Conocimiento básico del software estadístico R o similares.

El objetivo de esta asignatura es capacitar a los estudiantes en el uso de técnicas avanzadas de análisis de datos aplicadas a la industria conectada. Se trabajarán herramientas de visualización de datos y se implementarán modelos avanzados de machine learning. Al finalizar, los estudiantes estarán preparados para analizar datos, identificar patrones y aplicar soluciones predictivas en entornos industriales, contribuyendo a la optimización de procesos y toma de decisiones basada en datos.

1. Introducción 1.1 Introducción al Análisis de Datos Multivariantes 1.2 Introducción al Aprendizaje Estadístico 1.3 Aprendizaje Supervisado frente a No Supervisado 1.4 Técnicas de Visualización de Datos 2. Aprendizaje supervisado: Regresión 2.1 Regresión Lineal 2.2 Selección del modelo lineal y regularización 2.3 Validación cruzada en problemas de regresión 2.4 Extensiones 3. Aprendizaje supervisado: Clasificación 3.1 Regresión Logística 3.2 Clasificador de Bayes 3.3 Análisis Discriminante Lineal 3.4 k-Vecinos más Cercanos 3.5 Random Forests 3.6 Máquinas de Vector Soporte 3.7 Validación cruzada en problemas de clasificación 4. Aprendizaje no supervisado y Técnicas de Reducción de la Dimensión 4.1 Análisis Cluster: k-medias y clustering jerárquico 4.2 Análisis de Componentes Principales 4.3 Escalado Multidimensional 4.4 ISOMAP y Locally-Linear Embedding

ACTIVIDADES FORMATIVAS: AF3: Clases teóricas y prácticas. AF6: Trabajo en grupo. AF7: Trabajo individual del estudiante. AF8: Exámenes parciales y finales. METODOLOGÍA DOCENTE: 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. MD2: Lectura crítica de textos recomendados por el profesor de la asignatura: artículos, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. MD3: Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo MD4: Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos TUTORÍAS: - Tutorías individuales semanales - Posibilidad de tutorías colectivas.