Competències i objectius
- Context de l'assignatura per al curs 2020-21
- Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)
- Resultats d'aprenentatge (Objectius formatius)
- Objectius específics indicats pel professorat per al curs 2020-21
Context de l'assignatura per al curs 2020-21
La asignatura está ubicada en el primer semestre del Máster Universitario en Ciencia de Datos y está relacionada con la mayoría de las asignaturas del máster.
En ella se introduce al estudiante en el uso de los modelos gráficos probabilísticos y las redes bayesianas. Los sistemas complejos se caracterizan por la presencia de múltiples aspectos interrelacionados, muchos de los cuales se relacionan con la tarea de razonamiento. Estos dominios, se pueden caracterizar en términos de un conjunto de variables aleatorias, donde el valor de la variable aleatoria de cada variable define una propiedad importante del sistema. Raramente podemos proporcionar una especificación determinista del comportamiento de un sistema complejo. Los modelos probabilísticos nos permiten hacer explícito este hecho y, por lo tanto, a menudo proporcionan un modelo que es más fiel a la realidad.
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.
- CG12 : Ser capaç de desenvolupar experiments, processos, instruments, sistemes, infraestructures durant tot el cicle de vida de les 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.
- CG5 : Saber gestionar la informació i els recursos disponibles relacionats amb 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
- CE4 : Identificar i utilitzar tècniques d'anàlisi gràfica de dades per a l'anàlisi de xarxes organitzacionals, relacions amb els clients i altres tasques.
- 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)
- Identificar les xarxes bayesianes, els models gràfics no dirigits i les seues extensions temporals.
- Manejar mètodes d'inferència exactes i aproximats.
- Aplicar l'estimació dels paràmetres i l'estructura dels models gràfics.
Objectius específics indicats pel professorat per al curs 2020-21
La asignatura de Métodos Gráficos Bayesianos tiene como objetivo proporcionar los conocimientos teóricos y prácticos necesarios para identificar las redes bayesianas y los modelos gráficos:
- Manejar los conceptos fundamentales de la teoría de grafos
- Analizar las independencias en redes bayesianas, gáficos y distribuciones
- Aplicar la estimación de parámetros en redes bayesianas
- Analizar los conceptos relacionados con la inferencia exacta
- Manejar los conceptos relacionados con los Clique Trees
- Analizar y aplicar los conceptos de Inferencia (MAP)
- Manejar el aprendizaje de estructura en redes bayesianas
- Analizar y aplicar aproximaciones estructurales variacionales
;