Diploma de curso de formación universitaria
Ámbito: InterdisciplinarCódigo: TCS:1055/2
Área de interese principal: Ciencias | Área de interese secundaria: Tecnoloxía
Inicio e fin
01/03/2023 – 30/03/2023
Modalidade
Asíncrona (en liña)
Créditos ECTS
7.0 ECTS
Estado
Finalizado
Descrición
Técnicas estatísticas novedosas de tratamento de datos, dirixidas á investigación científica ou técnica en calquera ámbito de actividade.
Director/a:
Andres Antonio Vaamonde Liste
Entidade organizadora:
Escuela Abierta de Formación Permanente
PERÍODO DE INSCRICIÓN
Inscrición pechada
01/02/2023 – 25/02/2023
PERÍODO DE MATRÍCULA
Matrícula pechada
01/02/2023 – 25/02/2023
Modalidade
Docencia presencial/virtual
0 horas
Docencia non presencial
0 horas
Prácticas en empresa
0 horas
Lugar de impartición
Plataforma de teleformación MOOVI da Universidade de Vigo
Horario
O curso ten lugar desde o 1 ata o 30 de marzo de 2023, de forma totalmente non presencial, mediante secuenciación das unidades didácticas a través da plataforma de teledocencia
Prezos
Público en xeral | Alumni UVigo | Comunidade UVigo |
---|---|---|
140 € | 126 € | 119 € |
Observacións aos prezos
Prezo xeral: 140 ? Comunidade Alumni UVigo:126 ? Comunidade Universitaria UVigo: 119 ? Persoas en situación de desemprego ou con discapacidade: 119 ? (subir documentación á aplicación no prazo de matrícula) Instrucións para subir documentación: http://eafp.uvigo.gal/docs/Instrucions_adxuntar_imprimir_documentación.pdf Precio general: 140 ? Comunidad Alumni UVigo:126 ? Comunidad Universitaria UVigo: 119 ? Personas en situación de desempleo o con discapacidad: 119 ? (subir documentación a la aplicación en el plazo de matrícula) Instruciones para subir documentación: http://eafp.uvigo.gal/docs/Instrucions_adxuntar_imprimir_documentación.pdf
Obxectivos
Coñecemento e comprensión, mediante o programa estatístico R, de uso libre e aberto, dos principais métodos de Minería de datos.
Os alumnos aprenderán a aplicar correctamente todas as técnicas de minería de datos incluídas nos contidos aos seus propios datos.
Deberán aprender a interpretar correctamente os resultados da aplicación das distintas técnicas estudadas, e verificar as condicións e supostos de aplicación, asegurando a súa corrección técnica.
Destinatarios
Investigadores, Estatísticos, xestores de datos, usuarios do programa estatístico R, usuarios de Estatística en xeral.
Saídas Profesionais
O/A estudante debe ser quen de aplicar os métodos estatísticos de data mining os datos das empresas o ós datos de proxectos de investigación en ámbitos diversos.
Competencias Específicas
CE1 Coñecemento dos principáis métodos de data mining
CE2 Aplicación dos métodos de data mining co programa R
CE3 Interpretación correcta dos resultados
CE4 Verificación das condicións ou hipóteses de aplicación
Competencias Transversais
CE1 Aplicación dos métodos de data mining a datos de calquera ámbito
CT2 Interpretar correctamente os resultados da aplicación das distintas técnicas estudiadas
Condicións de acceso
REQUISITOS DE ACCESO:
1) Titulados/as universitarios
2) Alumnos/as universitarios
3) Profesionais directamente relacionados coa especialidade que reúnan requisitos
legais para cursar estudos universitarios
4) De forma excepcional e, sempre que non superen o 50% do total de alumnos do
curso, poderán ser admitidos os mesmos profesionais que non reúnan requisitos
Criterios de selección
Orde cronolóxico de inscripción
Materias
id | nome | caracter | créditos |
---|---|---|---|
200234 | Introducción a la Minería de Datos | Obligatoria | 0.8 |
200235 | Métodos de Conjunto | Obligatoria | 0.8 |
200236 | Clasificador Basado en Reglas | Obligatoria | 0.8 |
200237 | Arboles de Decisión | Obligatoria | 0.8 |
200238 | Problemas Multiclase | Obligatoria | 0.8 |
200239 | Analisis de Asociación. A Priori. Motores de Búsqueda | Obligatoria | 0.8 |
200241 | Prácticas con R | Obligatoria | 2.0 |
Avaliación
Envío de 6 tareas e informes de prácticas: 84% de la calificación final
Examen mediante cuestionario de evaluación online (a través de Moovi): 16% de la calificación final.