Guia docente | ||||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2023_24 | |||||||||||||||||||||||||||||||||||||||
Asignatura | CIENCIA DE DATOS I | Código | 00717017 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Obligatoria | Segundo | Segundo |
|||||||||||||||||||||||||||||||||||||
Idioma | ||||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | MATEMATICAS |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | aquic@unileon.es mttrom@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | Asignatura de introducción a la estadística matemática para la ciencia de datos. | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A18963 | 717CE1 Capacidad para la resolución de los problemas matemáticos propios de la ciencia de datos y la inteligencia artificial, aplicando conocimientos de álgebra lineal, cálculo diferencial e integral, métodos numéricos, algorítmica numérica, estadística, probabilidad y optimización. |
A18966 | 717CE12 Capacidad para aplicar los principios fundamentales, métodos y técnicas básicas de la ciencia de datos y la inteligencia artificial para su aplicación práctica a un problema o dominio concreto. |
A18979 | 717CE24 Capacidad para aplicar los principios de organización visual de la información y para comunicar y representar de forma efectiva el análisis y resultados a partir de los datos, seleccionado las técnicas y herramientas de visualización de datos más adecuadas. |
A18989 | 717CE9 Capacidad para comprender y manejar conceptos fundamentales de probabilidad y estadística, planteando modelos matemáticos y resolviendo problemas de optimización matemática relacionados con la ciencia de datos y la inteligencia artificial. |
B5800 | 0717CG1 Conocimiento de materias básicas científicas y técnicas que capaciten para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones. |
B5801 | 0717CG2 Capacidad para abordar con éxito todas las etapas de un proyecto de análisis de datos: exploración previa de los datos, preprocesado, análisis, visualización y comunicación de resultados. |
B5802 | 0717CG3 Capacidad para concebir, diseñar, analizar, implementar y utilizar aplicaciones para el análisis de datos y la extracción de conocimiento a partir de distintas fuentes de datos. |
B5806 | 0717CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones. |
B5807 | 0717CT2 Capacidad para la interpretación de resultados con iniciativa, creatividad y razonamiento crítico y autocrítico. |
B5808 | 0717CT3 Capacidad para comunicar y transmitir de forma oral o por escrito conocimientos y razonamientos derivados de su trabajo individual o en grupo de forma clara y concreta. |
C2 | CMECES2 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. |
C4 | CMECES4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
Resultados de aprendizaje |
Resultados | Competencias | ||
Comprende los principales métodos estadísticos y los aplica en la resolución de problemas matemáticos propios de la ciencia de datos y la inteligencia artificial | A18963 A18966 A18989 |
B5800 B5806 |
C2 |
Demuestra capacidad para diseñar y desarrollar un proyecto de análisis de datos y lo aplica correctamente a un proceso de toma de decisiones y/o incluye razonamiento crítico. | A18966 A18989 |
B5801 B5802 B5806 B5807 |
|
Aplica los conceptos y procedimientos estadísticos descriptivos e inferenciales aprendidos para comunicar y representar de forma efectiva el análisis y resultados, seleccionando las técnicas y herramientas de visualización de datos más adecuadas. | A18966 A18979 |
B5801 B5806 |
C2 C4 |
Aplica los conceptos y procedimientos matemáticos aprendidos tanto en la elaboración de argumentaciones correctas como para enfrentarse a situaciones que impliquen el uso de nuevos conocimientos y técnicas matemáticas, potenciando de esta manera su aprendizaje autónomo. | A18966 A18979 |
B5807 B5808 |
C2 |
Comunica de forma oral y/o escrita conocimientos, razonamientos y soluciones de problemas de estadística mediante el lenguaje matemático. | A18979 |
B5800 B5808 |
C4 |
Contenidos |
Bloque | Tema |
Bloque I: Estadística descriptiva | Tema 1: Introducción a la estadística Tema 2: Estadística descriptiva |
Bloque II: Inferencia | Tema 3: Introducción a la inferencia Tema 4: Inferencia Bayesiana: estimación puntual y por intervalos, contrastes de hipótesis y predicción Tema 5: Inferencia frecuentista: estimación puntual y por intervalos, contrastes de hipótesis y predicción Tema 6: Inferencia no paramétrica |
Bloque III: Diseño de estudios | Tema 7: Diseño de estudios |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Resolución de problemas/ejercicios en el aula ordinaria | 22 | 44 | 66 | ||||||
Practicas a través de TIC en aulas informáticas | 6 | 9 | 15 | ||||||
Tutoría de Grupo | 4 | 6 | 10 | ||||||
Sesión Magistral | 22 | 22 | 44 | ||||||
Pruebas de desarrollo | 6 | 9 | 15 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Resolución de problemas/ejercicios en el aula ordinaria | Planteamiento y resolución de ejercicios en el aula. |
Practicas a través de TIC en aulas informáticas | Resolución de problemas con ordenador. |
Tutoría de Grupo | Seguimiento y apoyo al proceso de aprendizaje del alumnado. Se realizarán sesiones de repaso de contenidos y resolución de problemas. |
Sesión Magistral | Exposiciones teóricas en las que el profesor introduce los conceptos, los resultados y los métodos de la disciplina. |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Practicas a través de TIC en aulas informáticas | Las prácticas se evaluarán por medio de un examen | 10% | |
Pruebas de desarrollo | Dos pruebas escritas parciales | 40% cada una | |
Otros | Tests de evaluación online | 10% | |
Otros comentarios y segunda convocatoria | |||
Para superar la asignatura en primera convocatoria (convocatoria ordinaria), por evaluación continua, será necesario alcanzar la nota mínima de 4 sobre 10 en ambas pruebas parciales y que la nota final (contando prácticas y tests) supere el 5 (sobre 10). L@s estudiantes que no superen la primera convocatoria tendrán que presentarse a la segunda convocatoria (convocatoria extraordinaria), que constará de un único examen escrito con contenidos de las dos partes. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica |
Bolstad, W.M., Introduction to Bayesian Statistics, John Wiley & Sons, 2004 Agresti, A.; Klingenberg, B.; Franklin, C. & Posner, M., Statistics : the art and science of learning from data, Pearson, 2018 Verzani, J., Using R for introductory statistics, Chapman and Hall, 2005 |
https://catoute.unileon.es/permalink/34BUC_ULE/4ifthk/alma991008847377605772 https://catoute.unileon.es/permalink/34BUC_ULE/1ekdeev/alma991008792181705772 |
|
Complementaria |
Hoff, P.D., A First Course in Bayesian Statistical Methods, Springer, 2010 Everitt, Brian S. & Hothorn, Torsten , A., A Handbook of Statistical Analyses Using R, CRC Press, 2009 |
https://catoute.unileon.es/permalink/34BUC_ULE/2dgtuo/cdi_askewsholts_vlebooks_9783030105310 https://catoute.unileon.es/permalink/34BUC_ULE/2dgtuo/cdi_askewsholts_vlebooks_9783030828080 |
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente | ||
|