mínima de experimentos. Estos métodos apuntan a la obtención de algoritmos o gráficos que describan un modelo capaz de representar nuestro sistema en estudio.
Tema 1: Introducción al diseño de experimentos
Tema 2: Distintos tipos de diseños.
Epílogo: Discusión teórico-práctica de los criterios para evaluar el armado de un modelo.
BIBLIOGRAFÍA básica
Bibliografía
Curso, Quimiometría y Cualimetría
Hola,
¿contemplan algún descuento para empleados estatales? Soy docente en la UTN y empleado del SEGEMAR.
gracias
Leonardo consulta a alumnos3ia@unsam.edu.ar Saludos
HOla, quisiera saber el costo del curso siendo alumna de grado de la UBA.
Gracias
Hola Barbara.
El precio en tu caso es el General, $1800.
Saludos