Competències i objectius

 

Context de l'assignatura per al curs 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.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25

Competències específiques (CE)

  • CE1 : Comprendre i utilitzar el llenguatge matemàtic. Adquirir la capacitat per a enunciar proposicions en diferents camps de la matemàtica per a construir demostracions i per a transmetre els coneixements matemàtics adquirits.
  • CE10 : Comunicar, tant per escrit com de manera oral, coneixements, procediments, resultats i idees matemàtiques.
  • CE11 : Ser capaç de resoldre problemes d'àmbit acadèmic, tècnic, financer o social mitjançant mètodes matemàtics.
  • CE12 : Saber treballar en equip, aportant models matemàtics adaptats a les necessitats col·lectives.
  • CE14 : Resoldre problemes qualitatius i quantitatius segons models desenvolupats prèviament.
  • CE15 : Reconèixer i analitzar nous problemes i plantejar estratègies per a solucionar-los.
  • CE16 : Elaborar, presentar i defensar informes científics tant oralment com per escrit davant d'una audiència.
  • CE5 : Proposar, analitzar, validar i interpretar models de situacions reals senzilles, utilitzant les eines matemàtiques més adequades a les finalitats que es persegueixen.
  • CE6 : Resoldre problemes de matemàtiques, mitjançant habilitats de càlcul bàsic i altres tècniques, planificant-ne la resolució a partir de les eines de què es dispose i de les restriccions de temps i recursos.
  • CE7 : Utilitzar aplicacions informàtiques d'anàlisi estadística, càlcul numèric i simbòlic, visualització gràfica, optimització o d'altres per a experimentar en matemàtiques i resoldre problemes.
  • CE8 : Desenvolupar programes que resolguen problemes matemàtics utilitzant per a cada cas l'entorn computacional adequat.
  • CE9 : Utilitzar eines de cerca de recursos bibliogràfics en matemàtiques.

 

Competències genèriques específiques de la UA

  • CGUA1 : Comprensió de la llengua estrangera anglès en l'àmbit científic.
  • CGUA2 : Tenir coneixements d'informàtica relatius a l'àmbit d'estudi.
  • CGUA3 : Adquirir o tenir les habilitats bàsiques en TIC (tecnologies de la informació i comunicació) i gestionar adequadament la informació obtinguda.

 

Competències genèriques de grau

  • CG1 : Desenvolupar la capacitat d'anàlisi, síntesi i raonament crític.
  • CG2 : Demostrar capacitat de gestió/direcció eficaç i eficient: esperit emprenedor, iniciativa, creativitat, organització, planificació, control, presa de decisions i negociació.
  • CG3 : Resoldre problemes de manera efectiva.
  • CG4 : Demostrar capacitat de treball en equip.
  • CG5 : Comprometre's amb l'ètica, els valors d'igualtat i la responsabilitat social com a ciutadà i com a professional.
  • CG6 : Aprendre de manera autònoma.
  • CG7 : Demostrar capacitat d'adaptar-se a noves situacions.
  • CG9 : Demostrar habilitat per a transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Conèixer les distribucions multivariants necessàries per a la inferència multivariant.
  • Conèixer el desenvolupament teòric matemàtic de les tècniques d'anàlisi de dades detallades en l'apartat de continguts.
  • Ser capaç d'identificar la tècnica d'anàlisi de dades que cal utilitzar per a resoldre els problemes generals plantejats.
  • Ser capaç d'utilitzar eines informàtiques per a resoldre problemes reals o simulats.
  • Ser capaç de desenvolupar programes informàtics per a resoldre problemes d'anàlisis de dades.
  • Ser capaç d'interpretar els resultats gràfics i numèrics després d'aplicar les tècniques d'anàlisi de dades.
  • Ser capaç de resoldre problemes d'anàlisi de dades de petita dimensió sense necessitat d'ordinador.

 

 

Objectius específics indicats pel professorat per al curs 2024-25

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

 

 

Dades generals

Codi: 25062
Professor/a responsable:
NUEDA ROLDAN, MARIA JOSE
Crèdits ECTS: 6,00
Crèdits teòrics: 1,00
Crèdits pràctics: 1,40
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: MATEMÀTIQUES
    Àrea: ESTADÍSTICA I INVESTIGACIÓ OPERATIVA
    Crèdits teòrics: 1
    Crèdits pràctics: 1,4
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix