Algorísmia per a Mineria de Dades

Crèdits
6
Tipus
  • MDS: Optativa
  • MIRI: Complementària d'especialitat (Computació Avançada)
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
CS
La mineria de dades és el procés d'extreure i descobrir patrons en conjunts de dades (normalment) grans que impliquen mètodes a la intersecció de l'aprenentatge automàtic, l'estadística multivariant i els sistemes de bases de dades. Avui dia s'utilitzen aquests mètodes d'una manera basada en principis per formar un procés integral, des d'un conjunt de dades en brut fins a informació d'alt nivell, expressada en una estructura comprensible per a l'usuari final.

L'objectiu d'aquest curs és presentar i estudiar alguns dels algoritmes més estesos, útils i elegants a la intersecció d'aquestes tres disciplines, de manera que els estudiants siguin capaços d'identificar i aplicar les eines adequades per a una aplicació determinada. Les classes magistrals tractaran la teoria, els algoritmes i l'ús pràctic de les tècniques.

Professorat

Responsable

Hores setmanals

Teoria
1
Problemes
0
Laboratori
2
Aprenentatge dirigit
0
Aprenentatge autònom
6.375

Competències

Competències Tècniques de cada especialitat

Computació avançada

  • CEE3.1 - Capacitat per a identificar barreres computacionals i analitzar la complexitat de problemes computacionals en diversos àmbits de la ciència i la tecnologia; així com per representar problemes d'alta complexitat en estructures matemàtiques que puguin ser tractades eficientment amb esquemes algorítmics.
  • CEE3.2 - Capacitat per utilitzar un espectre ampli i variat de recursos algorítmics per resoldre problemes d'alta dificultat algorísmica.
  • CEE3.3 - Capacitat per entendre les necessitats computacionals de problemes de disciplines diferents de la informàtica i efectuar contribucions significatives en equips multidisciplinaris que facin servir la computació.

    • Competències Tècniques Generals

    Genèriques

  • CG1 - Capacitat per aplicar el mètode científic en l'estudi i anàlisi de fenòmens i sistemes en qualsevol àmbit de la Informàtica, així com en la concepció, disseny i implantació de solucions informàtiques innovadores i originals.
  • CG3 - Capacitat per al modelatge matemàtic, càlcul i disseny experimental en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca i innovació en tots els àmbits de la Informàtica.
  • CG5 - Capacitat per aplicar solucions innovadores i realitzar avenços en el coneixement que explotin els nous paradigmes de la Informàtica, particularment en entorns distribuïts.

    • Competències Transversals

    Treball en equip

  • CTR3 - Ser capaç de treballar com a membre d'un equip, ja sigui com a un membre més, ja sigui realitzant tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes d'una manera pragmàtica i amb sentit de la responsabilitat; assumir compromisos tenint en compte els recursos disponibles.

    • Ús solvent dels recursos d'informació

  • CTR4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i d'informació de l'àmbit de l'enginyeria informàtica, i valorar de forma crítica els resultats d'aquesta gestió.

    • Actitud adequada davant el treball

  • CTR5 - Tenir motivació per a la realització professional i per a afrontar nous reptes, tenir una visió àmplia de les possibilitats de la carrera professional en l'àmbit de l'enginyeria en informàtica. Sentir-se motivat per la qualitat i la millora contínua, i actuar amb rigor en el desenvolupament professional. Capacitat d'adaptació als canvis organitzatius o tecnològics. Capacitat de treballar en situacions de carència d'informació i/o amb restriccions temporals i/o de recursos.

    • Raonament

  • CTR6 - Capacitat de raonament crític, lògic i matemàtic. Capacitat de resoldre problemes en la seva àrea d'estudi. Capacitat d'abstracció: capacitat de crear i utilitzar models que reflecteixin situacions reals. Capacitat de dissenyar i realitzar experiments senzills, i analitzar-ne i interpretar-ne els resultats. Capacitat d'anàlisi, de síntesi i d'avaluació.

    • Bàsiques

  • CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
  • CB8 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons darreres que les sustenten- a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
  • CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.

    • Objectius

    1. Conèixer la problemàtica, tant teòrica com pràctica, de la Mineria de Dades, i entendre els principals models i algorismes que permeten afrontarla: tant a nivell conceptual com al de la seva aplicació mitjançant eines comercials, preferentment de codi obert.
      Competències relacionades: CB6, CTR4, CTR5, CTR6, CEE3.1, CEE3.2, CEE3.3, CG1, CG3, CG5,
    2. Obtenir i mostrar la capacitat de fer servir el coneixement adquirit mitjançant el desenvolupament autònom, en equip, d'un cas pràctic de mineria de dades, tot incloent-hi una presentació pública del treball fet.
      Competències relacionades: CB6, CTR3, CTR4, CTR5, CTR6, CEE3.2, CB9, CG3, CB8,

    Continguts

    1. Tècniques i algorismes seleccionats per a la mineria de dades
      Algorithms and techniques are representative of the good and the best a data practitioner needs to know, among which:

      backpropagation
      expectation-maximization
      association rules
      pagerank
      GLMs

      Each topic of study is focused in 3 aspects:

      theoretical
      algorithmic
      practical

    Activitats

    Activitat Acte avaluatiu


    Estudi teòric i conceptual dels principals algorismes de mineria de dades.

    Estudi teòric i conceptual dels principals algorismes de mineria de dades.
    Objectius: 1
    Continguts:
    Teoria
    18h
    Problemes
    6h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    6h

    Desenvolupament d'un cas pràctic

    Deploy of a practical case study
    Objectius: 1 2
    Continguts:
    Teoria
    0h
    Problemes
    0h
    Laboratori
    36h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    18h

    Metodologia docent

    Classes teòriques, exercicis i problemes d'anàlisi de dades amb o sense component de programació i desenvolupament de casos d'estudi.

    Mètode d'avaluació

    La nota del curs es basa en cinc components:

    Projecte 1 (Sessions 1-5) 30% Grup
    Projecte 2 (Sessions 6-10) 30% Grup
    Control 1 10% Individual
    Control 2 10% Individual
    Examen final 20% Individual

    Bibliografia

    Bàsic

    Capacitats prèvies

    Comprensió adequada de la informàtica en general, en especial algorísmia; bon nivell de diversos llenguatges de programació (com R, python, Julia) o voluntat d'assolir-lo; capacitat bàsica a mitjana per formalitzar matemàticament conceptes en informàtica, estadística, etc.