Máster Universitario en Estadística para la Ciencia de Datos (Plan: 386 - Estudio: 345)
Escuela de Ingeniería y Ciencias Básicas
Coordinador/a: NOGALES MARTIN, FRANCISCO JAVIER
Departamento asignado a la asignatura: Departamento de Estadística
Tipo: Obligatoria
Créditos: 3.0 ECTS
Curso: 1º
Cuatrimestre: 2º
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
Aprender cómo evaluar métodos de aprendizaje supervisado
Desarrollar capacidades para clasificar observaciones basadas en aprendizaje probabilístico y de máquina
Adquirir destrezas en el uso del lenguaje R para las herramientas de aprendizaje supervisado
Descripción de contenidos: Programa
Introducción al Aprendizaje Estadístico
Evaluación de Métodos de Aprendizaje
Aprendizaje Bayesiano
Regla de Bayes y Aprendizaje basado en Costes
k-NN
Máquinas de Vector Soporte
Árboles de Decisión y Bosques Aleatorios
Redes Neuronales
Actividades formativas, metodología a utilizar y régimen de tutorías
Clases magistrales (1/2 parte del curso): se presenta el contenido de la asignatura ilustrado con ejemplos y con material de apoyo disponible en la Web.
Prácticas (1/2 parte del curso): Ejemplos y casos de estudio con lenguaje R.
Sistema de evaluación
Peso porcentual del Examen Final 50
Peso porcentual del resto de la evaluación 50
Bibliografía básica
G. James, D. Witten, T. Hastie and R. Tibshirani. An Introduction to Statistical Learning with Applications in R. Springer. 2013
Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. The MIT Press. 2012
Machine Learning with R. Brett Lantz. Packt Publishing. 2015
El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.
