Ciencia de Datos e Inteligencia de Negocios
Máster. Curso 2024/2025.
TÉCNICAS ESTADÍSTICAS EN CIENCIA DE DATOS - 610506
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 069D - MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS E INTELIGENCIA DE NEGOCIOS (2024-25)
- Carácter: OBLIGATORIA
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
RA13, RA15, RA16, RA17, RA19, RA20, RA21
RA23, RA24, RA25, RA26, RA27
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Presenciales
No presenciales
Semestre
Breve descriptor:
En esta asignatura se dará una introducción al Software SAS y conocimientos básicos de estadística. Se desarrollan Técnicas Multivariantes utilizadas en Ciencia de datos para reducir el número de variables (ACPy AF), agrupar observaciones (clustering) y encontrar relaciones entre variables.Se estudian también modelos de series temporales para su análisi y predicción.
Requisitos
Objetivos
Encontrar las relaciones entre variables e individuos de un conjunto de datos. Entender el caracter especial de las variables observadas a lo largo del tiempo, saber analizar dichas variables y construir modelos predictivos basados en la dependencia temporal.
Contenido
- Introducción al SAS.
-Análisis, modelización y predicción de Series Temporales
- Análisis de Componentes principales y Factorial.
- Análisis Cluster
- Análisis de correspondencias
Evaluación
El alumno será evaluado continuamente a través de:
- Ejercicio prácticos que se realizarán fuera del horario de clase. La nota media de estas actividades será el 85% de la calificación final.
- La realización de ejercicios propuestos durante el horario de clase representarán el 15% de la nota final.
En el caso de que un alumno no haya superado la asignatura por este método o quiera mejorar la calificación, se podrá presentar a un examen final, que supondrá el 100% de la nota.
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso,
Bibliografía
Time Series Econometrics. K. Neusser. Ed Springer Texts in Business and Economics. (2016)
https://otexts.org/fpp2/dynamic.html
https://support.sas.com/documentation/onlinedoc/ets/132/esm.pdf
Alonso Revenga J M Calviño M artínez A 2022 Introducción a la Ciencia de datos con R Preparación de los datos y Análisis no supervisado Ed Ingebook
Hastie, T Tibshirani R Friedman, J 2008 The elements of statistical learning. Ed Springer
Estructura
| Módulos | Materias |
|---|---|
| No existen datos de módulos o materias para esta asignatura. | |
Grupos
| Clases teóricas y/o prácticas | ||||
|---|---|---|---|---|
| Grupo | Periodos | Horarios | Aula | Profesor |
| Grupo A | 09/09/2024 - 10/01/2025 | MIÉRCOLES 18:00 - 19:30 | - | JUANA MARIA ALONSO REVENGA |
| Grupo B | 09/09/2024 - 10/01/2025 | LUNES 18:00 - 19:30 | - | JUANA MARIA ALONSO REVENGA |
| Actividades prácticas | ||||
|---|---|---|---|---|
| Grupo | Periodos | Horarios | Aula | Profesor |
| Grupo A | 09/09/2024 - 10/01/2025 | MIÉRCOLES 19:30 - 21:00 | - | JUANA MARIA ALONSO REVENGA |
| Grupo B | 09/09/2024 - 10/01/2025 | LUNES 19:30 - 21:00 | - | JUANA MARIA ALONSO REVENGA |