Màster Universitari en Data Science La Salle Campus Barcelona URL

Màster Universitari en Data Science

Converteix-te en un expert en analitzar, estructurar, filtrar, visualitzar i posar en valor la producció de dades generades.

Eines avançades d'anàlisi de dades

Descripció
En l’assignatura s’amplia el ventall de tècniques d’anàlisi estadístic, a partir dels principis exposats en l’assignatura d’eines (MD004). Es continuarà treballant amb R per estudiar casos pràctics dels diferents mètodes.
Tipus assignatura
Primer - Obligatoria
Semestre
Segon
Curs
1
Crèdits
5.00

Professors Titulars

Coneixements previs

Es consideraran com coneixements previs els de l'assignatura d'Eines d'anàlisi i visualització de dades (primer semestre).

Objectius

Objectius:
• Completar el coneixement dels mètodes estadístics d’anàlisi de dades, com per exemple, simulacions Monte Carlo, ajust de funcions, learner evaluation, sèries temporals, entre d’altres.
• Per consolidar els coneixements adquirits, es realitzarà un projecte conjunt amb l’assignatura “MD008 – Intel·ligència artificial per a la ciència de les dades”, amb la finalitat de resoldre un problema concret aplicant els coneixements adquirits en les dues assignatures.

Continguts

1. Anàlisi exploratori de dades
2. Concepte de model
3. Learner evaluation
4. Mètodes de Montecarlo
5. Teoria de decisions
6. Aproximació de distribucions
7. Regressions
8. Sèries temporals
9. Ajust de funcions
10. Tests e intervals de confiança

Nota: els temes poden ajustar i/o modificar-se a criteri de la coordinació del màster.

Metodologia

La metodologia utilitzada combina classes magistrals, participació dels estudiants, exercicis i pràctiques. Per a l'estudiant, això implicarà treballs individuals i en grup, així com exercicis d’implementació, documentació escrita en format article i presentacions orals.

Avaluació

Aquesta assignatura s’avaluarà de manera continuada a partir d’exericics, participació i presentacions a classe. La part més important de l’avaluació consisteix en realitzar un projecte, comú entre aquesta assignatura i la d’Intel·ligència artificial (MD008).

Criteris avaluació

Avaluació continua
Aquesta assignatura s’avaluarà de manera continuada a partir d’exericics, participació i presentacions a classe. La part més important de l’avaluació consisteix en realitzar un projecte, comú entre aquesta assignatura i la d’Intel·ligència artificial (MD008).

La nota final serà una ponderació de tots els exercicis i treballs realitzats:
NOTA FINAL = 40% Exercicis + 60% Projecte.

Convocatòria extraordinària
Es determinarà l’examen i/o treballs de convocatòria extraordinària des de la coordinació de l’assignatura.

Normativa de còpies
L’assignatura es regeix per la normativa de còpies general de La Salle Campus BCN:
https://www.salleurl.edu/ca/normativa-de-copies
Les activitats formatives es consideraran que tenen la següent categoria:
• Exercicis: moderadament significativa
• Projecte: altament significativa
• Avaluació final: altament significativa

Bibliografia bàsica

La bibliografia s'anirà detallant al llarg de l'assignatura.

• Apunts de classe
• Documentació i articles que es penjaran a la Intranet (eStudy)

Material complementari

Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.