Última actualización: 10/06/2021


Curso Académico: 2021/2022

Aprendizaje automático para la toma de decisiones empresariales
(17661)
Titulación: Grado en Empresa y Tecnología (351)


Coordinador/a: ALER MUR, RICARDO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Big Data y Análisis Empresarial
Objetivos
CB1. Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio CB2. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio CB3. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética CG3. Ser capaz de gestionar, identificar, reunir e interpretar información relevante sobre cuestiones relacionadas con el ámbito empresarial en la era digital. CG5. Saber diseñar, planificar y alinear la evolución de la tecnología (sistemas y tecnologías de la información y la comunicación) con respecto a la organización de la empresa y a su evolución. CT3. Ser capaz de evaluar la fiabilidad y calidad de la información y sus fuentes utilizando dicha información de manera ética, evitando el plagio, y de acuerdo con las convenciones académicas y profesionales del área de estudio. CT5. Conocer y ser capaz de manejar habilidades interpersonales sobre iniciativa y responsabilidad, negociación, inteligencia emocional, etc. así como herramientas de cálculo que permitan consolidar las habilidades técnicas básicas que se requieren en todo ámbito profesional. CE13. Comprender los sistemas de información avanzados, así como las principales herramientas tecnológicas aplicables en las empresas y en los negocios, asi como sus necesidades en temas de seguridad y protección de la información. la criptografía, la inteligencia artificial y el big data CE16. Comprender las posibilidades del Big data y la inteligencia artificial en el desarrollo del negocio, y conocer sus necesidades de implantación y sus capacidades en la mejora de los procesos empresariales Saber analizar y resolver un problema del ámbito disciplinar del Grado aplicando los conocimientos, habilidades, herramientas y estrategias adquiridas o desarrolladas en el mismo. RA1. Haber adquirido conocimientos avanzados y demostrado una comprensión de los aspectos teóricos y prácticos y de la metodología de trabajo en el campo de la administración de empresas y la tecnología digital con una profundidad que llegue hasta la vanguardia del conocimiento RA3. Tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de la empresa de la era digital.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción al aprendizaje automático 2. Extracción y exploración de datos 3. Modelos básicos de clasificación y regresión 3.1. Vecino más cercano (KNN) 3.2. Árboles y reglas 4. Metodología: entrenamiento, ajuste de hiper-parámetros, evaluación, pre-proceso 5. Generación y selección de características 6. Modelos avanzados de clasificación y regresión 6.1. Bagging, Random Forest 6.2. Boosting 6.3. Stacking 6.4. Máquinas de vectores de soporte 7. Aprendizaje no supervisado: 7.1. Agrupación (clustering) de datos 7.2. Aprendizaje asociativo
Actividades formativas, metodología a utilizar y régimen de tutorías
AF1. CLASES TEÓRICO-PRÁCTICAS. En ellas se presentarán los conocimientos que deben adquirir los alumnos. Estos recibirán las notas de clase y tendrán textos básicos de referencia para facilitar el seguimiento de las clases y el desarrollo del trabajo posterior. Se resolverán ejercicios, prácticas, problemas por parte del alumno y se realizarán talleres y pruebas de evaluación para adquirir las capacidades necesarias. AF2. TUTORÍAS. Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor. AF3. TRABAJO INDIVIDUAL O EN GRUPO DEL ESTUDIANTE. MD1. CLASE TEORÍA. Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporcionan los materiales y la bibliografía para complementar el aprendizaje de los alumnos. MD2. PRÁCTICAS. Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo. MD3. TUTORÍAS. Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor. Para asignaturas de 6 créditos se dedicarán 4 horas con un 100% de presencialidad.
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70
Calendario de Evaluación Continua
Bibliografía básica
  • Aurélien Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media. 2019
  • Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal . Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann. 2016
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Max Kuhn. Applied Predictive Modeling. Springer. 2013
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


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