Estadísticas Oficiales e Indicadores Sociales y Económicos

Máster. Curso 2024/2025.

MINERÍA DE DATOS Y APRENDIZAJE ESTADÍSTICO - 609814

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 - Conocer y utilizar las Tecnologías de la Información y la Comunicación aplicadas al análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG2 - Conocer y aplicar la normativa y regulación local, autonómica, nacional e internacional en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG3 - Comprender y ser capaz de aplicar las herramientas básicas de investigación en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG4 - Comprender, analizar y evaluar teorías, resultados y desarrollos en el idioma de referencia, además de en la lengua materna, en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG5 - Poseer conocimientos racionales y críticos en el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG6 - Conocer los métodos, técnicas e instrumentos de análisis para el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG7 - Capacidad para encontrar soluciones alternativas en el planteamiento de un problema o en la utilización de Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG8 - Conocer los fundamentos y las implicaciones económicas de los procesos de producción y aplicación de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG9 - Resolver casos prácticos conforme al análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos, lo que implica la elaboración previa de material, la identificación de cuestiones problemáticas, la selección, interpretación y la exposición argumentada de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG10 - Estructurar el proceso de análisis de un problema con elementos aleatorios en el análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
Transversales
CT1 - Conocer y desarrollar el respeto y la promoción de los Derechos Humanos, de los Derechos Fundamentales, de la cultura de paz y la conciencia democrática, de los mecanismos básicos para la participación ciudadana y de una actitud para la sostenibilidad ambiental y el consumo responsable.
CT2 - Conocer y aplicar las políticas y prácticas de atención a colectivos sociales especialmente desfavorecidos e incorporar los principios de igualdad entre hombres y mujeres y de accesibilidad universal y diseño adaptado para todos a su ámbito de estudio.
CT3 - Conocer y aplicar las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento, aplicando sus conocimientos al ejercicio profesional.
CT4 - Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad.
CT6 - Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y estructuradamente las ideas propias y ajenas, ejerciendo auténtico espíritu de liderazgo.
Específicas
CE13 - Manejar de forma avanzada las herramientas informáticas para el tratamiento y la representación de datos oficiales.
CE14 - Conocer, manejar y aplicar tanto las técnicas estadísticas más recientes como con las tendencias de desarrollo futuro del análisis cuantitativo.
CE18 - Desarrollar las capacidades necesarias para valorar, evaluar y diseñar instrumentos de medición cuantitativa.

Otras
CB6 - 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
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
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.

ACTIVIDADES DOCENTES

Clases teóricas
10h
Clases prácticas
10h
Presentaciones
2h
Otras actividades
Tutorías grupales: 2h
TOTAL
24h

Presenciales

1,26

No presenciales

1,74

Semestre

3

Breve descriptor:

Minería de datos. Análisis multivariante. Software estadístico y análisis de datos.


Requisitos

Haber cursado el primer año del Máster

Objetivos

• Conocimientos teóricos y prácticos para la aplicación adecuada de un conjunto de técnicas estadísticas orientadas al análisis de datos.

• Capacidad de explicar distintos tipos de interrelaciones entre variables.

• Capacidad de resumir conjuntos de datos mediante un grupo reducido de variables.

• Capacidad de analizar las relaciones entre variables o entre individuos de un conjunto de datos, con el fin de formar grupos con características similares.

• Capacidad de hacer predicciones para la clasificación de nuevas observaciones.


Contenido

1.              Introducción a la Minería de datos. Teoría de la Información.

2.              Regresión logística.

3.              Evaluación y Selección de modelos. Selección de variables.

4.              Clasificadores KNN.

5.              Clasificadores Bayesianos.

6.              Análisis discriminante.

7.              Árboles de decisión y Random Forest.

8.         Modelos de Shrinkage y de reducción de dimensiones. PCA, SOM, UMAP, TSNE.

9.              Métodos de remuestreo.

10.           Clustering. K-medias, hclust, dbscan, EM/GMM.

11.           Otras técnicas. Redes Neuronales.


Evaluación

Realización de un trabajo que resuma las competencias adquiridas durante el curso: 30%
Resolución de casos prácticos propuestos por el profesor:10%
Evaluación continua atendiendo a los resultados de las adquisiciones de competencias prácticas y teóricas vinculadas a las materias del máster: 10%
Realización de una prueba escrita final que no puede ser, en ningún caso, el único procedimiento de evaluación; 50%

Bibliografía

• Pérez López, C. y Santín González, D. (2007) Minería de datos: técnicas y herramientas. Thomson.
• Hernández Orallo, J., Ramírez Quintana, M.J. y Ferri Ramírez, C. (2004) Introducción a la minería de datos. Pearson Educación.Han J., Kamber M. y Pei J. (2012) Data Mining. Concepts and techniques. Elsevier.
• Maimon, O. y Rokach, L. (2010) Data Mining and Knowledge Discovery Handbook. Springer.
• Hastie, T., R. Tibshirani, R. y Friedman, J. (2009) The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.

Bibliografía complementaria
• Peña, D. (2002) Análisis de datos multivariantes. McGraw-Hill.

Otra información relevante

• R Statistical Sofware (https://www.r-project.org)

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo único10/09/2024 - 26/11/2024MARTES 18:00 - 20:00-KENEDY PEDRO ALVA CHAVEZ