738d3aMovil

Escuela Internacional de Verano

Escuela de Verano 2013

A continuación encuentra la información de cada uno de los cursos dictados por el Departamento de Ingeniería de Sistemas y Computación durante la Escuela de Verano Internacional de 2013

Descripción del curso:

Los recursos, el tiempo y el dinero son los tres criterios que guían las decisiones en las organizaciones acerca de los proyectos que se realizan, cómo y quiénes los realizan y cómo se cuantifican los resultados esperados. Es importante que las estimaciones con respecto a estos elementos sean creíbles, confiables y que no sean excesivas.

El objetivo del curso es enseñar a los participantes a desarrollar estimaciones para proyectos de desarrollo y mantenimiento de software. Además, es vital que los estudiantes aprendan cómo deben comunicarse efectivamente con las personas involucradas en el proyecto y cómo manejar las relaciones contractuales. Aunque la orientación es básicamente cuantitativa, el curso estará enfocado en los sesgos cognitivos y las conductas administrativas que afectan el proceso de estimación.

El curso se centra en:

  • El desarrollo de estimaciones factibles y defendibles para proyectos de desarrollo y mantenimiento de software
  • Traducir la estimación del esfuerzo en horarios factibles sin planes detallados.
  • Elaboración de evidencias que soporten el costo, los cronogramas y los riesgos utilizando  e incertidumbre utilizando argumentos válidos.
  • Evaluar la aplicabilidad de técnicas y modelos de estimación.

Este no es un curso sobre COCOMO o puntos de función.

Profesor: 

Nombre: Eduardo Miranda.

Institución: Carnegie-Mellon University

Fechas del curso:

Lunes 8 de Julio a Jueves 11 de Julio, Lunes 15 de Julio a Jueves 18 de Julio de 2013

Horario:

Lunes a Jueves de 2:00 pm a 6:00 pm

Descripción del curso:

La primera parte del curso se centrará en el análisis y aplicación de algoritmos de machine learning. Entre los temas se incluyen: clasificación y clustering, métodos de kernel y support vector machines, métodos de aprendizaje bayesianos, modelamiento de tópicos y métodos de aprendizaje semisupervisado.

La segunda parte del curso se centrará en el modelamiento de redes sociales. Algunos tópicos  que guían esta parte del curso son: ¿Qué son las redes y por qué las estudiamos? ¿Qué son los modelos aleatorios de redes sociales?, ¿Cómo se analizan y se realizan mediciones en las redes sociales? (p.ej. centralidad, tópicos y diámetros) ¿Cómo se describen las comunidades en las redes sociales? (p.ej. el agrupamiento, la estructura de la comunidad), ¿Qué es opinion mining?. Se incluye experimentos de algunos de estos temas en el desarrollo del curso.

Prerrequisitos:

Conocimientos básicos en probabilidad y estadísticas, algoritmos y estructuras de datos. No se requieren conocimientos en machine learning o análisis de redes sociales.

Evaluaciones:

La calificación del curso está compuesta por quizzes,  talleres, participación en clase, revisión de lectura y un examen que evaluará los tópicos vistos en el curso.

Textos recomendados:

  • Pattern Recognition and Machine Learning, Christopher Bishop.
  • Machine Learning, Tom Mitchell.
  • Networks, Crowds, and Markets: Reasoning About a Highly Connected World by David Easley and Jon Kleinberg (available online).

Profesor:

Nombre: Cornelia Caragea.

Institución: University of North Texas

Fechas del curso:

Junio 11 hasta Junio 21 de 2013

Horario:

Lunes a Viernes de 8:30 a.m. a 12:30 m. 

Descripción del curso:

Es el resultado de una colaboración entre Ingeniería‐UniAndes y YouNoodle. Es un campamento de 10 días con un programa intensivo que, con expertos de Silicon Valley y de UniAndes, ofrecen una experiencia de innovación y emprendimiento.

Es una experiencia de aprender‐haciendo en la que se generan y trabajan ideas de innovación basadas en conocimiento, listas para un rápido crecimiento. Al final, usted entenderá el ciclo de vida de un startup y así podrá identificar su siguiente etapa.

Prerrequisitos:

Conocimientos básicos en probabilidad y estadísticas, algoritmos y estructuras de datos. No se requieren conocimientos en machine learning  o análisis de redes sociales.

Evaluaciones:

La calificación del curso está compuesta por quices,  talleres, participación en clase, revisión de lectura y un examen que evaluará los tópicos vistos en el curso.

Textos recomendados:

  • Pattern Recognition and Machine Learning, Christopher Bishop.
  • Machine Learning, Tom Mitchell.
  • Networks, Crowds, and Markets: Reasoning About a Highly Connected World by David Easley and Jon Kleinberg (available online).

Profesores:

Profesor 1: Henrik Scheel

Profesor 2: Rebeca Hwang

Fechas del curso:

Junio 14 hasta Junio 22 de 2013

Horario:

Lunes a Sábado de 9:00 a.m. a 12:30 m.y 2:30 p.m. a 6:00 p.m. 

Curso-Taller de Innovación y Emprendimiento
«Startup BootCamp» en UniAndes
Junio 14-22, 2013
Un Curso de la Iniciativa de Innovación de UniAndes

Vea el poster en pdf AQUI

{flv}escueladeverano/escuela2011/Eduardo_Miranda{/flv}

Eduardo Miranda - Estimación de proyectos de desarrollo de software

Associate professor - Carnegie Mellon University

 

Comparte esto en:

Submit to TwitterSubmit to LinkedIn