Professional Documents
Culture Documents
Informtica
Mster en Ingeniera Informtica
aplicada a la Industria, a la Ingeniera
del Software y a los Sistemas y
Tecnologas de la Informacin
Ingeniera de Datos
Curso Acadmico 2012-2013
Cdigo: 135211902
-1-
5. Objetivos
Objetivos del Titulo desarrollados en la asignatura
Disear programas informticos ajustados a las necesidades de la empresa
Prepara al alumno en tcnicas para el diseo y desarrollo de software, con una orientacin ms prxima al usuario
final y a las organizaciones.
Objetivos generales de la asignatura
Saber de la existencia de tcnicas especializadas en la extraccin de informacin de una gran base de datos.
Saber la terminologa elemental de estudios estadsticos.
Saber hacer comparaciones estadsticas elementales, terminologa y su aplicacin.
Saber aplicar las tcnicas de reduccin de datos y anlisis de datos ms elementales: anlisis de correspondencia,
anlisis factorial, componentes principales.
Saber hacer estadstica con paquetes estadsticos especializados (SPSS, STATISTICA, SAS, R).
Saber hacer la extraccin de informacin con tcnicas adecuadas sobre grandes bases de datos.
Saber hacer un informe final escrito y presentar de forma oral los resultados.
6. Competencias
-2-
7. Contenidos de la asignatura
Mdulo I
- Profesor/a Enrique Gonzlez Dvila
- Temas (epgrafes): Mdulo Introductorio.
1.
Sistemas de informacin.
2.
3.
4.
Mdulo II
- Profesor/a: Enrique Gonzlez Dvila
- Temas (epgrafes): Mdulo Evaluacin de clasificadores en Minera de Datos (Anlisis ROC).
5.
Curvas ROC.
6.
Clasificadores crisp.
7.
Clasificadores soft.
8.
Eleccin de umbral.
Mdulo III
- Profesor/a: Enrique Gonzlez Dvila
- Temas (epgrafes): Mdulo Tcnicas de reduccin y anlisis de datos.
9.
Mdulo IV
- Profesor/a: Enrique Gonzlez Dvila
Prcticas
Prctica 1. Introduccin al SPSS.
Prctica 2. Introduccin al SPSS y software de Minera de Datos.
Prctica 3. Curvas ROC y Clasificadores.
Prctica 4. Anlisis Exploratorio y Anlisis de Correspondencias.
Prctica 5. Anlisis Factorial y componentes principales
Prctica 6. rboles de clasificacin y decisin.
-3-
Horas: 75
VOLUMEN DE TRABAJO
ACTIVIDADES DE APRENDIZAJE
PRESENCIALIDAD
TRABAJO AUTNOMO
del alumnado
HORAS
TOTALES
Clase magistral
12
12
12
12
Realizacin de seminarios
Realizacin de exmenes
3*
15*
15
12*
12
10*
10
45
75
Preparacin de exmenes
HORAS TOTALES
30
(*) El alumno invertir 10 horas en ingls a travs de estudio autnomo en lectura comprensiva de documentos cientfico.
9. Bibliografa / Recursos
Bibliografa Bsica
- Statistical Parrern Recognition, Second Edition. Andrew R. Webb 2002. John Wiley & Sons.
- Multivariate Data Analysis. Hair, Joseph F.; Black, W.C.; Babin, Barry; Anderson, Rolph D. 2006. Prentice Hall.
- Pattern Classification. Duda, R..;Hart, P.; Store, D. 2001. Wiley-Interscience.
- Construction and Assessment of Classification Rules. Hand, D.J. 1997. Wiley, Chichester.
- The Elements of Statistical Learning: Data Mining, Inference and Prediction. Hastie, T.J.; Tibshirani, R.J. and
Friedman, J.H. 2001. Springer, New York.
Bibliografa Complementaria
- Introduction to Statistical Pattern Recognition. Second Edition. Fukunaga, K. 1990. Academic Press, London.
Recursos
- El software utilizado principalmente ser el SPSS, si bien, el que lo desee, podr emplear software libre como el R.
Las clases se impartirn con presentaciones Power Point, adems del apoyo de la pizarra.
-4-
Recomendaciones
La evaluacin de la asignatura se realiza atendiendo a tres apartados:
- Asistencia y participacin (hasta un 25%). Se valorar la participacin activa tanto en el desarrollo de las
clases magistrales como en las clases prcticas. En el caso de las clases prcticas se valorar el desarrollo
continuado de los ejercicios propuestos.
- Conceptos tericos de la materia (hasta un 35%). Mediante una prueba presencial se valorar el aprendizaje
de los conceptos tericos explicados en la asignatura.
- Realizacin de trabajos y proyecto final (hasta un 40%). Se propondrn entre dos y tres trabajos con la
intencin de valorar el aprendizaje adquirido.
Estrategia Evaluativa
(5)
TIPO DE PRUEBA
COMPETENCIAS
CRITERIOS
PONDERACIN
Pruebas objetivas
E1, E3, E4 y G3
Asistencia y
participacin
25%
Pruebas de desarrollo
E2, E5, G2 y G3
Prueba escrita
35%
Trabajos y Proyectos
Entrega de Trabajos
y proyecto final
40%
4er Bimestre
SEMANA
Semana 1:
Clases
Tericas
Temas
1,2,3 y 4
Clases
Prcticas
Actividad 3:
Actividad 4:
Prctica 1
Prcitca 2
Semana 2:
Semana 3:
5y6
Semana 4:
7y8
Prctica 3
Semana 5:
9 y 10
Prctica 4
Semana 6:
11 y 12
Seminario
Prctica 5
Prctica 6
Tutorizacin
Semana 7:
Faltan por asignar dos horas presenciales dedicadas a la realizacin del examen
-5-
Actividad 5
Actividad 6: