| Competencias do título |
| Código | Competencias do título |
| A4 | CE4 - Aplicar métodos de análise de datos para a creación de sistemas enerxéticos eficientes |
| B1 | CB6 - Posuír e comprender coñecementos que proporcionan unha base ou oportunidade para ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B6 | CG1 - Busca e selecciona alternativas considerando as mellores solucións posibles |
| B14 | CG9 - Aplicar os coñecementos das ciencias e tecnoloxías avanzadas á práctica profesional ou investigadora de eficiencia |
| C3 | CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e da comunicación (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Demostrar comprensión detallada das principais metodoloxías de minería de datos. | AM4 |
||
| Recoñecer problemas que son susceptibles de optimización enerxética mediante o uso de técnicas de minería de datos. | BM14 |
||
| Aplicación de técnicas de clasificación e regresión a datos obtidos por monitorización de variables críticas na eficiencia enerxética | AM4 |
BM6 |
|
| Propor solucións para a mellora da eficiencia enerxética en sistemas nos que se dispoñan de datos de operación proporcionados por diferentes equipos de adquisición. | BM1 |
CM3 |
|
| Coñecer ferramentas de redución da dimensión | AM4 |
||
| Contidos |
| Temas | Subtemas |
| 1. Introdución á aprendizaxe automática e a minería de datos | 1.1. Conceptos preliminares. 1.2. Análise exploratorio de datos 1.3. Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc. 1.4. Formas de aprendizaxe: supervisado, non supervisado, por reforzo, etc. |
| 2. Modelos para a clasificación supervisada e non supervisada de datos | 2.1. Conceptos preliminares 2.2. Modelos principais: k-veciños máis próximos, SVMs, clustering, etc. |
| 3. Modelos para regresión/identificación de sistemas para estimación e predición | 3.1. Conceptos preliminares 3.2. Modelos principais |
| 4. Técnicas de procesado de datos | 4.1. Preparación dos datos e normalización 4.2. Redución da dimensión para datos de alta dimensión |
| 5. Metodoloxía experimental e análise de resultados | 5.1. Métricas para a avaliación dos modelos e técnicas para a estimación non nesgada do erro 5.2. Métodos para a selección de modelos e análises de resultados |
| 6. Control Estatístico da Calidade | 6.1. Gráficos de control 6.2. Análise de capacidade de procesos |
| 7. Exemplos de aplicación en Eficiencia Enerxética | 7.1. Exemplos no ámbito do prognóstico de datos 7.2. Exemplos no ámbito da detección de anomalías |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | B1 B6 | 10 | 20 | 30 |
| Prácticas de laboratorio | A4 | 11 | 0 | 11 |
| Traballos tutelados | A4 B14 C3 | 0 | 30 | 30 |
| Proba obxectiva | A4 B1 | 3 | 0 | 3 |
| 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 |
| Sesión maxistral | Actividade presencial na aula empregada para establecer os conceptos fundamentais da materia. Consiste na exposición oral complementada co uso de medios audiovisuais/multimedia e a realización dalgunhas preguntas dirixidas aos estudantes, co fin de transmitir coñecementos e facilitar a aprendizaxe. Na modalidade a distancia o estudante poderá conectarse de forma síncrona á clase presencial ou poderá ver as clases asíncronamente. |
| Prácticas de laboratorio | Desenvolvemento de prácticas no laboratorio de informática. Esta actividade consistirá no estudo de casos e exemplos ademais da realización, por parte dos alumnos, dos exercicios expostos polos profesores. Na modalidade a distancia o estudante poderá conectarse de forma síncrona á clase presencial ou poderá ver as clases asíncronamente. |
| Traballos tutelados | Realización de traballos relacionados con algún dos temas do temario da materia. Os alumnos entregarán, en soporte informático, a memoria do traballo e unha presentación que terá que expor ao profesor. Estes traballos requirirán a asistencia de, polo menos, unha tutoría personalizada para cada grupo. |
| Proba obxectiva | Proba de avaliación que se realizará ao final de curso nas correspondentes convocatorias oficiais. Consistirá nunha proba na que será necesario responder a diferentes cuestións teórico-prácticas. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Traballos tutelados | A4 B14 C3 | Traballo autónomo individual ou en grupo reducido. Será necesario entregar os materiais (documento e presentación) en tempo e forma seguindo as indicacións do enunciado. Ademais, requirirá a exposición oral por parte de todos os integrantes do grupo de traballo, empregando para iso a presentación entregada. Terase en conta para a avaliación desta actividade a memoria e a presentación entregada así como as contestacións ás preguntas do profesor durante a presentación obrigatoria. A non realización da presentación suporá unha nota de cero nesta actividade. | 40 |
| Proba obxectiva | A4 B1 | Proba final da materia que consistirá na realización dun exame individual. Esta proba terá preguntas de tipo teóricas e prácticas relacionadas cos conceptos estudados nas clases maxistrais, nas prácticas de laboratorio ou cos contidos dos traballos tutelados. | 60 |
| Observacións avaliación | |||
|
Para poder aprobar a materia o estudante deberá cumprir os seguintes requisitos (puntuación entre 0 e 10 en todas as actividades): - Lograr unha nota superior ou igual a 3,5 na proba obxectiva realizada ao final do cuadrimestre. - Lograr unha nota superior ou igual a 5 ao realizar a suma de todas as probas de avaliación. Notas sobre as actividades: - Todas as actividades terán unha única oportunidade para a súa entrega durante o curso académico, salvo a proba obxectiva final que terá dúas oportunidades oficiais de exame. |
|||
| Fontes de información |
| Bibliografía básica |
T. Agami Reddy (2011). Applied Data Analysis and Modeling for Energy Engineers and Scientists. Springer
Basilio Sierra Araujo (2006). Aprendizaje Automático: conceptos básicos y avanzados. Pearson Prentice Hall
Douglas Montgomery (2005). Introduction to Statistical Quality Control. John Wiley & Sons |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | |
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |
|
Para axudar a conseguir unha contorna inmediata sustentable e cumprir co obxectivo da acción número 5: "Docencia e investigación saudable e sustentable ambiental e social" do "Plan de Acción Green Campus Ferrol" a entrega dos traballos documentais que se realicen nesta materia: 1. Solicitarase en formato virtual e/ou soporte informático 2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos 3. De se realizar en papel: - Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - Evitarase a impresión de borradores. |