La asignatura Data Analysis Tools tiene como capacitar a los alumnos para realizar con solvencia análisis cualitativos y cuantitativos de conjuntos de datos. El curso preparará a los alumnos para ser capaces de llevar a cabo diferentes acciones con conjuntos de datos, tales como extraer datos estadísticos relevantes a través de técnicas exploratorias, combinar conjuntos y representarlos de forma visualmente intuitiva para su análisis en detalle y profundidad. Durante el transcurso de la materia el alumno aprenderá a utilizar R, el lenguaje de programación que permitirá llevar a cabo las acciones mencionadas, dotando así a la asignatura de una fuerte componente práctica. Se utilizarán diferentes conjuntos de datos procedentes del mundo real para que el alumno pueda percibir el pragmatismo de la temática propuesta y entender el tipo de casos de uso a los que el temario impartido pretender dar solución.
Profesores Titulares
Profesores Docentes
(ninguno)
Los resultados de Aprendizaje de esta asignatura son: R1. Realizar análisis estadísticos de conjuntos de datos R2. Combinar conjuntos de datos R3. Desarrollar capacidades básicas de programación en R R4. Crear representaciones gráficas (visualizaciones) relevantes de conjuntos de datos
1. Datos y estadística 1.1.Estadística descriptiva 1.2.Introducción a R 1.3.Análisis exploratorio de datos 2. Combinación de conjuntos de datos 2.1.Concatenación de datos 2.2.Join de datos 2.3.Combinación de conjuntos de datos en R 3. Visualización de datos 3.1.Introducción 3.2.Dimensiones, métricas y KPIs 3.3.Tipos de visualizaciones 3.4.Cuadro de mandos 3.5.Herramientas de visualización de datos
La asignatura tiene un funcionamiento semanal con dos sesiones lectivas, una de una hora y una de dos. Aproximadamente la mitad de las horas lectivas serán magistrales y la otra mitad tendrán una componente práctica u orientada a resolver ejercicios que permitan reforzar las capacidades de los alumnos. Cada dos o tres semanas se propondrán ejercicios a realizar en casa y que conformarán una parte esencial de la Evaluación Continua (más información en el apartado correspondiente). Estos ejercicios estarán orientados a consolidar los conocimientos de la asignatura y preparar al alumno tanto para los exámenes como para el proyecto. También ayudarán al estudiante a entender la aplicabilidad del temario de la asignatura.
La asignatura tiene una duración de un semestre y se divide en dos partes que se complementan mutuamente: una parte teórica y otra práctica, que se lleva a cabo mediante un proyecto en grupo. Para aprobar la asignatura, el estudiante debe superar tanto la parte teórica (examen final) como la evaluación práctica (proyecto en grupo).
La nota final de la asignatura se compone de los siguientes porcentajes:
- Exámenes: 45% (Alta importancia)
- Examen parcial: 20%
- Examen final: 25%
- Proyecto en grupo: 20%
- Evaluación continua: 35% (Menor importancia)
- Asistencia y participación en clase: 15%
- Tareas y deberes: 20%
Política de recuperación: Esta asignatura no tiene examen de recuperación. Los estudiantes que no alcancen una nota media de 5 deberán cursar la asignatura nuevamente el año siguiente.
Uso de herramientas de IA: No se permite el uso de herramientas de IA durante los exámenes de alta importancia. Si se utilizan herramientas de IA en otras actividades, los estudiantes deberán demostrar que mejoran significativamente el resultado generado por el chatbot para obtener una calificación superior a 0.
-
Diez, D. M., Barr, C. D., & Cetinkaya-Rundel, M. (2012). OpenIntro statistics (Vol. 4). Boston, MA, USA:: OpenIntro
R for Data Science (2e) by Hadley Wickham, Mine Çetinkaya-Rundel, and Garrett Grolemund.
-