Código: 73229 | Asignatura: Análisis de datos en organización industrial | ||||
Créditos: 3 | Tipo: Optativa | Curso: 2 | Periodo: 1º S | ||
Departamento: | |||||
Profesorado: | |||||
MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp) [Tutorías ] |
Análisis estadístico de dependencia. Métodos factoriales multivariantes: reducción de la dimensión. Técnicas de clasificación y agrupamiento. Métodos de predicción en organización industrial.
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.
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.
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.
CG4: Capacidad para el modelado matemático, cálculo y simulación encentros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería de Telecomunicación y campos multidisciplinares afines.
CEO4: Conocimiento de técnicas estadísticas para extracción de información y predicción de series de datos en la organización de empresas.
R1. Adquirir el conocimiento de técnicas estadísticas para extraer de forma sintética la información más relevante proporcionada por grandes volúmenes de datos y facilitar así el proceso de toma de decisiones.
R2. Adquirir el conocimiento de la metodología estadística para la predicción de series de datos dependientes del tiempo en la organización industrial.
Actividad formativa |
Horas |
% Presencialidad del alumno |
AF1.- Clases expositivas/participativas |
15 |
100 |
AF2.- Prácticas |
12 |
100 |
AF3.- Actividades de aprendizaje cooperativo |
3 |
100 |
AF4.-Realización de proyectos en grupo |
10 |
0 |
AF5.- Estudio y trabajo autónomo del estudiante |
30 |
0 |
AF6.-Tutorías y pruebas de evaluación |
5 |
100 |
Competencia |
Actividad formativa |
CB7 |
AF2-AF3-AF4-AF6 |
CB9 |
AF3-AF6 |
CB10 |
AF3-AF4-AF5 |
CG4 |
AF1-AF2-AF3-AF4-AF5-AF6 |
CEO4 |
AF1-AF2-AF3-AF4-AF5-AF6 |
Resultado de aprendizaje |
Sistema de evaluación |
Peso (%) |
Carácter recuperable |
R1, R2 |
Prueba teórico práctica parcial |
10-20% |
NO |
R1, R2 |
Examen final |
50-70% |
SÍ |
R1, R2 |
Realización de ejercicios y trabajos |
10-30% |
NO |
Se proporcionan herramientas para la organización, resumen y presentación de grandes masas de datos, así como para obtener información a partir de los mismos. Se formulan distintos problemas de aprendizaje a partir de datos que se resolverán utilizando técnicas de regresión múltiple, de reducción de la dimensión (como componentes principales y análisis factorial) y de clasificación (supervisada y no supervisada).
Tema 1. Análisis estadístico de dependencia.
Tema 2. Métodos factoriales multivariantes: reducción de la dimensión.
Tema 3. Técnicas de clasificación y agrupamiento.
Tema 4. Métodos de predicción en organización industrial.
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. (2009): “The Elements of Statistical Learning: Data mining, Inference and Prediction”. 2nd Ed, Springer.
JAMES, G., WITTEN, D., HASTIE, T., TIBSHIRANI, R., (2014): “An introduction to Statistical Learning: with Applications in R”, Springer.
JOHNSON, R.A., WICHERN, D.W. (2007): “Applied Multivariate Statistical Analysis”, 6th Ed. Prentice Hall.
Revistas científicas: JOURNAL OF THE ROYAL STATISTICAL SOCIETY, ADVANCES IN DATA ANALYSIS AND CLASSIFICATION, JOURNAL OF STATISTICAL COMPUTATION AND SIMULATION, JOURNAL OF APPLIED STATISTICS