Universidad Pública de Navarra



Año Académico: 2017/2018 | Otros años:  2016/2017  |  2015/2016 
Máster Universitario en Ingeniería Industrial por la Universidad Pública de Navarra
Código: 73041 Asignatura: Análisis de datos en organización industrial
Créditos: 3 Tipo: Optativa Curso: 2 Periodo: 1º S
Departamento: Estadística e Investigación Operativa
Profesores
MALLOR GIMENEZ, FERMÍN FRANCISCO (Resp)

Partes de este texto:

 

Módulo/Materia

Módulo de Especialización en Organización de Empresas / Técnicas avanzadas de organización de empresas

Subir

Descriptores

Análisis estadístico de dependencia. Métodos factoriales multivariantes: reducción de la dimensión. Técnicas de clasificación y agrupamiento.  Métodos de predicción en organización industrial.

Subir

Competencias genéricas

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. 

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. 

CG1: Tener conocimientos adecuados de los aspectos científicos y tecnológicos de: métodos matemáticos, analíticos y numéricos en la ingeniería, ingeniería eléctrica, ingeniería energética, ingeniería química, ingeniería mecánica, mecánica de medios continuos, electrónica industrial, automática, fabricación, materiales, métodos cuantitativos de gestión, informática industrial, urbanismo, infraestructuras, etc. 

CG8: Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.

Subir

Competencias específicas

CEO5: Conocimiento de técnicas estadísticas para extracción de información y predicción de series de datos en la organización industrial.

 

Subir

Resultados aprendizaje

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.

 

La medición de la consecución de estos resultados se realizará a través de todas las actividades recogidas en el apartado de evaluación.

Subir

Metodología

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

Subir

Relación actividades formativas-competencias

Competencia

Actividad formativa

CB6

AF2-AF3-AF4-AF6

CB7

AF2-AF3-AF4-AF6

CB9

AF3-AF6

CB10

AF3-AF4-AF5

CG1

AF1-AF2-AF3-AF4-AF5-AF6

CG8

AF2-AF3-AF4-AF6

CEO5

AF1-AF2-AF3-AF4-AF5-AF6

Subir

Idiomas

Castellano

Subir

Evaluación

Resultado de aprendizaje

Sistema de evaluación

Peso (%)

 R1, R2

 Prueba teórico práctica parcial

10%

 R1, R2

 Examen final

70%

 R1, R2

 Realización de ejercicios y trabajos

20%

Subir

Contenidos

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).

Subir

Temario

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.

Subir

Bibliografía

Acceda a la bibliografía que su profesor 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

Subir

Lugar de impartición

Aulario (aula y aula de informática)

Subir