Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 76.5 Horas de Titorías: 4.5 Clase Expositiva: 13.5 Clase Interactiva: 18 Total: 112.5
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
Na actualidade son moi poucas as actividades que realiza o ser humano que son alleas á utilización das TICs. Se a este feito lle unimos a capacidade que ten a sociedade na que vivimos de xerar grande cantidades de datos procedente de distintas fontes: economía, deportas, sanidade, ciencia... encontrámonos moitas veces con grandes cantidades de datos, recopilados ao longo dos anos, aos que non se lles dá utilidade ningunha. Non obstante, unha análise exhaustiva dos devanditos datos pode revelar información sumamente útil. Dada a gran cantidade de información dispoñible requírense procedementos automáticos para extraer información relevante dos devanditos datos. A minería de datos ten como obxectivo a extracción de información xeralmente implícita, previamente descoñecida e potencialmente útil dos datos. Para iso requiriranse de programas que detecten patróns e regularidades nos devanditos datos. Estes programas permitirannos adquirir descricións estruturais a partir dos exemplos que poden ser usados para predicir unha resposta ante unha nova situación, utilizando métodos orixinados nos campos da Intelixencia Artificial, Estatística e investigación en Bases de Datos.
Polo tanto, o obxectivo desta materia consistirá en que o alumno comprenda a importancia do proceso de minería de datos e sexa capaz de preparar os datos para o seu posterior procesamento, aplicar técnicas propias da materia e interpretar e avaliar os resultados obtidos. Para iso, presentaranse as técnicas básicas de prepocesamento de datos, técnicas de clasificación e agrupamento e métodos de avaliación de modelos. Esta materia complementarase cos contidos da materia Aprendizaxe Estatística.
Preprocesamento.
Técnicas de agrupamento (clustering)
Técnicas de clasificación
Regras de clasificación
Avaliación
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 os beneficios que achega a Minería de datos, así como os elementos que interveñen no proceso.
Comprender e saber aplicar as principais técnicas de prepocesamento de datos.
Comprender e saber aplicar as principais técnicas de clasificación e agrupamento.
Comprender e saber aplicar as principais técnicas de avaliación de modelos.
Ser capaz de aplicar de forma completa un proceso de minería de datos e de elixir as técnicas máis axeitadas para cada situación.
Competencias da titulación que se traballan (ver memoria título):
- Básicas: CB6, CB7, CB9, CB10
- Transversais/Xerais:, G2, G4, G5, T3, T4, T5
- Específicas: E13
Clases teóricas, nas que se expón o contido de cada tema. O alumno dispoñerá de copias das transparencias con anterioridade e o profesor promoverá unha actitude activa, realizando preguntas que permitan aclarar aspectos concretos e deixando cuestións abertas para a reflexión do alumno.
Lectura e estudo de material diverso proporcionado polo profesor en forma de libros da bibliografía, artigos e revistas científicas,
Clases prácticas con uso de ordenador, que permiten ao alumno familiarizarse dende un punto de vista práctico coas cuestións expostas nas clases teóricas.
Actividades formativas de carácter presencial e a súa relación coas competencias da titulación:
Clases teóricas: impartidas polo profesor e exposición de seminarios: CB6, CB10, G4, T3, E13
Clases prácticas de laboratorio, resolución de problemas e casos prácticos: CB7, CB9, CB10, G4,G5,T3, T5, E13.
Titorías programadas: orientación para a realización dos traballos individuais ou en grupo, resolución de dúbidas e actividades de avaliación continua: CB6, CB7, CB9, CB10, G2, G4, T3, T4, E13
Exame e/ou Traballo Final:, CB7, CB9, CB10, G2, G4, G5, T3, T5, E13
Actividades formativas de carácter non presencial e a súa relación coas competencias da titulación:
Traballo persoal do alumno: consulta de bibliografía, estudo autónomo, desenvolvemento de actividades programadas, preparación de presentacións e traballos: CB6, CB7, CB10, G2, G4, T3, T4
No caso de que a USC determine o paso ao escenario 2 (distanciamento) ou 3 (peche das instalacións), a metodoloxía de ensino modificarase de acordo co plan de continxencia indicado no apartado de Observacións.
Realización de prácticas: 30%
Probas periódicas e/ou exame final: 60%
Seguimento continuado e obxetivable dunha participación activa: 5%
Avaliación de traballos academicamente dirixidos: 5%
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións
No caso de que a USC determine o paso ao escenario 2 (distanciamento) ou 3 (peche das instalacións), o sistema de avaliación modificarase de acordo co plan de continxencia indicado no apartado de Observacións.
Clases de pizarras: 18 h presenciais +33 h traballo autónomo do alumno
Clases de prácticas: 12 h presenciais +33 h traballo autónomo do alumno
Titorías e Actividades de avaliación: 6 h presenciais +10,5 h traballo autónomo do alumno
Total: 112.5 h
Faise uso do campus virtual.
Escenario 2 (distanciamento):
Debido ás propias características deste Máster, e que a metade dos alumnos sempre reciben a docencia de forma síncrona online, óptase por unha docencia totalmente online.
No que respecta ao bloque teórico:
A aprendizaxe dos contidos teóricos realizarase mediante leccións maxistrais e sesións de resolución de problemas en grupo. As sesións de teoría desenvolveranse de forma online síncrona mediante a ferramenta de videoconferencia integrada na aula Virtual da Universidade de Murcia.
Nos que respecta ás titorías:
Estas desenvolveranse a través da ferramenta "Mensaxes" da aula Virtual e online mediante a ferramenta de videoconferencia integrada na aula Virtual da Universidade de Murcia.
No que respecta a as clases prácticas:
A aprendizaxe dos contidos prácticos realizarase mediante a realización dos boletíns de prácticas e na resolución de cuestións relacionadas cos contidos teóricos que son cubertos no boletín. As sesións de prácticas desenvolveranse de forma online síncrona mediante a ferramenta de videoconferencia integrada na aula Virtual da Universidade de Murcia.
A avaliación, no que respecta a os contidos teóricos, desenvolverase segundo un modelo de avaliación continua. Durante o desenvolvemento do bloque teórico propoñeranse ao alumno unha serie de tarefas que desenvolverá o alumno de forma autónoma. O profesor valorará cada tarefa de forma ponderada sendo necesario superar unha cualificación mínima de 5 en cada unha delas. Por tanto, para superar os contidos teóricos é necesario superar todas as tarefas calificables e obter unha nota final ponderada superior a 5.
A realización das tarefas calificables será obrigatoria e non recuperable mediante un exame final, posto que esta materia carece do devandito tipo de exame. As tarefas entregaranse a través da ferramenta "Tarefas" da aula Virtual da Universidade de Murcia. Nas convocatorias de xuño e xullo, os alumnos poderán recuperar as tarefas non superadas ou non entregadas, debendo realizar ademais un exame final, que levará a cabo de forma online a través da ferramenta "Exames" da aula Virtual da Universidade de Murcia.
Para a avaliación das tarefas calificables, teranse en conta:
Corrección das cuestións expostas.
Claridade na solución achegada e na elaboración do informe.
Comprensión dos instrumentos teóricos/prácticos achegados.
A entrega das tarefas con atraso pode supoñer unha penalización aplicable á nota obtida en cada tarefa.
No que respecta ao resto de instrumentos de avaliación, estes non sofren ningunha modificación.
Escenario 3 (peche de instalacións):
A metodoloxía docente levará a cabo como no escenario 2.
A avaliación levará a cabo como no escenario 2.