Última actualización: 15/05/2021


Curso Académico: 2021/2022

Depuración de Datos y Generación de Informes
(17774)
Titulación: Máster Universitario en Estadística para la Ciencia de Datos (345)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: D AURIA , BERNARDO

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Programación en R Programación avanzada
Objetivos
** COMPETENCIAS QUE EL ESTUDIANTE ADQUIERE CON ESTA MATERIA CB06 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación CB09 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. CG04 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. CG06 Aplicar habilidades sociales para el trabajo en equipo y para relacionarse con otros de forma autónoma. CG07 Aplicar las técnicas avanzadas de análisis y representación de la información, con el fin de poderla adaptar a problemas reales. CE02 Utilizar software libre como R y Python para la implementación del análisis estadístico. CE08 Aplicar y desarrollar técnicas de visualización de muestras recogidas con software de libre distribución como R y Python. CE14 Aplicar conocimientos y capacidades avanzadas de consultoría estadística. ** RESULTADOS DE APRENDIZAJE QUE ADQUIERE EL ESTUDIANTE Adquisición de conocimientos sobre: 1) perspectiva de las aplicaciones y casos de uso de la estadística hoy en día en el entorno empresarial; 2) habilidades analíticas necesarias en un servicio de consultoría estadística; 3) el entorno tidyverse para la gestión de bases de datos y creación de gráficos; 4) técnicas de presentación automática de resultados estadísticos en informes; 5) desarrollo de servidores de procesamiento remoto de datos como Shiny.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
Versionado - Introducción a git - Trabajando con git y GitHub Introducción a HTML - HTML - estilo CSS - Javascript Gráficas de datos en Javascript - d3.js - plotly.js Presentaciones dinámicas - Presentaciones R - reveal.js Introducción a R Shiny Introducción a Python Dash
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 ** 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 40
  • Peso porcentual del resto de la evaluación 60
Calendario de Evaluación Continua
Bibliografía básica
  • Hadley Wickham, Garrett Grolemund. R for Data Science. O'Reilly Media. December 2016
  • Keon-Woong Moon. Learn ggplot2 Using Shiny App (Use R!). Springer. 2016
Bibliografía complementaria
  • Chris Beeley. Web Application Development with R Using Shiny. Packt Publishing. 2013
  • Winston Chang. R Graphics Cookbook: Practical Recipes for Visualizing Data. O'Reilly Media. 2013

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.