Universitat Internacional de Catalunya
MÓDULO 3.2: Métodos Estadísticos y Data Mining
Altres llengües d'impartició: anglès, castellà,
Professorat
Faculty:
Imanol Morata (imorata@uic.es)
José Antonio Esteban (jaesteban@uic.es)
David Roche (droche@uic.es)Presentació
Aquesta assignatura es compon d'una part de repàs d'estadística bàsica i una altra part dedicada a aprendre alguna de les tècniques clàssiques relacionades amb l'obtenció de coneixement i la presa de decisions.
L'estadística és un component essencial i bàsic per poder entendre tècniques més pròpies de la ciència de dades i l'extracció de patrons, regles i coneixement.
En resum, en aquesta assignatura es reprendran aspectes estadístics bàsics juntament amb alguna tècnica més concreta relativa a la ciència de dades
Requisits previs
Objectius
Els objectius d'aquesta assignatura es refereixen a l'ús de l'estadística i de certes tècniques algorítmiques per completar coneixements bàsics necessaris per a la formació en ciència de dades.
En resum, s'abordaran aspectes com test d'hipòtesi, regressió lineal, components principals i computació evolutiva. També es realitzarà alguna sessió sobre cicle de vida dels projectes de ciència de dades i sobre tècniques d'aprenentatge automàtic
Competències/Resultats d’aprenentatge de la titulació
- 31 - Desenvolupar la capacitat per identificar i interpretar dades numèriques.
- 36 - Ser capaç d'interpretar dades quantitatives i qualitatives i d'emprar eines matemàtiques i estadístiques aplicables a processos empresarials.
- 64 - Capacitat de planificació i organització del treball.
- 32 - Adquirir habilitats en la resolució de problemes a partir d'informació quantitativa i qualitativa.
- 40 - Ser capaç de seleccionar el mètode estadístic adequat d'acord amb l'objecte d'anàlisi.
- 43 - Adquirir habilitat en l'ús de programari estadístic.
- 50 - Adquirir capacitat de relacionar conceptes i fer exercicis d'anàlisi i de síntesi.
- 51 - Desenvolupar aptituds en la presa de decisions.
- 53 - Adquirir habilitats per a l'aprenentatge autònom.
- 54 - Ser capaç d'expressar idees i arguments de manera ordenada i coherent tant oralment com de forma escrita.
- 56 - Ser capaç de fer argumentacions que afavoreixin el raonament crític i autocrític.
- 65 - Adquirir la capacitat de posar en pràctica els coneixements.
- 66 - Capacitat de recuperar i tractar informació.
Resultats d’aprenentatge de l’assignatura
Continguts
Metodologia i activitats formatives
Modalitat totalment presencial a l'aula
La tècnica d'aprenentatge d'aquesta assignatura és "learning by doing" de manera que es realitzaran casos pràctics aplicats a cada concepte teòric que es desenvolupi en les diferents sessions i per als diferents llenguatges. L'objectiu sempre és apropar l'alumne a la realitat de la seva professió on haurà d'aplicar els coneixements teoricopràctics apresos al llarg de l'assignatura.
La majoria de les sessions s'estructuren de la següent manera:
1. Presentació del resum teòric per part de professorat
2. Aplicació exemple per part de professorat
3. Plantejament de problemes i solució per part de l'alumnat
4. Solució de el problema de manera conjunta
5. Cas pràctic simulat o amb dades reals
6. Treball pràctic per fer a casa amb la intenció d'assimilar els conceptes apresos en la sessió
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
L'avaluació d'aquesta assignatura s'obtindrà amb la ponderació equitativa de tots els lliuraments realitzats al llarg del curs. La nota final és la nota de l'avaluació continuada.
Bibliografia i recursos
-Statistics for Business and Economics, Global Edition. Paul Newbold, William Carlson, Betty Thorne. 2019
- An Introduction to Statistical Learning: with Applications in R. Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani. 2014. Springer Publishing Company, Incorporated.
- R Cookbook: Proven Recipes for Data Analysis, Statistics, and Graphics. J D Long y Paul Teetor. 2019