Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 76.5 Horas de Tutorías: 4.5 Clase Expositiva: 13.5 Clase Interactiva: 18 Total: 112.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
En la actualidad son muy pocas las actividades que realiza el ser humano que son ajenas a la utilización de las TICs. Si a este hecho le unimos la capacidad que tiene la sociedad en al que vivimos de generar gran cantidades de datos procedente de distintas fuentes: economía, deportas, sanidad, ciencia… nos encontramos muchas veces con grandes cantidades de datos, recopilados a lo largo de los años, a los que no se les da utilidad alguna. Sin embargo, una análisis exhaustivo de dichos datos puede revelar información sumamente útil. Dada la gran cantidad de información disponible se requieren de procedimientos automáticos para extraer información relevante de dichos datos. La minería de datos tiene como objetivo la extracción de información generalmente implícita, previamente desconocida y potencialmente útil de los datos. Para ello se requerirán de programas que detecten patrones y regularidades en dichos datos. Estos programas nos permitirán adquirir descripciones estructurales a partir de los ejemplos que pueden ser usados para predecir una respuesta ante una nueva situación, utilizando métodos originados en los campos de la Inteligencia Artificial, Estadística e investigación en Bases de Datos.
Por lo tanto, el objetivo de esta materia consistirá en que el alumno comprenda la importancia del proceso de minería de datos y sea capaz de preparar los datos para su posterior procesamiento, aplicar técnicas propias de la materia e interpretar y evaluar los resultados obtenidos. Para ello, se presentarán las técnicas básicas de prepocesamiento de datos, técnicas de clasificación y agrupamiento y métodos de evaluación de modelos. Esta asignatura se complementará con los contenidos de la asignatura Aprendizaje Estadístico.
Preprocesamiento.
Técnicas de agrupamiento (clustering)
Técnicas de clasificación
Reglas de asiciación
Evaluación
Textos basicos:
Max Khun and Kjell Johnson. Applied Predictive Modeling. Springer. 978-1461468486
José Hernández Orallo, Mª José Ramírez Quintana and César Ferri Ramirez. Introducción a la Minería de Datos. Pearson-Prentice-Hall. 2004. ISBN: 84 205 4091 9
Textos complementarios:
Ethem Alpaydin. Introduction to Machine Learning. MIT Press 2004.
James, G., Witten, D., Hastie, T., Tibshirani, R. .An Introduction to Statistical Learning.
with Applications in R.Springer 2013
Comprender los beneficios que aporta la Minería de datos, así como los elementos que intervienen en el proceso.
Comprender y saber aplicar las principales técnicas de prepocesamiento de datos.
Comprender y saber aplicar las principales técnicas de clasificación y agrupamiento.
Comprender y saber aplicar las principales técnicas de evaluación de modelos.
Ser capaz de aplicar de forma completa un proceso de minaría de datos y de elegir las técnicas más adecuadas para cada situación.
Competencias de la titulación que se trabajan (ver memoria título):
- Básicas: CB6, CB7, CB9, CB10
- Transversales/Generales:, G2, G4, G5, T3, T4, T5
- Específicas: E13
Clases teóricas, en las que se expone el contenido de cada tema. El alumno dispondrá de copias de las transparencias con anterioridad y el profesor promoverá una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexión del alumno.
Lectura y estudio de material diverso proporcionado por el profesor en forma de libros de la bibliografía, artículos y revistas científicas,
Clases prácticas con uso de ordenador, que permiten al alumno familiarizarse desde un punto de vista práctico con las cuestiones expuestas en las clases teóricas.
Actividades formativas de carácter presencial y su relación con las competencias de la titulación:
Clases teóricas: impartidas por el profesor y exposición de seminarios: CB6, CB10, G4, T3, E13
Clases prácticas de laboratorio, resolución de problemas y casos prácticos: CB7, CB9, CB10, G4,G5,T3, T5, E13.
