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 en Ciencia de Datos y está relacionada con la mayoría de las asignaturas del máster.
Esta asignatura introduce al estudiante en el uso del Modelado Computacional, la Simulación y Optimización, con el objetivo de estudiar, a través de modelos formales, la naturaleza o los sistemas óptimos de las ingenierías, apoyándose en tecnologías de la información y las comunicaciones. De esta forma, se puede describir la evolución de los sistemas en el tiempo, ya que frecuentemente el sistema estudiado no está disponible para su experimentación directa, por motivos económicos, bioéticos, de salud o riesgo de vida, complejidad, etc.
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.
- CG10 : Saber utilitzar tècniques de la ciència de dades per a obtenir noves relacions i brindar informació sobre problemes d'investigació o processos organitzatius i recolzar la presa de decisions.
- 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.
- CG9 : Saber dirigir projectes relacionats amb la ciència de dades, complint la normativa vigent i assegurant la qualitat del servei.
Competències Específiques
- CE10 : Dissenyar i utilitzar tecnologies i algorismes eficients per al modelatge i la simulació sistemes de dades.
- 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.
- CE9 : Utilitzar i manejar eficaçment les infraestructures i serveis big data. Utilitzar i aplicar aquests serveis per a suportar i realitzar presa de decisions basades en 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)
- Conèixer les principals tècniques de modelatge mitjançant agents, estratègies evolutives o Deep learning.
- Saber aplicar tècniques d'optimització en xarxes conexionistas.
- Conèixer tècniques d'optimització sense derivades i mitjançant aprenentatge per reforç.
- Conèixer tècniques de simulació mitjançant agents i per presa de decisions.
Objectius específics indicats pel professorat per al curs 2020-21
La asignatura de Modelado computacional, Simulación y optimización tiene como objetivo proporcionar los conocimientos teóricos y prácticos necesarios para obtener modelos, simular y analizar su comportamiento. Entre estos cabe destacar:
1. Comprender la metodología general para la simulación de un sistema.
2. Comprender las coincidencias y diferencias entre métodos analíticos y de simulación.
3. Estudiar diferentes clases de modelos de simulación.
4. Determinar las características deseables en los modelos de simulación.
5. Comprender y aplicar modelos basados en agentes.
6. Comprender y aplicar modelos basados en algoritmos evolutivos.
7. Aplicar la metodología de simulación para obtener decisiones óptimas.
;