Competencies and objectives

 

Course context for academic year 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.

 

 

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

Transversal Competences

  • CT1 : Ser capaz de liderar proyectos relacionados con la Ciencia de Datos, así como dirigir equipos de trabajo
  • CT2 : Mostrar competencias informáticas e informacionales en el ámbito de la ciencia de datos.
  • CT3 : Reunir competencias en comunicación oral y escrita.

 

General Competences

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la ciencia de datos.
  • CG11 : Ser capaz de utilizar los principios de ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la ciencia de datos.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la ciencia de datos.
  • CG3 : Saber desenvolverse en contextos multidisciplinares y/o internacionales aportando soluciones desde el punto de vista de la ciencia de datos.
  • CG4 : Conocer y aplicar en cada situación las responsabilidades sociales, éticas y legales vinculadas a la aplicación de los conocimientos de la ciencia de datos.
  • CG6 : Ser capaz de adaptarse a entornos relacionados con la ciencia de datos, fomentando el trabajo en equipo, la creatividad, la capacidad crítica y el espíritu emprendedor.
  • CG7 : Ser capaz de adaptarse al ambiente cambiante propio de la disciplina y de comprender y aplicar los nuevos avances técnicocientíficos relacionados con la ciencia de datos.
  • CG8 : Saber proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la ciencia de datos, teniendo en cuenta aspectos técnicos, económicos y de eficiencia.

 

Specific Competences

  • CE1 : Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado, no supervisado o reforzado).
  • CE14 : Diseñar y aplicar algoritmos para resolver problemas reales mediante habilidades de modelización, optimización y cálculo numérico.
  • CE15 : Manejar y aplicar las herramientas informáticas de cálculo numérico, optimización, simulación, visualización gráfica u otras para experimentar y resolver problemas.
  • CE5 : Analizar y aplicar métodos analíticos y estadísticos avanzados para la preparación y procesado de datos.

 

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 partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • 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)

No data

 

 

Specific objectives stated by the academic staff for academic year 2020-21

No data

 

 

;

General

Code: 43452
Lecturer responsible:
ARAGON ARTACHO, FRANCISCO JAVIER
Credits ECTS: 6,00
Theoretical credits: 1,80
Practical credits: 0,60
Distance-base hours: 3,60

Departments involved

  • Dept: APPLIED MATHEMATICS
    Area: APPLIED MATHEMATICS
    Theoretical credits: 0,4
    Practical credits: 0,2
  • Dept: MATHEMATICS
    Area: STATISTICS AND OPERATIONS RESEARCH
    Theoretical credits: 1,4
    Practical credits: 0,4
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught