Última actualización: 15/05/2024


Curso Académico: 2024/2025

Análisis de Datos
(16756)
Máster Universitario en Tecnologías del Sector Financiero: FinTech (Plan: 461 - Estudio: 313)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: FERNANDEZ REBOLLO, FERNANDO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Se recomienda haber superado la asignatura de Introducción a los Mercados Financieros del primer cuatrimestre.
Objetivos
El objetivo de este curso es proporcionar al alumno capacidades de analítica de datos en áreas relacionadas con el sector financiero. Concretamente, el alumno será capaz de utilizar herramientas de análisis de datos (estadísticos, visuales) y de aprendizaje automático (clasificación, regresión, etc.) para, por ejemplo, hacer análisis predictivos de series temporales.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
ANÁLISIS DE DATOS 1. Introducción al Análisis de Datos Financieros 2. Análisis exploratorio y herramientas de visualización 3. Transformación y limpieza de datos financieros 4. Modelos predictivos supervisados 5. Evaluación de modelos y backtesting en finanzas 6. Modelos no supervisados
Actividades formativas, metodología a utilizar y régimen de tutorías
La asignatura se ciñe al caracter semi-presencial del título. Las actividades formativas se resumen en: AF1: Clase teórica: Presentaciones teóricas acompañadas de material electrónico, como presentaciones digitales AF3: Clases teórico prácticas: Combinación de clases teóricas acompañadas de la resolución de ejercicios prácticos AF4: Prácticas de laboratorio: Prácticas a desarrollar en laboratorios específicos para las distintas asignaturas AF5: Tutorías: Tutorías de carácter presencial y/o a distancia (videoconferencia) AF2: Actividades de e-learning: Actividades sin presencialidad que el alumno desarrolla de forma autónoma. Estas actividades incluyen: Participaciones en foros de las asignaturas, visualización de contenidos pre-grabados, y ejercicios prácticos guiados. AF7: Trabajo individual del estudiante: Actividades individuales del alumno que complementan al resto de actividades (tanto presenciales como no presenciales), así como la preparación de exámenes: Metodologías docentes MD1: 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 proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD3: Resolución guiada de casos prácticos y problemas planteados por el profesor. MD5: Elaboración de trabajos e informes de manera individual o en grupo MD6: Actividades específicas de e-learning, relacionadas con el carácter semi-presencial del título, incluyendo la visualización de contenidos grabados, actividades de auto-corrección, participación en foros, y cualquier otro mecanismo de enseñanza on-line.
Sistema de evaluación
  • Peso porcentual del Examen Final 60
  • Peso porcentual del resto de la evaluación 40

Calendario de Evaluación Continua


Bibliografía básica
  • Luis Torgo. Data Mining with R: Learning with Case Studies, Second Edition. CRC Press. 2017

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