Tutorías programadas: orientación para la realización de los trabajos individuales o en grupo, resolución de dudas y actividades de evaluación continua: CB6, CB7, CB9, CB10, G2, G4, T3, T4, E13
Examen y/o Trabajo Final: CB7, CB9, CB10, G2, G4, G5, T3, T5, E13
Actividades formativas de carácter no presencial y su relación con las competencias de la titulación:
Trabajo personal del alumno: consulta de bibliografía, estudio autónomo, desarrollo de actividades programadas, preparación de presentaciones y trabajos : CB6, CB7, CB10, G2, G4, T3, T4
En el caso de que la USC determine el paso al escenario 2 (distanciamiento) o 3 (cierre de las instalaciones), la metodología de enseñanza se modificará de acuerdo con el plan de contingencia indicado en el apartado de Observaciones.
Realización de prácticas: 30%
Pruebas periódicas y/o examen final: 60%
Seguimiento continuado y objetivable de una participación activa: 5%
Evaluación de trabajos académicamente dirigidos: 5%
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de calificaciones
En el caso de que la USC determine el paso al escenario 2 (distanciamiento) o 3 (cierre de las instalaciones), el sistema de evaluación se modificará de acuerdo con el plan de contingencia indicado en el apartado de Observaciones.
Clases de pizarra: 18 h presenciales + 33 h trabajo autónomo del alumno
Clases de prácticas: 12 h presenciales + 33 h trabajo autónomo del alumno
Tutorías y Actividades de evaluación: 6 h presenciales + 10,5 h trabajo autónomo del alumno
Total: 112.5 h
Se hace uso del campus virtual.
Escenario 2 (distanciamiento):
Debido a las propias características de este Máster, y que la mitad de los alumnos siempre reciben la docencia de forma síncrona online, se opta por una docencia totalmente online.
En lo que respecta al bloque teórico:
El aprendizaje de los contenidos teóricos se realizará mediante lecciones magistrales y sesiones de resolución de problemas en grupo. Las sesiones de teoría se desarrollarán de forma online síncrona mediante la herramienta de videoconferencia integrada en el Aula Virtual de la Universidad de Murcia.
En los que respecta a las tutorías:
Estas se desarrollarán a través de la herramienta "Mensajes" del Aula Virtual y online mediante la herramienta de videoconferencia integrada en el Aula Virtual de la Universidad de Murcia.
En lo que respecta a las clases prácticas:
El aprendizaje de los contenidos prácticos se realizará mediante la realización de los boletines de prácticas y en la resolución de cuestiones relacionadas con los contenidos teóricos que son cubiertos en el boletín. Las sesiones de prácticas se desarrollarán de forma online síncrona mediante la herramienta de videoconferencia integrada en el Aula Virtual de la Universidad de Murcia.
La evaluación, en lo que respecta a los contenidos teóricos, se desarrollará según un modelo de evaluación continua. Durante el desarrollo del bloque teórico se propondrán al alumno una serie de tareas que desarrollará el alumno de forma autónoma. El profesor valorará cada tarea de forma ponderada siendo necesario superar una calificación mínima de 5 en cada una de ellas. Por lo tanto, para superar los contenidos teóricos es necesario superar todas las tareas calificables y obtener una nota final ponderada superior a 5.
La realización de las tareas calificables será obligatoria y no recuperable mediante un examen final, puesto que esta asignatura carece de dicho tipo de examen. Las tareas se entregarán a través de la herramienta "Tareas" del Aula Virtual de la Universidad de Murcia. En las convocatorias de junio y julio, los alumnos podrán recuperar las tareas no superadas o no entregadas, debiendo realizar además un examen final, que se llevará a cabo de forma online a través de la herramienta "Exámenes" del Aula Virtual de la Universidad de Murcia.
Para la evaluación de las tareas calificables, se tendrán en cuenta:
Corrección de las cuestiones planteadas.
Claridad en la solución aportada y en la elaboración del informe.
Comprensión de los instrumentos teóricos/prácticos aportados.
La entrega de las tareas con retraso puede suponer una penalización aplicable a la nota obtenida en cada tarea.
En lo que respecta al resto de instrumentos de evaluación, éstos no sufren ninguna modificación.
Escenario 3 (cierre de instalaciones):
La metodología docente se llevará a cabo como en el escenario 2.
La evaluación se llevará a cabo como en el escenario 2.