A la finalización del curso los estudiantes serán capaces de: Conocer la importancia de la ciencia de datos en la sociedad del conocimiento actual. Utilizar técnicas de visualización de datos para entender los problemas a los que se enfrenta un científico de datos, así como para presentar los resultados obtenidos. Conocer cuando utilizar una técnica de análisis de datos supervisada y cuando una no supervisada. Conocer algunas de las principales técnicas del análisis de datos, así como aplicaciones donde han sido utilizadas exitosamente. Conocer los principales problemas con los que se puede encontrar un científico de datos y como enfrentarlos. Conocer cuáles son las diferentes herramientas que utiliza un científico de datos. Ser capaces de realizar sus primeros análisis de datos empleando R-Studio.

1. Importancia de la Ciencia de Datos 2. Introducción a R-Studio 3. Entendiendo los datos: Casos de estudio de análisis exploratorio de datos y técnicas de visualización I 4. Entendiendo los datos: Casos de estudio de análisis exploratorio de datos y técnicas de visualización II 5. Importancia de un buen diseño de experimentos y selección de las medidas de rendimiento: precisión, sensibilidad, especificidad. Sobreajuste 6. Introducción a la clasificación supervisada: casos de estudio sobre árboles de decisión y bosques aleatorios 7. Introducción a las técnicas no supervisadas: casos de estudio de técnicas de agrupación

La asignatura se imparte en 14 clases teórico-prácticas y 14 clases prácticas. La asignatura es eminentemente práctica, y por ese motivo en las clases magistrales se explicarán los conceptos principales teóricos de la asignatura, pero también se pondrán en práctica con ejercicios con ordenador. Estos conceptos se profundizarán en las clases prácticas en las que se realizarán análisis adicionales de datos con ordenador. Los estudiantes dispondrán además de tutorías donde pondrán resolver las dudas que tengan, tanto de las clases teóricas, prácticas o sobre los trabajos que tienen que entregar.