• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok

Ciencia de Datos e Inteligencia de Negocios

Máster. Curso 2024/2025.

TÉCNICAS ESTADÍSTICAS EN CIENCIA DE DATOS - 610506

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
RA1 - Conocer los métodos de depuración y codificación de variables y tratamiento de datos ausentes en datos estadísticos
RA3 - Conocer la base teórica de los modelos lineales de predicción
RA4 - Conocer la base teórica de los principales modelos para series temporales
RA15 - Dominar herramientas estadísticas básicas y el software estadístico especializado y avanzado para la aplicación de las técnicas de Ciencia de datos
RA16 - Aplicar de forma efectiva en el ámbito de la Inteligencia empresarial, las distintas técnicas de Ciencia de datos necesarias, discriminando entre todas ellas y buscando la solución óptima
RA17 - Modelizar problemas de clasificación y predicción dentro del ámbito de la estrategia empresarial
RA19 - Elaborar un programa básico en lenguaje de programación en un contexto de modelización predictiva
RA20 - Tomar las decisiones apropiadas en la utilización de algoritmos predictivos en un problema real
RA21 - Aplicar diferentes modelos de segmentación, agrupación de observaciones y reducción de variables
RA23 - Desarrollar el espíritu innovador en un ámbito interdisciplinario, fomentando la búsqueda de soluciones creativas a diversos tipos de problemas
RA24 Generar y mantener actividades de investigación, desarrollo y consultoría en el área de la Ciencia de Datos
RA25 - Investigar en nuevas metodologías y técnicas para la gestión y explotación de grandes bases de datos con las que crear conocimiento que apoye la toma de decisiones en la dirección estratégica y en la inteligencia empresarial
RA26 - Comunicar las conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
RA27 - Establecer las fases y estructura de una investigación relacionada con la Ciencia de Datos partiendo de un problema concreto

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%

Presenciales

1,92

No presenciales

4,08

Semestre

1

Breve descriptor:

En esta asignatura se dará una introducción al Software SAS y conocimientos básicos de estadística. Se desarrollan Técnicas  Multivariantes utilizadas en Ciencia de datos para reducir el número de variables (ACPy AF), agrupar observaciones (clustering) y encontrar relaciones entre variables.Se estudian también modelos de series temporales para su análisi y predicción.

Requisitos

Conocimientos básicos de estadística

Objetivos

Encontrar las relaciones entre variables e individuos de un conjunto de datos. Entender el caracter especial de las variables observadas a lo largo del tiempo, saber analizar dichas variables y construir modelos predictivos basados en la dependencia temporal.

Contenido

- Introducción al SAS.

-Análisis, modelización y predicción de Series Temporales

- Análisis de Componentes principales y Factorial.

-  Análisis Cluster

- Análisis de correspondencias

Evaluación

El alumno será evaluado continuamente a través de:
- Ejercicio prácticos que se realizarán fuera del horario de clase. La nota media de estas actividades será el 85% de la calificación final.
- La realización de ejercicios propuestos durante el horario de clase representarán el 15% de la nota final.
En el caso de que un alumno no haya superado la asignatura por este método o quiera mejorar la calificación, se podrá presentar a un examen final, que supondrá el 100% de la nota.
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso,

Bibliografía

SAS® for Forecasting Time Series. J. C.Brocklebank , D. A. Dickey, Ed. SAS Institute Inc.
Time Series Econometrics. K. Neusser. Ed Springer Texts in Business and Economics. (2016)
https://otexts.org/fpp2/dynamic.html
https://support.sas.com/documentation/onlinedoc/ets/132/esm.pdf
Alonso Revenga J M Calviño M artínez A 2022 Introducción a la Ciencia de datos con R Preparación de los datos y Análisis no supervisado Ed Ingebook
Hastie, T Tibshirani R Friedman, J 2008 The elements of statistical learning. Ed Springer

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo A09/09/2024 - 10/01/2025MIÉRCOLES 18:00 - 19:30-JUANA MARIA ALONSO REVENGA
Grupo B09/09/2024 - 10/01/2025LUNES 18:00 - 19:30-JUANA MARIA ALONSO REVENGA


Actividades prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo A09/09/2024 - 10/01/2025MIÉRCOLES 19:30 - 21:00-JUANA MARIA ALONSO REVENGA
Grupo B09/09/2024 - 10/01/2025LUNES 19:30 - 21:00-JUANA MARIA ALONSO REVENGA