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.

Os criterios de avaliación da segunda oportunidade serán os mesmos que os da primeira oportunidade.

Avaliación no caso da convocatoria adiantada:

No caso de que o estudante solicite e asista á convocatoria adiantada, o 60% da súa nota será a proba mixta (exame final) e o outro 40% o traballo tutelado. O traballo tutelado deberá entregarse como data límite o mesmo día do exame oficial da convocatoria adiantada. Para aprobar a materia, o alumno debe cumprir os requisitos mencionados anteriormente.

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

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

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	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.
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.
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 escrita na que será necesario responder a diferentes cuestións teórico-prácticas.

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 e por escrito. 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. Os criterios de avaliación da segunda oportunidade serán os mesmos que os da primeira oportunidade. Avaliación no caso da convocatoria adiantada: No caso de que o estudante solicite e asista á convocatoria adiantada, o 60% da súa nota será a proba mixta (exame final) e o outro 40% o traballo tutelado. O traballo tutelado deberá entregarse como data límite o mesmo día do exame oficial da convocatoria adiantada. Para aprobar a materia, o alumno debe cumprir os requisitos mencionados anteriormente.

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