Última actualización: 11/04/2018


Curso Académico: 2018/2019

Análisis estadístico avanzado
(17467)
Grado en Gestión de la Información y Contenidos Digitales (Plan: 376 - Estudio: 340)


Coordinador/a: CABRAS , STEFANO

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




COMPETENCIAS ESPECÍFICAS 1. Conocer y utilizar técnicas estadísticas avanzadas, con soporte informático de última generación. 2. Extraer y analizar información de grandes conjuntos de datos. COMPETENCIAS TRANSVERSALES: 1. Capacidad de análisis y síntesis de la información en problemas reales. 2. Modelización y resolución de problemas prácticos. 3. Comunicación oral y escrita.
Descripción de contenidos: Programa
1. Problemas estadísticos para datos multivariantes: interpretación del fenómeno aleatorio versus predicción de resultados aleatorios del mismo. 2. Interpretación del fenómeno aleatorio por medio de visualización de datos y análisis de conglomerados. 2.1 Escalado multidimensional métrico. 2.2 Biplots. 2.3 Mapas perceptuales. 2.4. Análisis de clúster. Métodos jerárquicos, no jerárquicos (k-medias) y modelos de mixturas. 2.4.1 Algoritmos de clúster jerárquicos bottom-up. 2.4.2 k-medias y variantes. 3. Predicción del fenómeno aleatorio: Métodos de regresión paramétricos y no paramétricos. 3.1 Métodos discriminantes lineal y cuadrático. 3.2 Tipos de regresión para respuestas cuantitativas y para respuestas binarias. 3.3 Arboles da clasificación y Random Forests 4. Introducción al text mining. 4.1 Principales conceptos. 4.2 Nubes de palabras. 4.3 Matriz de textos por documentos.
Actividades formativas, metodología a utilizar y régimen de tutorías
14 Clases teóricas con material de apoyo disponible en la Web, y otras 14 sesiones basadas en sesiones de resolución de problemas y prácticas computacionales. No hay tutorías colectivas salvo la última semana de recuperación de clases en las que se pueden plantear sesiones de resolución de dudas.
Sistema de evaluación
  • Peso porcentual del Examen Final 60
  • Peso porcentual del resto de la evaluación 40

Bibliografía básica
  • E. Alpaydin. Introduction to Machine Learning, 2nd Edition. MIT Press. 2010
  • T. Hastie, R. Tibshirani, J. Friedman. Elements of Statistical Learning, 2d Ed. Springer. 2009

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