La programación paralela es esencial en la ciencia de datos y el aprendizaje automático
para el manejo eficiente de grandes volúmenes de datos y la ejecución de modelos computacionalmente intensivos. Este curso explora el uso de herramientas en R y Python para implementar programación paralela y optimizar el rendimiento de algoritmos. Se abordarán paquetes específicos como Snow en R y Joblib en Python, y se explorarán ejemplos prácticos de paralelización de tareas usando scikit-learn y Dask.

Objetivos

1. Introducir los conceptos y técnicas básicas de programación paralela en R y Python.

2. Capacitar a los estudiantes en el uso de herramientas como Snow en R y Joblib en

   Python para mejorar el rendimiento de tareas computacionales.

3. Explorar la paralelización en el entrenamiento y evaluación de modelos de machine learning utilizando scikit-learn.

4. Enseñar a utilizar documentación técnica para profundizar en el uso de paquetes de programación paralela. 

Metodología

El curso combina teoría y práctica para asegurar una comprensión profunda de los conceptos y habilidades prácticas en programación paralela. Se emplearán las siguientes herramientas y recursos:

1. Videoconferencias semanales: Se ofrecerán sesiones en vivo en Zoom que serán grabadas para que los estudiantes puedan revisarlas cuando deseen.

2. Trabajos prácticos semanales: Ejercicios y casos de estudio aplicados para implementar programación paralela.

3. Foros de discusión: Un espacio en Moodle donde los estudiantes podrán plantear dudas y discutir con el tutor y compañeros.

4. Aula virtual en Moodle: Acceso a materiales, enlaces a documentación, ejemplos de código y otros recursos complementarios.