Per començar a parlar de dades, fa falta cimentar degudament els coneixements de probabilitat, estadística i, sobre aquesta base, entendre els conceptes essencials de visualització de dades. Pretenem establir un llenguatge comú i revisar conceptes adquirits, per assegurar-los i aprofundir-los. Les sessions de classe es completaran amb treballs i lectures prèvies, així com amb exercicis de consolidació, utilitzant com a eina el llenguatge R.
Es recomana tenir coneixements previs de probabilitat i estadística a nivell de grau, si bé, l'assignatura farà una revisió completa de tots dos temes per homogeneïtzar i fixar un vocabulari comú.
Els objectius es centraran en:
Entendre les bases de l'anàlisi estadística de dades i dels principis que la sustenten.
Conèixer les bases d'estadística que permeten abordar tècniques avançades i conceptes de Machine Learning.
Saber fer servir R com a eina per a l'anàlisi estadística.
Entendre la millor manera de visualitzar un conjunt de dades en funció del tipus de dades i del destinatari de la informació.
Entendre la millor manera de fer servir gràfiques i d'organitzar els resultats per transmetre eficientment el coneixement generat per les dades.
1. Presentació
2. Probabilitat
3. Estadística descriptiva
4. Test dhipòtesis
5. Regressió
6. Visualització de dades
7. Data Storytelling
8. Matriu de covariància i ANOVA
9. Anàlisi de Factors
10. Entropia i informació
11. Bayes i els seus amics
12. Survival analysis
13. Preparació de dades
Nota: els temes poden ajustar i/o modificar-se a criteri de la coordinació del màster.
La metodologia utilitzada combina classes magistrals, participació dels estudiants, exercicis i pràctiques. Per a l'estudiant, això implicarà treballs individuals, així com exercicis conceptuals i exercicis escrits.
La metodologia utilitzada combina classes magistrals, participació dels estudiants, exercicis i pràctiques. Per a l'estudiant, això implicarà treballs individuals, així com exercicis conceptuals i exercicis escrits.
Avaluació continua
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de:
Un exercici setmanal com a resum de la sessió - Individual
Un treball de la part de Visualització de dades
Un treball de la part de Data Storytelling
Un treball final
Convocatòria extraordinària
Es determinarà lexamen i/o treballs de convocatòria extraordinària des de la coordinació de lassignatura.
Normativa de còpies
Lassignatura 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
La bibliografia s'anirà detallant al llarg de l'assignatura.
Apunts de classe
Documentació i articles que es penjaran a la Intranet (eStudy)
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.