Guia en format PDF
Logo

Anàlisi de Dades, Optimització i Presa de Decisions

Codi: 44733
Crèdits: 6
2026/2027
Titulació Tipus Curs
Research and Innovation in Computer Based Science and Engineering OP 1

Professor/a de contacte

Nom :
Carles Pedret Ferre
Correu electrònic :
carles.pedret@uab.cat

Equip docent

Antoni Morell Perez
Jose Lopez Vicario
Carles Pedret Ferre
Carles Sanchez Ramos

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits

N/A

Objectius

L'objectiu principal d'aquesta assignatura és que lalumne sigui capaç de comprendre quina és la millor estratègia possible per optimitzar el tractament de les dades que es volen analitzar. Per fer-ho, es presentaran diferents tècniques per processar les dades d'entrada (Anàlisi de sèries temporals, codificacions a SVM o Random Forest o, de cara al processament de text, tècniques com el Bag of Words o LDA). D'una manera més avançada, s'explorarà l'ús de tècniques com ara algoritmes genètics o xarxes neuronals. Dins la part d'optimització s'estudiaran els mètodes lineals i no lineals, a més de cobrir metodologies d'optimització multiobjectiu. Finalment, s'introduiran conceptes avançats de presa de decisions, tocant aspectes com la introducció de risc i incertesa associada a la informació que es vol analitzar.

Resultats d'aprenentatge

  • CA10 (Capacitat per a dissenyar l'estratègia correcta de tractament de dades que permeti obtenir el resultat esperat.) Capacitat per a dissenyar l'estratègia correcta de tractament de dades que permeti obtenir el resultat esperat.
  • CA11 (Capacitat per a plantejar un sistema de presa de decisions robust que consideri el risc i la incertesa associats a la informació disponible.) Capacitat per a plantejar un sistema de presa de decisions robust que consideri el risc i la incertesa associats a la informació disponible.
  • KA14 (Descriure les tècniques de representació de dades més adequades per a resoldre un problema concret.) Descriure les tècniques de representació de dades més adequades per a resoldre un problema concret.
  • KA15 (Identificar estratègies d'optimització i de presa de decisions adequades per a complir les restriccions del problema plantejat i obtenir rendiment òptim dels algoritmes.) Identificar estratègies d'optimització i de presa de decisions adequades per a complir les restriccions del problema plantejat i obtenir rendiment òptim dels algoritmes.
  • SA18 (Aplicar les tècniques apropiades de manipulació i representació de dades segons el problema que cal tractar.) Aplicar les tècniques apropiades de manipulació i representació de dades segons el problema que cal tractar.
  • SA19 (Aplicar críticament mètodes d'optimització i la seva aplicació posterior en la presa de decisions en problemes d'àmbit científic i d'enginyeria.) Aplicar críticament mètodes d'optimització i la seva aplicació posterior en la presa de decisions en problemes d'àmbit científic i d'enginyeria.
  • SA20 (Ser capaç de formular problemes de presa de decisions de manera que es puguin abordar mitjançant mètodes numèrics i oferir solucions que incorporin consideracions de risc i d'incertesa.) Ser capaç de formular problemes de presa de decisions de manera que es puguin abordar mitjançant mètodes numèrics i oferir solucions que incorporin consideracions de risc i d'incertesa.

Continguts

Análisis exploratorio de datos

  • Introducción al procesamiento de datos. Principales áreas de aplicación y problemas.
  • Representación de datos, extracción de características.
  • Exploración de la estructura de datos, visualización y agrupamiento (clustering).
  • Reducción de la dimensionalidad y selección de características.
  • Métodos supervisados para el análisis de datos: SVM (máquinas de vectores de soporte), regresión.
  • Validación. Métricas, análisis de sesgo en modelos, herramientas estadísticas, confiabilidad.

Optimización

  • Programación lineal.
  • Optimización no lineal.
  • Dualidad, multiplicadores, programación dinámica.
  • Software de modelado y optimización.

Optimización Multiobjetivo

  • Toma de decisiones multicriterio.
  • Métodos.
  • Multicriterio, preferencias.
  • Incertidumbre y riesgo.

Temas avanzados y aplicaciones

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Classe dirigida 30 1,2 CA10, CA11, KA14, KA15, SA18, SA19, SA20
Acticitat Autònoma 90 3,6 CA10, CA11, KA14, KA15, SA18, SA19, SA20
Activitat Supervisada 15 0,6 CA10, CA11, KA14, KA15, SA18, SA19, SA20

Aquesta assignatura té un marcat caire d’enginyer. Teoria: és més aviat metodologia, per tant intentant promoure l’aplicació metodológica en compte dels desenvolupaments teòrics.  Al final de l’assignatura es plantejaran treballs/projectes per a l’avaluació.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Projecte i Exercicis 100 15 0,6 CA10, CA11, KA14, KA15, SA18, SA19, SA20

L'avaluació es realitzarà en base a diferents tasques proposades pel professor les quals requeriran d'informe i presentació.

La nota final de l'assignatura es calcularà d'acord als informes i a les presentacions.


Matricules d'honor. Atorgar una qualificació de matrícula d'honor és únicament decisió del professorat responsable de l'assignatura. La normativa de la UAB indica que les MH només es podran concedir a estudiants que hagin obtingut una qualificació final igual o superior a 9 i en una quantitat no superior al 5% del nombre d'estudiants.


No avaluable. Es considerarà "no avaluable" un estudiant que no s'hagi presentat cap de les tasques proposades pel professor.


Irregularitats per part de l'estudiant, còpia i plagi

Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, es qualificaran amb un zero les irregularitats comeses per l'estudiant que puguin conduir a una variació de la qualificació d'un acte d'avaluació.

Per tant, plagiar, copiar o deixar copiar qualsevol activitat d'avaluació implicarà suspendre-la amb un zero i no es podrà recuperar en el mateix curs acadèmic. Per tant, aquesta assignatura quedarà suspesa directament, sense oportunitat de recuperar-la en el mateix curs.


Ús d'eines d'Intel·ligència artificial

Ús prohibit: En aquesta assignatura, no es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) en cap de les seves fases. Qualsevol treball que inclogui fragments generats amb IA serà considerat una falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la nota de l'activitat, o sancions majors en casos de gravetat.



Bibliografia

Es proporcionarà material i fonts de consulta en cada secció

Programari

MATLAB

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Tipus de docència Grup Idioma Semestre Torn
(TEm) Teoria (màster) 1 Anglès primer quadrimestre tarda
(PLABm) Pràctiques de laboratori (màster) 1 Anglès primer quadrimestre tarda