Competencies and objectives

 

Course context for academic year 2023-24

La asignatura Fundamentos del Aprendizaje Estadístico es obligatoria y se imparte en el primer semestre. Trata de introducir y explicar los fundamentos matemáticos inherentes a las técnicas estadísticas detalladas en los contenidos. Cada una de las técnicas será abordada con el enfoque matemático adecuado según el objetivo particular de la técnica en cuestión. La asignatura tiene una gran carga teórica, por lo que no se trata del mero manejo de los paquetes estadísticos disponibles en el mercado.

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

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees)

Transversal Competences

  • CT1 : Desarrollar habilidades para el trabajo en equipo, ya sea en equipos con personal de la misma disciplina o equipos multidisciplinares (incluyendo profesionales de formación técnica, social o científica)
  • CT2 : Adoptar el método científico en el planteamiento y realización de trabajos diversos tanto a nivel académico como profesional, y de adoptar procedimientos basados en criterios de calidad y sostenibilidad en la actividad profesional
  • CT3 : Desarrollar habilidades, estrategias y técnicas para la interacción, el trabajo colaborativo y la transferencia del conocimiento y conclusiones obtenidas, tanto a profesionales de sectores afines como a público no especializado

 

General Competences

  • CG1 : Adquirir conocimientos teóricos y prácticos avanzados en cálculo numérico, modelización matemática, estadística y tratamiento de datos
  • CG2 : Comprender, analizar, evaluar y seleccionar teorías científicas adecuadas y metodologías precisas para formular modelos matemáticos avanzados
  • CG5 : Adquirir los conocimientos informáticos necesarios para ser capaz de adaptarse a la resolución de problemas científicos en cualquier área de ciencias experimentales

 

Specific Competences

  • CE1 : Conocer y usar el software específico de cálculo científico apropiado para matemáticas y ciencias experimentales
  • CE2 : Resolver, mediante el empleo de técnicas de cálculo científico, problemas propios de matemáticas y ciencias experimentales planificando su resolución en función de tiempos y recursos disponibles
  • CE3 : Adquirir la capacidad de analizar y gestionar datos que permitan dar información útil para la toma de decisiones
  • CE4 : Aprender herramientas matemáticas avanzadas en el ámbito del cálculo científico
  • CE5 : Comprender las teorías matemáticas abstractas y su aplicación al cálculo científico
  • CE6 : Aplicar herramientas de cálculo científico avanzado a la modelización y simulación de casos concretos de investigación en ciencias experimentales

 

Basic Competences

  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
  • CB6 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a
  • CB9 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

 

 

 

Learning outcomes (Training objectives)

 

· Conocer técnicas avanzadas del aprendizaje estadístico.
· Comprender los fundamentos de los principales algoritmos de aprendizaje estadístico.
· Entender los ámbitos de aplicación de los algoritmos de aprendizaje estadístico, así como sus limitaciones.
· Saber escoger el método más adecuado para cada problema.

· Conocer técnicas avanzadas del aprendizaje estadístico.

· Comprender los fundamentos de los principales algoritmos de aprendizaje estadístico.

· Entender los ámbitos de aplicación de los algoritmos de aprendizaje estadístico, así como sus limitaciones.

· Saber escoger el método más adecuado para cada problema.

 

 

 

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

No data

 

 

General

Code: 49236
Lecturer responsible:
NUEDA ROLDAN, MARIA JOSE
Credits ECTS: 6,00
Theoretical credits: 1,70
Practical credits: 0,70
Distance-base hours: 3,60

Departments involved

  • Dept: MATHEMATICS
    Area: STATISTICS AND OPERATIONS RESEARCH
    Theoretical credits: 1,7
    Practical credits: 0,7
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught