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

10 prazas

 

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

Matrícula pechada

 

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.