Datos Identificativos 2022/23
Asignatura (*) Modelos Estadísticos para la Innovación en Tecnología Marina Código 730542016
Titulación
Master Universitario Erasmus Mundus en Sostibilidade e Industria 4.0 aplicada ao Sector Marítimo
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Primero Optativa 6
Idioma
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinador/a
Tarrio Saavedra, Javier
Correo electrónico
javier.tarrio@udc.es
Profesorado
Naya Fernandez, Salvador
Tarrio Saavedra, Javier
Correo electrónico
salvador.naya@udc.es
javier.tarrio@udc.es
Web http://http://www.master-seas40.unina.it
Descripción general The course is applicative with the aim to train students on statistical tools for monitoring of complex data from marine technology systems. Applications and case studies are addressed to train students to formulate and define strategies for quality control and monitoring in order to support decision making process in a big data framework.

Competencias del título
Código Competencias del título
B2 CB6 - Acquire and understand knowledge that provides a basis or opportunity to be original in the development and / or application of ideas, usually in a research context.
B3 CB7 - That students know how to apply the acquired knowledge and their ability to solve problems in new or unfamiliar environments within broader (or multidisciplinary) contexts related to their area of study.
B4 CB8 - That students are able to integrate knowledge and face the complexity of making judgments based on information that, being incomplete or limited, includes reflections on the social and ethical responsibilities linked to the application of their knowledge and judgments.
B5 CB9 – That students are able to communicate their conclusions -and the knowledge and ultimate reasons that sustain them- to specialized and non-specialized publics in a clear and unambiguous way.
B6 CB10 - That students have the learning skills that allow them to continue studying in a way that will be largely self-directed or autonomous.
B7 CG1 – To display the adequate intercultural competence to successfully navigating within multicultural learning environments and to implement basic management principles suitable for a multicultural working environment.
B8 CG2 – To express an attitude of intellectual inquisitiveness and open-mindedness.
B10 CG4 – To have the capability to think creatively and explore new ideas outside of current boundaries of the field
B13 CG7 – To have the capability to critically analyse, synthesise, interpret and summarise complex scientific processes.
C2 CT2 - Mastering oral and written expression in a foreign language.
C4 CT4 - Acting as a respectful citizen according to democratic cultures and human rights and with a gender perspective.
C6 CT6 - Acquiring skills for healthy lifestyles, and healthy habits and routines.
C7 CT7 -Developing the ability to work in interdisciplinary or transdisciplinary teams in order to offer proposals that can contribute to a sustainable environmental, economic, political and social development.
C8 CT8 -Valuing the importance of research, innovation and technological development for the socioeconomic and cultural progress of society.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Capacidad para analizar los datos mediante el análisis de regresión y para utilizar las herramientas estadísticas con el objeto de reducir la dimensionalidad de un conjunto de datos. Capacidad para realizar análisis a través de R, un paquete de software en código abierto especialmente diseñado para la aplicación de técnicas estadísticas. BM1
BM2
BM3
BM4
BM5
BM6
BM7
BM9
BM12
CM2
CM4
CM6
CM7
CM8

Contenidos
Tema Subtema
Descripción de datos multivariantes e inferencia. Análisis exploratorio de datos multivariantes.
Inferencia estadística de datos multivariantes.
Introducción al software estadístico R.
Elementos del aprendizaje no supervisado.
Análisis de componentes principales (PCA).
Métodos de agrupación o clasificación no supervisada.
Elementos del aprendizaje supervisado. Modelos de regresión lineal multivariante.
Selección, regularización de modelos lineales y métodos de redución de dimensión. Ridge regression.
Least absolute shrinkage and selection operator (LASSO).
Regresión a partir de componentes principales.
Regresión con mínimos cuadrados parciales (PLS).
Métodos de clasificación.
Introducción.
Métodos de clasificación supervisada.
Control estadístico de procesos (SPC).
Gráficos de control para variables y atributos.
Gráfico de control de T2 de Hotelling.
Regression adjustment.
Interpretación de los estados de fuera de control.
Casos de estudo a resolver mediante el software estadístico R. Casos de estudio en el campo de la ingeniería naval y marítima.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral B2 B6 B7 B8 B10 B13 C2 C4 C6 C8 21 21 42
Prácticas a través de TIC B3 B4 B5 B6 B7 C2 C7 C8 21 21 42
Trabajos tutelados B3 B4 B5 B6 B7 B8 B10 B13 C2 C4 C6 C7 C8 0 64 64
Prueba objetiva B2 B3 B4 C2 1 0 1
 
Atención personalizada 1 0 1
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral Actividad presencial en el aula que tiene como objetivo mostrar, describir y explicar los conceptos fundamentales de la materia. Consiste en la exposición oral complementada con el uso de medios audiovisuales/multimedia y la interacción con los estudiantes, con el fin de transmitir conocimientos y facilitar el aprendizaje.
Prácticas a través de TIC Son sesiones interactivas, desarrolladas mediante herramientas informáticas, en las que los docentes proporcionaran los conocimientos precisos para la adecuada aplicación de las técnicas estadísticas impartidas en las clases magistrales, además de dar apoyo y supervisar el trabajo práctico y conocimientos adquiridos por parte del alumnado. Se emplearán distintos paquetes del software estadístico R, que el estudiante deberá conocer y manejar, para la descripción y estudio de diversos casos de estudio reales o simulados.
Trabajos tutelados Trabajos individuales y/o en grupo, supervisados por los profesores de la asignatura. En ellos se tratará la aplicación y el uso de las técnicas estadísticas, así como su aplicación en el ámbito marino.
Prueba objetiva Prueba de evaluación que se realizará al final de curso en las correspondientes convocatorias oficiales. Consistirá en una prueba escrita en la que será necesario responder la diferentes cuestiones teórico-prácticas.

Atención personalizada
Metodologías
Sesión magistral
Prácticas a través de TIC
Trabajos tutelados
Descripción
En las clases magistrales se fomentará en todo momento el debate entre los alumnos y entre éstos y el profesor. Para la resolución de problemas, será importante atender personalmente a los alumnos ante las dudas que puedan surgir. Esta atención también servirá, por un lado, al profesor para detectar posibles problemas en la metodología utilizada para impartir la asignatura y, por otro, a los alumnos para afianzar los conocimientos teóricos y expresar sus inquietudes sobre la materia. La atención personalizada al alumno durante las clases prácticas a través de TIC también será fundamental, sobre todo hasta que se familiarice con el software estadístico a utilizar, como también lo será en la supervisión de los trabajos tutelados.

Evaluación
Metodologías Competéncias Descripción Calificación
Prácticas a través de TIC B3 B4 B5 B6 B7 C2 C7 C8 Se realizarán prácticas con el software estadístico R. 25
Prueba objetiva B2 B3 B4 C2 Examen compuesto de cuestiones teóricas y prácticas acerca de la materia impartida. 50
Trabajos tutelados B3 B4 B5 B6 B7 B8 B10 B13 C2 C4 C6 C7 C8 Se realizarán trabajos individuales y/o en grupo, supervisados por los profesores de la asignatura. En ellos se tratará la aplicación y el uso de las técnicas estadísticas, así como su aplicación en el ámbito marino. 25
 
Observaciones evaluación

Evaluación en la primera oportunidad: La nota de la prueba objetiva se ponderará con la calificación correspondiente a la entrega de trabajos relacionados con las prácticas realizadas con software estadístico R y la realización de trabajos tutelados (máximo 5 puntos sobre 10)

Evaluación en la segunda oportunidad: La evaluación se hará siguiendo el mismo procedimiento que en la primera oportunidad. 

No se aceptará la dispensa académica. 

Todas las actividades tendrán una única oportunidad para su entrega durante lo curso académico, salvo la prueba objetiva final que tendrá dos oportunidades oficiales de examen.


Fuentes de información
Básica James, G., Witten, D., Hastie, T., Tibshirani, R. 0. (2013). An introduction to statistical learning. New York: Springer
Montgomery D. (2009 ). Introduction to Statistical Quality Control. Wiley & Sons
Cano, E. L., Moguerza, J. M., & Redchuk, A. (2012). Six sigma with R: statistical engineering for process improvement (Vol. 36). . Springer Science & Business Media
Flores, M., Fernández-Casal, R., Naya, S., & Tarrío-Saavedra, J. (2021). Statistical Quality Control with the qcr Package. The R Journal

Complementária


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

Para ayudar a conseguir un entorno inmediato sostenible y cumplir con el objetivo de la acción número 5: “Docencia e investigación saludable y sustentable ambiental y social” del "Plan de Acción Green Campus Ferrol":

1.- La entrega de los trabajos documentales que se realicen en esta materia: 

1.1. Se solicitará en formato virtual y/o soporte informático. 

1.2. Se realizará a través de Moodle, en formato digital sin necesidad de imprimirlos 

1.3. De realizarse en papel: 

-No se emplearán plásticos. 

- Se realizarán impresiones a doble cara. 

- Se empleará papel reciclado. 

- Se evitará la impresión de borradores. 

2.- Se debe hacer un uso sostenible de los recursos y la prevención de impactos negativos sobre el medio natural. 

3.- Se debe tener en cuenta a importancia de los principios éticos relacionados con los valores de la  sostenibilidad en los comportamientos personales y profesionales. 

4.- Según se recoge en las distintas normativas de aplicación para la docencia universitaria se deberá incorporar la perspectiva de género en esta materia (se usará lenguaje no sexista, se utilizará bibliografía de autores de ambos sexos, se propiciará la intervención en clase de alumnos y alumnas…).

5.-  Se trabajará para identificar y modificar perjuicios y actitud sexistas, y se influirá en el entorno para modificarlos y fomentar valores de respeto e igualdad. 

6. Se deberán detectar situaciones de discriminación por razón de género y se propondrán acciones y medidas para corregirlas. 

7. Se facilitará la plena integración del alumnado que por razón físicas, sensoriales, psíquicas o socioculturales, experimenten dificultades a un acceso idóneo, igualitario y provechoso a la vida universitaria.



(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías