Módulo/Materia
- Materia Nivel 1: Minería de Datos
- Materia Nivel 2: Minería de Datos
Subir
Descripción/Contenidos
Estadística multivariante. Distancia multivariante y distribuciones de probabilidad. Análisis discriminante. Análisis factorial. Análisis de correspondencias. Correlación canónica. Escalamiento multidimensional. Análisis cluster.
Subir
Competencias genéricas
- CG4 - Saber utilizar los procesos teóricos y aplicados que permiten extraer información a partir de conjuntos de datos de naturaleza homogénea u heterogénea, en particular cuando se trata de grandes volúmenes de datos.
- CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
- CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- CT2 - Capacidad para la comunicación eficaz oral y escrita.
- CT3 - Capacidad para la búsqueda y utilización de la información, normativa y reglamentación relativa a su ámbito de actuación.
- CT4 - Capacidad para el trabajo en equipos multidisciplinares y multiculturales.
Subir
Competencias específicas
- CE4- Conocer las principales técnicas que permitan realizar un análisis exploratorio preliminar de los datos.
- CE14- Manejar, organizar información estadística e interpretar las técnicas de visualización y pre procesamiento de datos.
Subir
Resultados aprendizaje
- RA13. Distinguir la utilidad de cada técnica multivariante y los requisitos que deben tener los datos para su correcta utilización.
- RA14. Utilizar el análisis multivariante en la toma de decisiones.
Subir
Metodología
Metodología-Actividad |
Horas presenciales |
Horas no presenciales |
A1-Clases expositivas/participativa |
29 |
|
A2- Prácticas |
28.5 |
|
A3- Realización de trabajos/proyectos en grupo |
|
10 |
A4- Estudio y trabajo autónomo del estudiante |
|
78.5 |
A5- Tutorías |
|
1.5 |
A6- Pruebas de evaluación |
2.5 |
|
Total |
60 |
90 |
Subir
Idiomas
Castellano.
Subir
Evaluación
Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) |
Carácter recuperable |
Nota mínima requerida |
RA13, RA14 |
Pruebas escritas. Prueba escrita de carácter individual mediante la que el estudiante demuestra que ha comprendido y asimilado los conocimientos propios de la materia, y que es capaz de aplicarlos a la resolución de ejercicios y problemas. |
60 |
Sí |
5 |
RA13, RA14 |
Presentaciones orales. Exposición ante un público formado por el profesor y resto de estudiantes de un resumen de los logros alcanzados a lo largo del desarrollo de un trabajo o proyecto. |
10 |
Sí |
5 |
RA13, RA14 |
Trabajos e informes: memoria escrita en la que el estudiante recoge de forma ordenada las distintas fases del desarrollo de un trabajo o proyecto realizado de forma individual o en pequeños grupos. |
30 |
Sí |
5 |
Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).
Subir
Temario
- Datos multivariantes
- Introducción.
- Preparación de los datos.
- Distancias multivariantes
- Distribuciones de probabilidad.
- Visualización de datos.
- Tipos de gráficos.
- Herramientas de visualización.
- Métodos de Interdependencia.
- Introducción.
- Análisis de componentes principales.
- Análisis factorial.
- Análisis de correspondencias.
- Escalamiento Multidimensional.
- Análisis clúster.
- Métodos de dependencia.
- Introducción
- Análisis discriminante.
- Correlación Canónica.
- Análisis de regresión.
- Análisis de supervivencia.
Subir
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
La bibliografía básica de la asignatura es la siguiente:
- D. Pen¿a. Análisis de Datos Multivariantes. McGraw-Hill, 2002.
- C. M. Cuadras. Nuevos Métodos de Análisis Multivariante. CMC Editions. Barcelona, 2014
- D. E. Johnson. Métodos Multivariados Aplicados Al Análisis de Datos. Thomson, 1998.
- H. Wikham. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O¿Reilly, 2017.
La bibliografía complementara de la asignatura es la siguiente:
- W.R. Dillon and M. Goldstein. Multivariate Analysis: Methods and Applications. Wiley, New York, 1984.
- L. Kaufman and P. J. Rousseeuw. Finding Groups in Data : an Introduction to Cluster Analysis. Wiley, 1990.
- P. A. Lachenbruch. Discriminant Analysis. Hafner Press, New York, 1975.
- Tom Soukup and Ian Davidson. Visual Data Mining: Techniques and Tools for Data Visualization and Mining. Wiley, 2002.
- R. Martinez Arias. El Análisis Multivariante en la Investigación Científica.¿Cuadernos de Estadística. Editorial La Muralla, 2000.
- D. Sarkar. Lattice: Multivariate Data Visualization with R. Springer, 2008.
- A. Kassambara. ggplot2: The Elements for Elegant Data Visualization in R. STHDA
Subir
Lugar de impartición
Universidad Pública de Navarra, Campus Arrosadía.
Subir