Competencias y objetivos

 

Contexto de la asignatura para el curso 2024-25

Esta asignatura se ubica en el módulo Fundamental y dentro de él, en la materia Optimización. La asignatura recoge el estudio y aplicación de las técnicas de análisis de datos detalladas en los contenidos.

Análisis de datos II es una ampliación de la asignatura Análisis de datos I. En esta asignatura se pretende desarrollar con más detalle las técnicas de dependencia con enfoque inferencial que se introdujeron en la asignatura anterior. Por este motivo la asignatura empieza con la introducción de las distribuciones multivariantes y la inferencia sobre vectores de medias. Los modelos de regresión se verán ampliados por los modelos lineales generalizados, en los que la respuesta no sigue una distribución normal. Se abordará también el caso en el que la variable respuesta es multivariante, en el que se pretenden establecer relaciones entre dos matrices de datos. Y por último, se mostrarrán los principales algoritmos predictivos para clasificación y regresión no lineales y las principales métricas orientadas a evaluar los modelos y a comunicar resultados. Esta última parte pretende que el alumno comprenda las matemáticas que sustentan las principales técnicas del Machine Learning

Las prácticas se intercalan con las clases teóricas y se llevarán a cabo con software libre: R y Python.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2024-25

Competencias específicas (CE)

  • CE1 : Comprender y utilizar el lenguaje matemático. Adquirir la capacidad para enunciar proposiciones en distintos campos de la Matemática, para construir demostraciones y para transmitir los conocimientos matemáticos adquiridos.
  • CE10 : Comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas matemáticas.
  • CE11 : Ser capaz de resolver problemas de ámbito académico, técnico, financiero o social mediante métodos matemáticos.
  • CE12 : Saber trabajar en equipo, aportando modelos matemáticos adaptados a las necesidades colectivas.
  • CE14 : Resolver problemas cualitativos y cuantitativos según modelos previamente desarrollados.
  • CE15 : Reconocer y analizar nuevos problemas y plantear estrategias para solucionarlos.
  • CE16 : Realizar, presentar y defender informes científicos tanto de forma escrita como oral ante una audiencia.
  • CE5 : Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más adecuadas a los fines que se persigan.
  • CE6 : Resolver problemas de Matemáticas, mediante habilidades de cálculo básico y otras técnicas, planificando su resolución en función de las herramientas de que se disponga y de las restricciones de tiempo y recursos.
  • CE7 : Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar en Matemáticas y resolver problemas.
  • CE8 : Desarrollar programas que resuelvan problemas matemáticos utilizando para cada caso el entorno computacional adecuado.
  • CE9 : Utilizar herramientas de búsqueda de recursos bibliográficos en Matemáticas.

 

Competencias Genéricas Específicas de la UA

  • CGUA1 : Comprensión de la lengua extranjera inglés, en lo relativo al ámbito científico.
  • CGUA2 : Poseer conocimientos de informática relativos al ámbito de estudio.
  • CGUA3 : Adquirir o poseer las habilidades básicas en TIC (Tecnologías de la Información y Comunicación) y gestionar adecuadamente la información obtenida.

 

Competencias Genéricas de Grado

  • CG1 : Desarrollar la capacidad de análisis, síntesis y razonamiento crítico.
  • CG2 : Demostrar capacidad de gestión/dirección eficaz y eficiente: espíritu emprendedor, iniciativa, creatividad, organización, planificación, control, toma de decisiones y negociación.
  • CG3 : Resolver problemas de forma efectiva.
  • CG4 : Demostrar capacidad de trabajo en equipo.
  • CG5 : Comprometerse con la ética, los valores de igualdad y la responsabilidad social como ciudadano y como profesional.
  • CG6 : Aprender de forma autónoma.
  • CG7 : Demostrar capacidad de adaptarse a nuevas situaciones.
  • CG9 : Demostrar habilidad para transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

 

 

Resultados de aprendizaje (Objetivos formativos)

  • Conocer las distribuciones multivariantes necesarias para la inferencia multivariante.
  • Conocer el desarrollo teórico matemático de las técnicas de análisis de datos detalladas en contenidos.
  • Ser capaz de identificar la técnica de análisis de datos a utilizar ante la resolución de problemas generales planteados.
  • Ser capaz de utilizar herramientas informáticas para resolver problemas reales o simulados.
  • Ser capaz de desarrollar programas informáticos para resolver problemas de análisis de datos.
  • Ser capaz de interpretar los resultados gráficos y numéricos tras la aplicación de las técnicas de Análisis de datos.
  • Ser capaz de resolver problemas de análisis de datos de pequeña dimensión sin necesidad de ordenador.

 

 

Objetivos específicos indicados por el profesorado para el curso 2024-25

Estudio y aplicación de las técnicas de Análisis de Datos detalladas en los contenidos.

 

 

Datos generales

Código: 25062
Profesor/a responsable:
Rebollo Múgica, Julen
Crdts. ECTS: 6,00
Créditos teóricos: 1,00
Créditos prácticos: 1,40
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: MATEMATICAS
    Área: ESTADISTICA E INVESTIGACION OPERATIVA
    Créditos teóricos: 1
    Créditos prácticos: 1,4
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte