Esta asignatura se contempla como una introducción al análisis de datos integrado utilizando software estadístico (Miner SAS y R). Se describen técnicas estadísticas habituales con el objetivo de que se conozca el entorno informático.

Se hace especial hincapié en la presentación y resolución de problemas prácticos a los que se les va aplicando diferentes técnicas, entendiéndolas como un procedimiento sistemático de trabajo. El método de trabajo consistirá en utilizar dos grandes bases de datos y trabajar con ellas de forma integrada. 

Las técnicas a las que se dará prioridad en esta asignatura son los métodos de exploración y depuración de datos, la creación de modelos predictivos como la regresión lineal, la regresión logística y los árboles de regresión y clasificación.

1. Obtener las habilidades básicas-medias de lenguajes de programación orientados al manejo y análisis de datos.

2. Saber cargar, manipular y depurar conjuntos de datos de manera eficiente y óptima.

3. Comprender, aplicar y desarrollo de modelos predictivos, tales como regresión lineal, regresión logística y árboles.

1. Metodologías de Minería de Datos y Machine Learning.

2. Técnicas de exploración, visualización y depuración de datos.

3. Introducción a los modelos predictivos.

4. Regresión lineal

5. Regresión logística.

6. Árboles de clasificación y regresión.