Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura CIENCIA DE DATOS II Código 00717021
Enseñanza
0717 - GRADO INGENIERÍA DATOS INTELIGENCIA ARTIFICIAL
Descriptores Cr.totales Tipo Curso Semestre
6 Obligatoria Tercero Primero
Idioma
Prerrequisitos
Departamento MATEMATICAS
Responsable
MONTERO BENAVIDES , ANA
Correo-e amonb@unileon.es
aquic@unileon.es
Profesores/as
MONTERO BENAVIDES , ANA
QUIROS CARRETERO , ALICIA
Web http://
Descripción general
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente MATEMATICAS GARCIA FERNANDEZ , ROSA MARTA
Secretario MATEMATICAS SANTAMARIA SANCHEZ , RAFAEL
Vocal MATEMATICAS TROBAJO DE LAS MATAS , MARIA TERESA
Tribunal suplente
Cargo Departamento Profesor
Presidente MATEMATICAS SUSPERREGUI LESACA , JULIAN JOSE
Secretario MATEMATICAS VEGA CASIELLES , SUSANA
Vocal MATEMATICAS SAEZ SCHWEDT , ANDRES

Competencias
Código  
A18963 717CE1 Capacidad para la resolución de los problemas matemáticos propios de la ciencia de datos y la inteligencia artificial, aplicando conocimientos de álgebra lineal, cálculo diferencial e integral, métodos numéricos, algorítmica numérica, estadística, probabilidad y optimización.
A18964 717CE10 Capacidad para comprender, seleccionar y aplicar las técnicas y herramientas de aprendizaje automático más adecuadas que permitan transformar los datos en conocimiento, para la resolución de un problema.
A18966 717CE12 Capacidad para aplicar los principios fundamentales, métodos y técnicas básicas de la ciencia de datos y la inteligencia artificial para su aplicación práctica a un problema o dominio concreto.
A18989 717CE9 Capacidad para comprender y manejar conceptos fundamentales de probabilidad y estadística, planteando modelos matemáticos y resolviendo problemas de optimización matemática relacionados con la ciencia de datos y la inteligencia artificial.
B5801 0717CG2 Capacidad para abordar con éxito todas las etapas de un proyecto de análisis de datos: exploración previa de los datos, preprocesado, análisis, visualización y comunicación de resultados.
B5802 0717CG3 Capacidad para concebir, diseñar, analizar, implementar y utilizar aplicaciones para el análisis de datos y la extracción de conocimiento a partir de distintas fuentes de datos.
B5806 0717CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones.
B5807 0717CT2 Capacidad para la interpretación de resultados con iniciativa, creatividad y razonamiento crítico y autocrítico.
B5808 0717CT3 Capacidad para comunicar y transmitir de forma oral o por escrito conocimientos y razonamientos derivados de su trabajo individual o en grupo de forma clara y concreta.
C2 CMECES2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
C5 CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Resultados de aprendizaje
Resultados Competencias
Comprende los principales métodos de la estadística multivariante (regresión, clasificación, métodos de interdependencia, aprendizaje no supervisado, etc.) y los aplica en la resolución de problemas matemáticos propios de la ciencia de datos y la inteligencia artificial. Conoce y sabe aplicar algunos métodos estadísticos para datos con estructuras de dependencia (análisis de series temporales, modelos espaciales, modelos jerárquicos, etc.). Demuestra capacidad para diseñar y desarrollar un proyecto de análisis de datos y lo aplica correctamente a un proceso de toma de decisiones, incluye razonamiento crítico y extrae conocimiento a partir de distintas fuentes de datos. Aplica los conceptos y procedimientos matemáticos aprendidos tanto en la elaboración de argumentaciones correctas como para enfrentarse a situaciones que impliquen el uso de nuevos conocimientos y técnicas matemáticas y estadísticas, potenciando de esta manera su aprendizaje autónomo. Comunica de forma oral y/o escrita conocimientos, razonamientos y soluciones de problemas de estadística avanzada mediante el lenguaje matemático. A18963
A18964
A18966
A18989
 B5801
B5802
B5806
B5807
B5808
 C2
C5

Contenidos
Bloque Tema
Bloque I. Análisis Multivariante Regresión Lineal simple y múltiple.
Regresión Logística.
Análisis de componentes principales.
Análisis Cluster.
Bloque II. Análisis de datos con estructura de dependencia. Modelos de regresión de efectos mixtos.
Análisis de series temporales.
Análisis de datos espaciales.
Bloque III. Otros temas de análisis de datos avanzado. Otros temas de análisis de datos.

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Resolución de problemas/ejercicios en el aula ordinaria 24 24 48
 
Supervisadas 6 9 15
 
Sesión Magistral 24 24 48
 
Pruebas de desarrollo 6 33 39
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Resolución de problemas/ejercicios en el aula ordinaria Actividades de enseñanza-aprendizaje presenciales en el aula lideradas por el profesor y que se desarrollan en grupo. Responden a una programación horaria determinada que requiere la dirección presencial de un docente. Clases Magistrales, en laboratorios, seminarios, debates, foros y tutorías.
Supervisadas Actividades de enseñanza-aprendizaje que, aunque se pueden desarrollar de forma autónoma dentro o fuera del aula, requieren la supervisión y seguimiento más o menos puntual de un docente. Estudio de casos, prácticas de campo, salidas y visitas.
Sesión Magistral Actividades de enseñanza-aprendizaje presenciales en el aula lideradas por el profesor y que se desarrollan en grupo. Responden a una programación horaria determinada que requiere la dirección presencial de un docente. Clases Magistrales, en laboratorios, seminarios, debates, foros y tutorías.

