Conocer técnicas aplicables al tratamiento de datos en bruto para refinarlos y prepararlos antes de
proceder a su análisis. (CG3)
Conocer métodos para tratar la falta de datos y detectar datos erróneos. (CG3)
Conocer técnicas de transformación para reducir la dimensionalidad de grandes volúmenes de datos.
(CG3)
Conocer distintas técnicas de agrupación y saber aplicarlas para obtención de grupos homogéneos.
(CG3, CE1)
Saber realizar un proceso completo de depuración y transformación de un conjunto de datos. (CG3,
CE1)
Conocer los fundamentos de la minería de datos y relación con otras disciplinas. (CG1, CG2, CG3,
CG4)
Conocer técnicas de clasificación, asociación y dependencia para extracción del conocimiento. (CG3)
Conocer técnicas de minería de datos complejos de diversa tipología. (CG3)
Saber aplicar técnicas de evaluación, comparación y uso de modelos. (CG4, CE1)
Saber realizar un proceso completo de minería de datos. (CG3, CG2, CE1, CE2)

Sesiones académicas teóricas.

- Trabajo individual o en grupos tutorizado por el profesor.
- Resolución individual o grupal de dudas.
- Resolución de problemas por parte del profesor.

Prácticas informáticas.

2

4

5

El alumno debe ser capaz de manejar los métodos de análisis de datos univariante, bivariante y multivariante.

Haber cursado o estar cursando las asignaturas "Estadística aplicada" y " Optimización en redes".

1. Comprender las técnicas exploratorias para el tratamiento de datos univariantes y bivariantes

2. Conocer diversas técnicas para el análisis exploratorio de datos multivariantes

3. Utilizar software estadístico para el análisis de datos

Examen teórico-práctico*: 80%
Realización de ejercicios y prácticas: 20%
Nota*: El 20% de la calificación obtenida por ejercicios y prácticas se mantendrá para la convocatoria extraordinaria.

1. James, G., Witten, D., Hastie, T. and Tibshirani, R. (2002). An Introduction to Statistical Learning with Applications in R. Springer. Disponible en https://www.statlearning.com/
2. Wilkinson, R. Linear Models, Notes for University of Nottingham. https://rich-d-wilkinson.github.io/
docs/Teaching/G12SMM/G12SMM_Wilkinson.pdf
3. Cuadras, C. (2011). Nuevos Métodos de Análisis Multivariante. Ed. CMC Editions. Disponible en http://www.ub.edu/stat/personal/cuadras/metodos.pdf
4. Salafranda; Guardia; Ferrer; Turbany (1992). Análisis exploratorio de datos: Nuevas Técnicas Estadísticas. PPU
5. Peña, D. (2002). Análisis de datos multivariantes. McGraw-Hill.