Última actualización: 28/04/2022


Curso Académico: 2022/2023

Regresión en alta dimensión
(17310)
Titulación: Grado en Ciencia e Ingeniería de Datos (350)


Coordinador/a: NOGALES MARTIN, FCO. JAVIER

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Conocimientos básicos de matemáticas y estadística
Objetivos
Familiarizarse con distintas herramientas analíticas, basadas en datos, para la toma de decisiones Capacidad de adquirir conocimiento para analizar y encontrar relaciones entre distintas variables Relajar alguna de las hipótesis de los modelos de regresión Aprender cómo tratar el problema de la alta dimensionalidad en Big Data Adquirir conocimiento para manejar las principales herramientas de predicción avanzada, así como el uso del lenguaje R en estos modelos
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Estimación eficiente de mínimos cuadrados 2. Extensión de modelos lineales 3. Modelos de aprendizaje estadístico 4. Herramientas de aprendizaje automático
Actividades formativas, metodología a utilizar y régimen de tutorías
Teoría (3 ECTS), Prácticas (3 ECTS). 50% clases magistrales con material de apoyo disponible en la Web. Otro 50% de prácticas computacionales en aula informática.
Sistema de evaluación
  • Peso porcentual del Examen Final 50
  • Peso porcentual del resto de la evaluación 50
Calendario de Evaluación Continua

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.


Dirección web para más información: Aula Global