Última actualización: 27/05/2024


Curso Académico: 2024/2025

Aprendizaje Estadístico
(16487)
Grado en Ciencia e Ingeniería de Datos (Plan: 392 - Estudio: 350)


Coordinador/a: NOGALES MARTIN, FRANCISCO JAVIER

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Algebra Lineal Probabilidad y Análisis de Datos Introducción a la modelización estadística
Objetivos
Familiarizarse con diferentes herramientas analíticas, basadas en datos, para la toma de decisiones Adquirir habilidades de aprendizaje no supervisado para desarrollar agrupaciones o disminuir la dimensionalidad en grandes conjuntos de datos Desarrollar habilidades para las principales herramientas estadísticas y de aprendizaje supervisado: clasificación y regresión Uso estos modelos para hacer predicciones/clasificación y realizar inferencia Manejo del lenguaje R
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción al aprendizaje estadístico 2. Evaluación de métodos de aprendizaje 3. Aprendizaje no supervisado 3a. Clustering 3b. Reducción de dimensión 4. Clasificación estadística 5. Casos de estudio
Actividades formativas, metodología a utilizar y régimen de tutorías
Teoría (3 ECTS), Prácticas (3 ECTS). 50% clases magistrales con material de apoyo disponible en la Web. Otro 50% de prácticas computacionales.
Sistema de evaluación
  • Peso porcentual del Examen Final 50
  • Peso porcentual del resto de la evaluación 50

Calendario de Evaluación Continua


Convocatoria extraordinaria: normativa
Bibliografía básica
  • BISHOP, C.M.. "PATTERN RECOGNITION AND MACHINE LEARNING". SPRINGER SCIENCE AND BUSINESS MEDIA. 2006
  • FRIEDMAN, J.; HASTIE, T.; TIBSHIRANI, R. . "THE ELEMENTS OF STATISTICAL LEARNIG". NEW YORK, SPRINGER SERIES IN STATISTICS. 2001
  • K. Murphy. Machine Learning, A Probabilistic Perspective. MIT Press. 2012

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


Dirección web para más información: Aula Global