Tutorías
 
Supervisadas
Sesión Magistral
Resolución de problemas/ejercicios en el aula ordinaria
Pruebas de desarrollo
descripción
Además de las tutorías en grupo, en las que el alumno podrá resolver las dudas surgidas en la preparación de las pruebas escritas, el alumno puede contar con la ayuda del profesor en tutorías individuales. Estas tutorías se realizarán en el despacho del profesor previa cita concertada a petición del alumno ya sea personalmente en clase o por correo electrónico.

Evaluación
  descripción calificación
Sesión Magistral Se valorará la participación activa y positiva en clase Supondrá hasta un 5% de la calificación final.
Resolución de problemas/ejercicios en el aula ordinaria Se valorará la participación activa y positiva en clases prácticas, así como la asistencia a las pruebas. De ser posible, se realizarán ejercicios durante cualquiera de las actividades presenciales de la asignatura, en las que el estudiante deberá demostrar de una forma razonada y coherente la comprensión de los conceptos básicos. Algunos de los problemas podrán ser resueltos mediante el uso de algún software. Supondrá hasta un 20% de la calificación final
Pruebas de desarrollo Se llevará a cabo una evaluación continua del trabajo realizado por el alumno a través de la valoración de al menos dos pruebas escritas. En función de los contenidos de cada prueba, se establecerá el peso relativo de cada una de ellas en el valor total de esta parte de la evaluación. Conjuntamente, todas estas pruebas supondrán al menos el 80% y como máximo el 90% de la calificación final. Entre un 80% y un 90% de la calificación final.
 
Otros comentarios y segunda convocatoria

La evaluación será continua, de tipo sumativo y se supera obteniendo al menos 5 puntos sobre un máximo de 10. Se llevará a cabo mediante:

- Primera convocatoria:

1. Al menos dos parciales o controles de evaluación. Estos parciales, conjuntamente, supondrán al menos un 80% de la nota final. 

2. La participación, asistencia a los controles y pruebas, actitud positiva y responsable en clases teóricas, prácticas, seminarios, pruebas escritas, tutorías, etc... se valorará con hasta un 20% de la nota final. “Durante el desarrollo de las pruebas no se permitirá manejar ningún material a excepción del indicado por el profesor. Queda terminantemente prohibida la tenencia y el uso de dispositivos móviles y/o electrónicos durante la celebración de las pruebas. La simple tenencia de dichos dispositivos así como de apuntes, libros, carpetas o materiales diversos no autorizados durante las pruebas de evaluación, supondrá la retirada inmediata del examen, su expulsión del mismo y su calificación como suspenso, comunicándose la incidencia a la Autoridad Académica del Centro para que realice las actuaciones previstas en las Pautas de Actuación en los Supuestos de Plagio, Copia o Fraude en Exámenes o Pruebas de Evaluación, aprobadas por la Comisión Permanente del Consejo de Gobierno de 29 de enero de 2015”.

- Convocatoria extraordinaria. Aquellos estudiantes que hayan suspendido la primera convocatoria (enero) tendrán derecho a una segunda convocatoria (febrero). En ésta, se tendrán en cuenta los parciales aprobados durante la evaluación continua.

- Convocatoria de Diciembre. Aquellos alumnos que por derecho puedan usar esta convocatoria, tendrán un único examen, de carácter eminentemente práctico relativo a toda la asignatura. A la nota obtenida en esta prueba no se sumará ninguna otra conseguida anteriormente.

En cualquier caso, la evaluación propuesta está supeditada a los medios técnicos, materiales y humanos disponibles, así como a lo consecución de la planificación de las clases presenciales.

Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica Everitt, B.S., Landau, S., Leese, M., Stahl, D, Cluster Analysis, Wiley, 2011
Green, P. E., Mathematical Tools for Applied Multivariate Analysis, Academic Press, 1976
Johnson, D. E., Métodos multivariados aplicados al análisis de datos, International Thomson Editores-ITP, 2000
Abraira, V. y Pérez de Vargas, A., Métodos multivariantes en Bioestadística, Centro de estudios Ramón Areces, 1996
Peña, D., Regresión y diseños de experimentos, Alianza Editorial, 2002
McQuarrie, A.D.R.; Tsai, C-L, Regression and Time Series Model Selection, World Scientific, 1999
Pérez, C., Técnicas de Análisis Multivariante de Datos., Pearson-Prentice Hall, 2008

Complementaria


Recomendaciones


Asignaturas que se recomienda haber cursado previamente
ANÁLISIS MATEMÁTICO I / 00717001
ANÁLISIS MATEMÁTICO II / 00717006
ÁLGEBRA LINEAL I / 00717007
ÁLGEBRA LINEAL II / 00717011
CÁLCULO DE PROBABILIDAD / 00717012
CIENCIA DE DATOS I / 00717017
 
Otros comentarios
Conviene observar que esta asignatura requiere una dedicación de 150 horas por parte del alumno.