Profesores Titulares
Profesores Docentes
Respecto a la parte meramente estadística, el alumnado conocerá los conceptos básicos de la inferencia estadística y sabrá ajustar distintos modelos de regresión sabiendo en cada caso qué modelo es el más idóneo llevando a cabo las distintas fases de selección de variables, validación e interpretación de los mismos. En la vertiente predictiva, conocerá las diferentes técnicas de clustering y sabrá cuál de ellas aplicar según las características del problema para obtener los mejores indicadores de predicción. La comprensión a nivel teórico, le permitirá sacar el máximo rendimiento de cada técnica.
En cuanto al software R, el alumno será capaz de programar análisis complejos para cada una de las metodologías estudiadas con la ayuda de scripts-guía y a través de prácticas que involucran problemas reales con grandes volúmenes de datos. Además, se especializará en la visualización de resultados, hecho que contribuirá a mejorar la comunicación con los futuros clientes.
Inferencia estadística.
Programación en R.
Modelos de regresión.
Modelos de clustering.
Técnicas para reducción de dimensionalidad.
Las clases combinan explicaciones teóricas por parte del profesorado con otras más prácticas. La mayoría de prácticas y ejercicios de esta asignatura se desarrollan en grupo, pues se considera clave que el alumno pueda intercanviar ideas y opiniones en este ámbito,
Se realizarán ejercicios para una evaluación continuada.
Los resultados de aprendizaje de esta asignatura son los siguientes:
ADM_RA5: El alumno conoce los conceptos de análisis estadístico relacionados con la inferencia, regresión, clustering para grandes volúmenes de datos.
ADM_RA6: El alumno es capaz de diseñar y programar análisis complejos mediante una tecnología de análisis estadístico disponible en el mercado.