Análisis de Datos, Optimización y Toma de Decisiones
Código: 44733 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| Investigación e Innovación en Ciencia e Ingeniería Basadas en Computadores | OP | 1 |
Contacto
- Nombre:
- Carles Pedret Ferré
- Correo electrónico:
- carles.pedret@uab.cat
Equipo docente
- Antoni Morell Perez
- Jose Lopez Vicario
- Carles Pedret Ferré
- Carlos Sanchez Ramos
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
N/A
Objetivos y contextualización
El objetivo principal de esta asignatura es que el alumno sea capaz de comprender cuál es la mejor estrategia posible para optimizar el tratamiento de los datos que quieren analizarse. Para ello, se presentarán diferentes técnicas para procesar los datos de entrada (Análisis de series temporales, codificaciones en SVM o Random Forest o, de cara al procesamiento de texto, técnicas como Bag of Words o LDA). De forma más avanzada, se explorará el uso de técnicas como algoritmos genéticos o redes neuronales. En la parte de optimización se estudiarán los métodos lineales y no lineales, además de cubrir metodologías de optimización multiobjetivo. Por último, se introducirán conceptos avanzados de toma de decisiones, tocando aspectos como la introducción de riesgo e incertidumbre asociada a la información que se quiere analizar.
Resultados de aprendizaje
- CA10 (Competencia) Capacidad para diseñar la estrategia correcta de tratamiento de datos que permita obtener el resultado esperado.
- CA11 (Competencia) Capacidad para plantear un sistema de toma de decisiones robusto que considere el riesgo e incertidumbre asociado a la información disponible.
- KA14 (Conocimiento) Describir las técnicas de representación de datos más adecuadas para resolver un problema concreto.
- KA15 (Conocimiento) Identificar estrategias de optimización y de toma de decisiones adecuadas para cumplir con las restricciones del problema planteado y obtener rendimiento óptimo de los algoritmos.
- SA18 (Habilidad) Aplicar las técnicas apropiadas de manipulación y representación de datos según el problema a tratar.
- SA19 (Habilidad) Aplicar críticamente métodos de optimización y su posterior aplicación en la toma de decisiones en problemas de ámbito científico e ingenieril.
- SA20 (Habilidad) Ser capaz de formular problemas de toma de decisiones de manera que puedan abordarse mediante métodos numéricos y ofrecer soluciones que incorporen consideraciones de riesgo y consideraciones de incertidumbre.
Contenido
Exploratory data analysis
- Introduction to Data Processing. Main aplication areas and problems
- Data representation, feature extraction.
- Data structure exploration, visualization and clustering
- Dimensionality reduction and feature selection.
- Supervised Methods for Data Analysis: SVM, regression.
- Validation. Metrics, analisis of bias in models, statistical tools, trustworthiness
Optimization
- linear programming
- Non-linear optimisation
- Duality, multipliers, dynamic programming
- modelling and optimisation software
Multi-objective optimisation
- Multicriteria decisión making
- Methods
- Multicriteria, preferences
- Uncertainty and risk
Advanced topics and applications
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clase dirigida | 30 | 1,2 | CA10, CA11, KA14, KA15, SA18, SA19, SA20, CA10 |
| Tipo: Supervisadas | |||
| Actividad Supervisada | 15 | 0,6 | CA10, CA11, KA14, KA15, SA18, SA19, SA20, CA10 |
| Tipo: Autónomas | |||
| Actividad sutònoma | 90 | 3,6 | CA10, CA11, KA14, KA15, SA18, SA19, SA20, CA10 |
Esta asignatura tiene un marcado cariz de ingeniero. Teoría: es más bien metodología, por tanto intentando promover la aplicación metodológica en lugar de los desarrollos teóricos. Al final de la asignatura se plantearán trabajos/proyectos para la evaluación.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Proyecto y ejercicios | 100 | 15 | 0,6 | CA10, CA11, KA14, KA15, SA18, SA19, SA20 |
Esta asignatura se evalúa en base a un trabajo/proyecto: en el que deberá hacer frente a un problema en base a los elementos vistos durante la asignatura. Se deberá presentar un informe y realizar una presentación.
Bibliografía
Se proporcionará material y fuentes de consulta en cada sección
Software
MATLAB
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre de 2025. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Nombre | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PLABm) Prácticas de laboratorio (máster) | 1 | Inglés | primer cuatrimestre | tarde |
| (TEm) Teoría (máster) | 1 | Inglés | primer cuatrimestre | tarde |