Competencies and objectives

Provisional information. Pending approval.

 

Course context for academic year 2023-24

No data

 

 

Course competencies (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2023-24

Transversal Competences

  • CT01 : Utilizar de forma habitual las herramientas informáticas, así como las tecnologías de la información y las comunicaciones, en todo su desempeño profesional.
  • CT02 : Comunicar de forma oral y escrita transmitiendo información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

General Competences

  • CG2 : Conocer, seleccionar y aplicar métodos de los diferentes campos de la inteligencia artificial para la resolución de problemas de ingeniería.
  • CG5 : Comunicar de manera clara y precisa conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de la inteligencia artificial

 

Specific Competences

  • CE10 : Aplicar los conceptos fundamentales de probabilidad y estadística para la resolución de problemas del ámbito de la inteligencia artificial, y representar y manipular datos para extraer información significativa de los mismos
  • CE11 : Aplicar los fundamentos de la estadística bayesiana y las diferentes técnicas de computación intensiva para implementar inferencia y predicción Bayesiana

 

Basic Competences

  • CB1 : Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

 

 

 

Learning outcomes (Training objectives)

1. Manejar con soltura y destreza las propiedades de las variables aleatorias presentadas.

 2. Demostrar destreza en los cálculos asociados a los conceptos presentados.

3. Identificar y clasificar en los procesos aleatorios las variables aleatorias implicadas.

4. Identificar técnicas de inferencia estadística en los problemas planteados.

5. Interpretar en estilo formal los resultados de las técnicas de inferencia utilizadas.

6. Argumentar en estilo formal sobre las técnicas de inferencia utilizadas.

7. Poder aplicar en futuras implementaciones algorítmicas las técnicas estudiadas.

 

 

 

Specific objectives stated by the academic staff for academic year 2023-24

No data

 

 

General

Code: 33664
Lecturer responsible:
No data
Credits ECTS: 6,00
Theoretical credits: 1,20
Practical credits: 1,20
Distance-base hours: 3,60

Departments involved

  • Dept: APPLIED MATHEMATICS
    Area: APPLIED MATHEMATICS
    Theoretical credits: 1,2
    Practical credits: 1,2
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught