Competencias y objetivos

 

Contexto de la asignatura para el curso 2025-26

Este curso ofrece una doble introducción a los métodos clásicos de aprendizaje automático y análisis de datos de texto, ambos centrados en aplicaciones económicas. La primera parte del curso cubre técnicas de aprendizaje supervisado y no supervisado, incluyendo métodos de regularización para regresión y clasificación, árboles de decisión, aprendizaje ensemble, clustering y reducción de dimensionalidad, entre otros. Se hace hincapié en la evaluación de modelos, las estrategias de validación y la aplicación práctica de estos algoritmos para responder a preguntas empíricas en economía. Los estudiantes también aprenden a distinguir entre los enfoques de modelización predictiva y causal, y cómo los métodos descriptivos, predictivos y prescriptivos pueden servir a diferentes objetivos analíticos.
La segunda parte del curso introduce técnicas básicas de minería de textos y procesamiento del lenguaje natural. Abarca la adquisición, limpieza y estructuración de datos textuales, incluidas las fuentes multilingües y heterogéneas, y la aplicación de métodos de aprendizaje automático a tareas como la clasificación, el modelado de temas y el análisis de sentimientos. Las aplicaciones se centran en el aprovechamiento de la información textual para extraer conocimientos económicos y fundamentar la toma de decisiones. Se utiliza Python como principal entorno de programación para la aplicación práctica.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2025-26

Habilidades/ Destrezas

  • RA05 : Comprender cómo se han resuelto los problemas técnicos con los que se han tenido que enfrentar los autores de los artículos de investigación y ser capaz de replicar el análisis empírico y experimentos de simulación en que se basan los artículos de investigación.
  • RA12 : Utilizar técnicas de visualización, minería de datos y minería de textos
  • RA13 : Saber aplicar técnicas de ciencia de datos a problemas económicos reales, tanto para investigación como para la toma de decisiones

 

Capacidades/Competencias

  • RA02 : Conocer en profundidad y aplicar métodos de análisis descriptivo, causal y predictivo aplicados a la economía
  • RA04 : Plantear problemas económicos relevantes de modo preciso, y dar respuesta adecuada a estos problemas apoyándose en análisis teóricos, empíricos o de simulación.
  • RA09 : Comprender y dominar los conceptos fundamentales de lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas.
  • RA14 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la Economía y la ciencia de datos
  • RA15 : Conocer y manejar tecnologías, algoritmos y herramientas de aprendizaje automático (tanto supervisado como no supervisado)

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado y no supervisado).
Diseñar y utilizar métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.
Conocer en profundidad y aplicar métodos de análisis descriptivo, predictivo y prescriptivo, distinguiendo adecuadamente las dos culturas de modelización estadística (predicción frente a causalidad)
Conocer las principales técnicas de procesamiento del lenguaje natural para el análisis automático de textos y su utilidad en tareas de minería de textos.
Conocer los aspectos específicos de la aplicación de técnicas supervisadas y no supervisadas al análisis automático de textos.
Saber aplicar a textos concretos diferentes modelos de recuperación de información, categorización y agrupación (clustering) de documentos, extracción de información, minería de opiniones y sentimientos, minería de textos plurilingües y otras posibles aplicaciones de la minería de textos en Economía.
  • Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado y no supervisado).
  • Diseñar y utilizar métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.
  • Conocer en profundidad y aplicar métodos de análisis descriptivo, predictivo y prescriptivo, distinguiendo adecuadamente las dos culturas de modelización estadística (predicción frente a causalidad)
  • Conocer las principales técnicas de procesamiento del lenguaje natural para el análisis automático de textos y su utilidad en tareas de minería de textos.
  • Conocer los aspectos específicos de la aplicación de técnicas supervisadas y no supervisadas al análisis automático de textos.
  • Saber aplicar a textos concretos diferentes modelos de recuperación de información, categorización y agrupación (clustering) de documentos, extracción de información, minería de opiniones y sentimientos, minería de textos plurilingües y otras posibles aplicaciones de la minería de textos en Economía.

 

 

 

Objetivos específicos indicados por el profesorado para el curso 2025-26

  • Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado y no supervisado).
  • Diseñar y utilizar métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.
  • Conocer en profundidad y aplicar métodos de análisis descriptivo, predictivo y prescriptivo, distinguiendo adecuadamente las dos culturas de modelización estadística (predicción frente a causalidad)
  • Conocer las principales técnicas de procesamiento del lenguaje natural para el análisis automático de textos y su utilidad en tareas de minería de textos.
  • Conocer los aspectos específicos de la aplicación de técnicas supervisadas y no supervisadas al análisis automático de textos.
  • Saber aplicar a textos concretos diferentes modelos de recuperación de información, categorización y agrupación (clustering) de documentos, extracción de información, minería de opiniones y sentimientos, minería de textos plurilingües y otras posibles aplicaciones de la minería de textos en Economía.

 

 

Datos generales

Código: 49167
Profesor/a responsable:
Martínez Martín, Ester
Crdts. ECTS: 3,00
Créditos teóricos: 0,20
Créditos prácticos: 1,00
Carga no presencial: 1,80

Departamentos con docencia

  • Dep.: Lenguajes y Sistemas Informáticos
    Área: LENGUAJES Y SISTEMAS INFORMATICOS
    Créditos teóricos: 0,08
    Créditos prácticos: 0,32
  • Dep.: Ciencia de la Computación e Inteligencia Artificial
    Área: CIENCIA DE LA COMPUTACION, INTELIGENCIA ARTIFICIAL
    Créditos teóricos: 0,12
    Créditos prácticos: 0,68
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte