Estadísticas Oficiales e Indicadores Sociales y Económicos
Master's Programme. Academic Year 2024/2025.
MINERÍA DE DATOS Y APRENDIZAJE ESTADÍSTICO - 609814
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 067S - MÁSTER UNIVERSITARIO EN ESTADÍSTICAS OFICIALES E INDICADORES SOCIALES Y ECO (2022-23)
- Carácter: OPTATIVA
- ECTS: 3.0
SINOPSIS
COMPETENCIAS
Generales
CG2 - Conocer y aplicar la normativa y regulación local, autonómica, nacional e internacional en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG3 - Comprender y ser capaz de aplicar las herramientas básicas de investigación en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG4 - Comprender, analizar y evaluar teorías, resultados y desarrollos en el idioma de referencia, además de en la lengua materna, en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG5 - Poseer conocimientos racionales y críticos en el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG6 - Conocer los métodos, técnicas e instrumentos de análisis para el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG7 - Capacidad para encontrar soluciones alternativas en el planteamiento de un problema o en la utilización de Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG8 - Conocer los fundamentos y las implicaciones económicas de los procesos de producción y aplicación de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG9 - Resolver casos prácticos conforme al análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos, lo que implica la elaboración previa de material, la identificación de cuestiones problemáticas, la selección, interpretación y la exposición argumentada de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG10 - Estructurar el proceso de análisis de un problema con elementos aleatorios en el análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
Transversales
CT2 - Conocer y aplicar las políticas y prácticas de atención a colectivos sociales especialmente desfavorecidos e incorporar los principios de igualdad entre hombres y mujeres y de accesibilidad universal y diseño adaptado para todos a su ámbito de estudio.
CT3 - Conocer y aplicar las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento, aplicando sus conocimientos al ejercicio profesional.
CT4 - Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad.
CT6 - Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y estructuradamente las ideas propias y ajenas, ejerciendo auténtico espíritu de liderazgo.
Específicas
CE14 - Conocer, manejar y aplicar tanto las técnicas estadísticas más recientes como con las tendencias de desarrollo futuro del análisis cuantitativo.
CE18 - Desarrollar las capacidades necesarias para valorar, evaluar y diseñar instrumentos de medición cuantitativa.
Otras
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
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
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.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Presentaciones
Otras actividades
TOTAL
Presenciales
No presenciales
Semestre
Breve descriptor:
Minería de datos. Análisis multivariante. Software estadístico y análisis de datos.
Requisitos
Objetivos
Conocimientos teóricos y prácticos para la aplicación adecuada de un conjunto de técnicas estadísticas orientadas al análisis de datos.
Capacidad de explicar distintos tipos de interrelaciones entre variables.
Capacidad de resumir conjuntos de datos mediante un grupo reducido de variables.
Capacidad de analizar las relaciones entre variables o entre individuos de un conjunto de datos, con el fin de formar grupos con características similares.
Capacidad de hacer predicciones para la clasificación de nuevas observaciones.
Contenido
1. Introducción a la Minería de datos. Teoría de la Información.
2. Regresión logística.
3. Evaluación y Selección de modelos. Selección de variables.
4. Clasificadores KNN.
5. Clasificadores Bayesianos.
6. Análisis discriminante.
7. Árboles de decisión y Random Forest.
8. Modelos de Shrinkage y de reducción de dimensiones. PCA, SOM, UMAP, TSNE.
9. Métodos de remuestreo.
10. Clustering. K-medias, hclust, dbscan, EM/GMM.
11. Otras técnicas. Redes Neuronales.
Evaluación
Resolución de casos prácticos propuestos por el profesor:10%
Evaluación continua atendiendo a los resultados de las adquisiciones de competencias prácticas y teóricas vinculadas a las materias del máster: 10%
Realización de una prueba escrita final que no puede ser, en ningún caso, el único procedimiento de evaluación; 50%
Bibliografía
Hernández Orallo, J., Ramírez Quintana, M.J. y Ferri Ramírez, C. (2004) Introducción a la minería de datos. Pearson Educación.Han J., Kamber M. y Pei J. (2012) Data Mining. Concepts and techniques. Elsevier.
Maimon, O. y Rokach, L. (2010) Data Mining and Knowledge Discovery Handbook. Springer.
Hastie, T., R. Tibshirani, R. y Friedman, J. (2009) The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.
Bibliografía complementaria
Peña, D. (2002) Análisis de datos multivariantes. McGraw-Hill.
Otra información relevante
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo único | 10/09/2024 - 26/11/2024 | MARTES 18:00 - 20:00 | - | KENEDY PEDRO ALVA CHAVEZ |