Professors Titulars
Els Resultats d'Aprenentatge d'aquesta assignatura són:
R1. Comprensió dels conceptes i tècniques de mineria de dades.
R2. Capacitat per analitzar i interpretar grans conjunts de dades per extreure coneixements i patrons significatius.
R3. Coneixement de les diferents eines i tecnologies utilitzades en la mineria de dades amb Python, com ara numpy, pandas, matplotlib, seaborn i scikit-learn.
R4. Capacitat per avaluar críticament els resultats de la mineria de dades i determinar-ne la fiabilitat i validesa.
R5. Capacitat per comunicar i presentar resultats de l'anàlisi de mineria de dades de manera eficaç.
Primera part del semestre:
- Introducció a la mineria de dades
- Preprocessament de dades
- Models de regressió
- Models de classificació
Segona part del semestre:
- Validació creuada
- Selecció de característiques
- Models basats en arbres
- Mineria de textos
Projecte: Predicció de l'èxit de les startups mitjançant Twitter
R1 - Comprensió dels conceptes i tècniques de mineria de dades: Introducció a la mineria de dades
R2- Capacitat per analitzar i interpretar grans conjunts de dades per extreure coneixements i patrons significatius:
- Preprocessament de dades
- Selecció de característiques
- Validació creuada
R3 - Coneixement de les diferents eines i tecnologies utilitzades en la mineria de dades amb Python, com ara numpy, pandas, matplotlib, seaborn i scikit-learn:
- Models de regressió
- Models de classificació
- Models basats en arbres
R4 - Capacitat per avaluar críticament els resultats de la mineria de dades i determinar-ne la fiabilitat i validesa:
Projecte: Predicció de l'èxit de les startups mitjançant Twitter
R5 - Capacitat per comunicar i presentar resultats de l'anàlisi de mineria de dades de manera eficaç:
Projecte: Predicció de l'èxit de les startups mitjançant Twitter
El sistema d'avaluació serà contínua combinant diverses activitats per facilitar l'assimilació dels coneixements per part de l'estudiant.
La taula següent mostra el percentatge d'avaluació de cada activitat en funció de la nota final:
R1, R2 - Deures - 20%
R2, R3 - Examen parcial - 20%
R4, R5 - Projecte - 30%
R2, R3 - Examen final - 30%
Els objectius de l'avaluació contínua són els següents:
- Aprenentatge progressiu de l'assignatura i avaluació de l'activitat
- Avaluació dels coneixements adquirits en els exàmens
- Practicar l'assignatura amb un projecte real
- Mueller, A., Guido, S. (2016). Introduction to Machine Learning with Python, O'Really
- James, G et al (2021). An Introduction to Statistical Learning, Springer
- Provost, F., Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking, O'Really
- Matthes, E. (2015). Python Crash Course: A Hands-On, Project-Based Introduction to Programming, No Starch Press