Competències i objectius

 

Context de l'assignatura per al curs 2020-21

Ampliación de Estadística y Optimización es una de las 4 asignaturas optativas del primer semestre del Máster. Sus contenidos están relacionados con la inferencia estadística y con la optimización, tanto sus fundamentos teóricos como los principales algoritmos. Un perfil recomendado de acceso al máster en Ciencia de Datos es el de titulados/as con competencias básicas en matemáticas, estadística y fundamentos de programación. Por lo tanto, la asignatura Ampliación de Estadística y Optimización es muy recomendable para aquellos estudiantes del Master de perfil informático que necesitan completar su formación matemática.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)

Competències transversals

  • CT1 : Ser capaç de liderar projectes relacionats amb la Ciència de Dades, així com dirigir equips de treball
  • CT2 : Mostrar competències informàtiques i informacionals en l'àmbit de la ciència de dades.
  • CT3 : Reunir competències en comunicació oral i escrita.

 

Competències generals

  • CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la ciència de dades.
  • CG11 : Ser capaç d'utilitzar els principis d'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la ciència de dades.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma auto-dirigida o autònoma temes relacionats amb la ciència de dades.
  • CG3 : Saber desembolicar-se en contextos multidisciplinaris i/o internacionals aportant solucions des del punt de vista de la ciència de dades.
  • CG4 : Conèixer i aplicar en cada situació les responsabilitats socials, ètiques i legals vinculades a l'aplicació dels coneixements de la ciència de dades.
  • CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la ciència de dades, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7 : Ser capaç d'adaptar-se a l'ambient canviant propi de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la ciència de dades.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la ciència de dades, tenint en compte aspectes tècnics, econòmics i d'eficiència.

 

Competències Específiques

  • CE1 : Conèixer en profunditat i manejar tecnologies d'aprenentatge automàtic (machine learning), algorismes, i eines (inclòs l'aprenentatge supervisat, no supervisat o reforçat).
  • CE14 : Dissenyar i aplicar algorismes per a resoldre problemes reals mitjançant habilitats de modelització, optimització i càlcul numèric.
  • CE15 : Manejar i aplicar les eines informàtiques de càlcul numèric, optimització, simulació, visualització gràfica o unes altres per a experimentar i resoldre problemes.
  • CE5 : Analitzar i aplicar mètodes analítics i estadístics avançats per a la preparació i processament de dades.

 

Competències bàsiques

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Analitzar i resoldre analíticament problemes d'optimització.
  • Utilitzar tècniques i algorismes d'optimització.
  • Aplicar tècniques d'Inferència Estadística

 

 

Objectius específics indicats pel professorat per al curs 2020-21

  • Analizar y resolver analíticamente problemas de optimización.
  • Utilizar técnicas y algoritmos de optimización.
  • Aplicar técnicas de Inferencia Estadística.

 

 

;

Dades generals

Codi: 43452
Professor/a responsable:
ARAGON ARTACHO, FRANCISCO JAVIER
Crèdits ECTS: 6,00
Crèdits teòrics: 1,80
Crèdits pràctics: 0,60
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: MATEMÀTICA APLICADA
    Àrea: MATEMÀTICA APLICADA
    Crèdits teòrics: 0,4
    Crèdits pràctics: 0,2
  • Dep.: MATEMÀTIQUES
    Àrea: ESTADÍSTICA I INVESTIGACIÓ OPERATIVA
    Crèdits teòrics: 1,4
    Crèdits pràctics: 0,4
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix