| Competencias del título |
| Código | Competencias del título |
| A11 | Capacidad para aplicar métodos de análisis de datos para la creación de sistemas energéticos eficientes. |
| B3 | Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. |
| B6 | Buscar y seleccionar alternativas considerando las mejores soluciones posibles. |
| B14 | Aplicar conocimientos de ciencias y tecnologías avanzadas a la práctica profesional o investigadora de la eficiencia |
| C3 | Aplicar una metodología que fomente el aprendizaje y el trabajo autónomo. |
| Resultados de aprendizaje | |||
| Resultados de aprendizaje | Competencias del título | ||
| Demostrar comprensión detallada de las principales metodologías de minería de datos. | BM3 |
||
| Reconocer problemas que son susceptibles de optimización energética mediante el uso de técnicas de minería de datos. | BM6 |
||
| Proponer soluciones para la mejora de la eficiencia energética en sistemas en los que se dispongan de datos de operación proporcionados por diferentes equipos de adquisición. | AP11 |
CM3 |
|
| Conocer herramientas de reducción de la dimensión | BM14 |
||
| Aplicación de técnicas de clasificación y regresión a datos obtenidos por monitorización de variables críticas en la eficiencia energética | AP11 |
BM14 |
|
| Contenidos |
| Tema | Subtema |
| 1. Introducción al aprendizaje automático y la minería de datos | 1.1. Conceptos preliminares. 1.2. Análisis exploratorio de datos 1.3. Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc. 1.4. Formas de aprendizaje: supervisado, no supervisado, por refuerzo, etc. |
| 2. Modelos para la clasificación supervisada y no supervisada de datos | 2.1. Conceptos preliminares 2.2. Modelos principales: k-vecinos más próximos, SVMs, clustering, etc. |
| 3. Modelos para regresión/identificación de sistemas para estimación y predicción | 3.1. Conceptos preliminares 3.2. Modelos principales |
| 4. Técnicas de procesado de datos | 4.1. Preparación de los datos y normalización 4.2. Reducción de la dimensión para datos de alta dimensión |
| 5. Metodología experimental y análisis de resultados | 5.1. Métricas para la evaluación de los modelos y técnicas para la estimación no sesgada del error 5.2. Métodos para la selección de modelos y análisis de resultados |
| 6. Control Estadístico de la Calidad | 6.1. Gráficos de control 6.2. Análisis de capacidad de procesos |
| 7. Ejemplos de aplicación en Eficiencia Energética | 7.1. Ejemplos en el ámbito del pronóstico de datos 7.2. Ejemplos en el ámbito de la detección de anomalías |
| Planificación | ||||
| Metodologías / pruebas | Competéncias | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Sesión magistral | B3 | 9 | 18 | 27 |
| Prácticas de laboratorio | A11 B14 | 12 | 10 | 22 |
| Trabajos tutelados | B6 C3 | 0 | 22 | 22 |
| Prueba objetiva | B3 | 3 | 0 | 3 |
| 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 empleada para establecer los conceptos fundamentales de la materia. Consiste en la exposición oral complementada con el uso de medios audiovisuales/multimedia y la realización de algunas preguntas dirigidas a los estudiantes, con el fin de transmitir conocimientos y facilitar el aprendizaje. |
| Prácticas de laboratorio | Desarrollo de prácticas en el laboratorio de informática. Esta actividad consistirá en el estudio de casos y ejemplos además de la realización, por parte de los alumnos, de los ejercicios planteados por los profesores. |
| Trabajos tutelados | Realización de trabajos relacionados con alguno de los temas del temario de la asignatura. Los alumnos entregarán, en soporte informático, la memoria del trabajo y una presentación que tendrá que exponer al profesor. Estos trabajos requerirán la asistencia de, al menos, una tutoría personalizada para cada grupo. |
| 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 a diferentes cuestiones teórico-prácticas. |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competéncias | Descripción | Calificación |
| Trabajos tutelados | B6 C3 | Trabajo autónomo individual o en grupo reducido. Será necesario entregar los materiales (documento y presentación) en tiempo y forma siguiendo las indicaciones del enunciado. Además, requerirá la exposición oral por parte de todos los integrantes del grupo de trabajo, empleando para eso la presentación entregada. Se tendrá en cuenta para la evaluación de esta actividad la memoria y la presentación entregada así como las contestaciones a las preguntas del profesor durante la presentación obligatoria. La no realización de la presentación supondrá una nota de cero en esta actividad. | 30 |
| Prueba objetiva | B3 | Prueba final de la materia que consistirá en la realización de un examen individual y por escrito. Esta prueba tendrá preguntas de tipo teóricas y prácticas relacionadas con los conceptos estudiados en las clases magistrales, en las prácticas de laboratorio o con los contenidos de los trabajos tutelados. | 60 |
| Prácticas de laboratorio | A11 B14 | Consistirá en la recopilación de todos los ejercicios realizados en las prácticas de laboratorio durante el curso. Estos ejercicios deberán realizarse en el tiempo asignado a las clases prácticas y se entregarán al final de las mismas. Durante la realización de estos ejercicios, el alumno puede plantear dudas al profesor o consultar los materiales que estime oportuno. Por tanto, esta actividad evaluará el trabajo diario del alumno en las clases prácticas. | 10 |
| Observaciones evaluación | |||
|
Para poder aprobar la materia el estudiante deberá cumplir los
siguientes requisitos (puntuación entre 0 y 10 en todas las actividades): - Lograr una nota superior o igual a 3,5 en la prueba objetiva realizada al final del cuatrimestre. Notas sobre las actividades: - |
|||
| Fuentes de información |
| 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 |
|
|
|
| Complementária | |
|
|
| Recomendaciones | |
| Asignaturas que se recomienda haber cursado previamente |
| Asignaturas que se recomienda cursar simultáneamente |
| Asignaturas que continúan el temario |
| Otros comentarios | |