Última actualización: 03/05/2019


Curso Académico: 2019/2020

Programación Avanzada
(17761)
Titulación: Máster Universitario en Estadística para la Ciencia de Datos (345)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: ALER MUR, RICARDO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Programming with R
Competencias que adquiere el estudiante y resultados del aprendizaje.
COMPETENCIAS QUE EL ESTUDIANTE ADQUIERE CON ESTA MATERIA CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades CB10 Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. CG4 Capacidad para sintetizar las conclusiones obtenidas de estos análisis y presentarlas de manera clara y convincente en un entorno bilingüe (español e inglés) tanto por escrito como oralmente. CG6 Aplicar habilidades sociales para el trabajo en equipo y para relacionarse con otros de forma autónoma. CE2 Utilizar software libre como Python para la implementación del análisis estadístico. CE8 Aplicar y desarrollar técnicas de visualización de muestras recogidas con software de libre distribución como Python. RESULTADOS DE APRENDIZAJE QUE ADQUIERE EL ESTUDIANTE - Integración de C++ y R via Rcpp - lenguaje de programación Python. Paquetes de aprendizaje automático. - breve introducción al lenguaje de programación STAN
Descripción de contenidos: Programa
1) Combinación de C++ con R a través de Rcpp. 2) Lenguaje Python. Gráficos en Python (matplotlib y seaborn). Paquetes de aprendizaje automático (scikit-learn). 3) Breve introducción a STAN.
Actividades formativas, metodología a utilizar y régimen de tutorías
ACTIVIDADES FORMATIVAS DEL PLAN DE ESTUDIOS REFERIDAS A MATERIAS AF1 Clase teórica AF2 Clases prácticas AF4 Prácticas de laboratorio AF5 Tutorías AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Pruebas de evaluación presencial METODOLOGÍAS DOCENTES FORMATIVAS DEL PLAN REFERIDAS A MATERIAS 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 de casos prácticos, problemas, etc.¿ planteados por el profesor de manera individual o en grupo MD5 Elaboración de trabajos e informes de manera individual o en grupo
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70
Bibliografía básica
  • Dirk Eddelbuettel. Seamless R and C++ Integration with Rcpp (Use R!) . Springer. 2013
  • Julian Avila. scikit-learn Cookbook (2nd edition). Packt. 2017

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