Para empezar a hablar de datos, hace falta cimentar debidamente los conocimientos de probabilidad, estadística y, sobre esta base, entender los conceptos esenciales de visualización de datos. Pretendemos establecer un lenguaje común y revisar conceptos adquiridos, para asegurarlos y profundizarlos. Las sesiones de clase se completarán con trabajos y lecturas previas, así como con ejercicios de consolidación, usando como herramienta el lenguaje R.
Se recomienda tener conocimientos previos de probabilidad y estadística a nivel de grado, si bien, la asignatura hará una revisión completa de ambos temas para homogeneizar y fijar un vocabulario común.
Los objetivos se centrarán en:
Entender las bases del análisis estadístico de datos y de los principios que lo sustentan.
Conocer las bases de estadística que permiten abordar técnicas avanzadas y conceptos de Machine Learning.
Saber usar R como herramienta para el análisis estadístico.
Entender la mejor forma de visualizar un conjunto de datos en función del tipo de datos y del destinatario de la información.
Entender la mejor forma de usar gráficas y de organizar los resultados para transmitir eficientemente el conocimiento generado por los datos.
1. Presentación
2. Probabilidad
3. Estadística descriptiva
4. Test de hipótesis
5. Regresión
6. Visualización de datos
7. Data Storytelling
8. Matriz de covarianza y ANOVA
9. Análisis de Factores
10. Entropía e información
11. Bayes y sus amigos
12. Survival analysis
13. Preparación de datos
Nota: los temas pueden ajustarse y/o modificarse a criterio de la coordinación del máster.
La metodología utilizada combina clases magistrales, participación de los estudiantes, ejercicios y prácticas. Para el alumno, esto implicará trabajos individuales, así como ejercicios conceptuales y ejercicios escritos.
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
Evaluación continua
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
La nota final será una ponderación de:
 Un ejercicio semanal de resumen de la sesión - Individual
 Un trabajo de la parte de Visualización de datos
 Un trabajo de la parte de Data Storytelling
 Un trabajo final
Convocatoria extraordinaria
Se determinará el examen y/o trabajos de convocatoria extraordinaria desde la coordinación de la asignatura.
Normativa de copias
La asignatura se rige por la normativa de copias general de La Salle Campus BCN:
https://www.salleurl.edu/es/normativa-de-copias
Las actividades formativas se considerarán que tienen la siguiente categoría:
Ejercicios: moderadamente significativa
Proyecto: altamente significativa
Evaluación Final: altamente significativa
La bibliografía se irá detallando a lo largo de la asignatura.
Apuntes de clase
Documentación y artículos subidos a la Intranet (eStudy)
Todo el material de clase (presentaciones, ejercicios, artículos, documentos, etcétera) se compartirán en la carpeta de la asignatura de la Intranet de La Salle: eStudy.