Datos Identificativos					2020/21
Asignatura (*)	Ferramentas Informáticas para a Análise II			Código	615518023
Titulación
Descriptores	Ciclo	Período	Curso	Tipo	Créditos
	Mestrado Oficial	1º cuadrimestre	Segundo	Optativa	3
Idioma	Castelán
Modalidade docente	Híbrida
Prerrequisitos
Departamento	Matemáticas
Coordinación	Costa Bouzas, Julian		Correo electrónico	julian.costa@udc.es
Profesorado	Costa Bouzas, Julian		Correo electrónico	julian.costa@udc.es
Web
Descrición xeral	O obxectivo xeral desta materia é que os estudantes adquiran as destrezas e competencias que permitan ao alumnado comprender e aplicar, empregando o software libre R, os principais métodos de aprendizaxe estatística supervisado e non supervisado nunha investigación social ou de mercados.
Plan de continxencia	Ao ser un Máster en extinción, esta materia só ten dereito a exame. Este será realizado de forma virtual se as circunstancias así o esixen.

Competencias do título Código Competencias / Resultados do título

Resultados de aprendizaxe

Resultados de aprendizaxe	Competencias / Resultados do título
Dispor de ferramentas informáticas para a análise cuantitativa baseadas en software libre	AM8 AM9	BM8	CM3
Coñecer o funcionamento de ferramentas informáticas baseadas en software libre para a análise cuantitativa, tanto descritiva coma predictiva, que demanda a investigación social e de mercados	AM1 AM3 AM4 AM8 AM9	BM1 BM2 BM3 BM5 BM6 BM7 BM8 BM9 BM10 BM11	CM1 CM3 CM4 CM5 CM6 CM7 CM8

Contidos

Temas	Subtemas
Introdución	Aprendizaxe supervisada e non supervisada con R
Regresión e deseño de experimentos en R	Formulas e modelado en R Modelos de deseño de experimentos Modelos de regresión lineal Modelos avanzados de regresión
Clasificación supervisada en R	Métodos clásicos: Análise discriminarte e regresión loxística Métodos baseados en árbores Outros métodos de clasificación

Planificación

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Proba mixta	A1 B2 B6 C1	1	0	1
Atención personalizada		1	0	1
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías

Metodoloxías	Descrición
Proba mixta	Os alumnos deberán demostrar o seu dominio da materia e a súa capacidade para a resolución de problemas no ámbito da aprendizaxe estatística empregando R.

Atención personalizada

Metodoloxías

Descrición A atención personalizada é unha actividade académica que ten como finalidade atender as necesidades e consultas do alumnado, de forma individual ou en pequeno grupo, relacionadas co estudo e temas vinculados coa materia. Esta atención servirá, dunha banda, ao profesor para detectar posibles problemas na metodoloxía empregada para impartir a materia e, por outra, aos alumnos para consolidar os coñecementos e para expresar as súas inquedanzas acerca da materia. Esta actividade desenvolverase de forma presencial.

Avaliación

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Proba mixta	A1 B2 B6 C1	A proba mixta ten por obxeto valorar a correcta comprensión e aplicación dos contidos da materia. Realizarase de forma individual empregando o software R.	100
Observacións avaliación

Fontes de información

Bibliografía básica	James, G., Witten, D., Hastie, T. y Tibshirani, R. (2013). An Introduction to Statistical Learning: with Aplications in R. Springer Fox, J. y Weisberg, S. (2011). An R Companion to Applied Regression. Sage Cichosz, P. (2015). Data Mining Algorithms: Explained Using R. Wiley Ledolter, J. (2013). Data Mining and Business Analytics with R. Wiley Torgo, L. (2011). Data Mining with R: Learning with Case Studies . Chapman & Hall/CRC Williams, G. (2011). Data Mining with Rattle and R. Springer Faraway, J. (2006). Extending Linear Models with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC Dalgaard, P. (2008). Introductory Statistics with R. Springer Lander, J. (2013). R for Everyone: Advanced Analytics and Graphics. Addison-Wesley Matloff, N. (2011). The Art of R Programming: A Tour of Statistical Software Design. No Starch Press
Bibliografía complementaria

Recomendacións

Materias que se recomenda ter cursado previamente

Taller de Análise Cuantitativa/615518012

Materias que se recomenda cursar simultaneamente

Ferramentas informáticas para a Análise I/615518022

Materias que continúan o temario

Observacións

(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías