Guía en formato PDF
Logo

Análisis de Datos, Optimización y Toma de Decisiones

Código: 44733
Créditos: 6
2026/2027
Titulación Tipo Curso
Research and Innovation in Computer Based Science and Engineering OP 1

Profesor/a de contacto

Nombre :
Carles Pedret Ferre
Correo electrónico :
carles.pedret@uab.cat

Equipo docente

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

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

N/A

Objetivos

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 (Capacidad para diseñar la estrategia correcta de tratamiento de datos que permita obtener el resultado esperado.) Capacidad para diseñar la estrategia correcta de tratamiento de datos que permita obtener el resultado esperado.
  • CA11 (Capacidad para plantear un sistema de toma de decisiones robusto que considere el riesgo e incertidumbre asociado a la información disponible.) Capacidad para plantear un sistema de toma de decisiones robusto que considere el riesgo e incertidumbre asociado a la información disponible.
  • KA14 (Describir las técnicas de representación de datos más adecuadas para resolver un problema concreto.) Describir las técnicas de representación de datos más adecuadas para resolver un problema concreto.
  • KA15 (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.) 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 (Aplicar las técnicas apropiadas de manipulación y representación de datos según el problema a tratar.) Aplicar las técnicas apropiadas de manipulación y representación de datos según el problema a tratar.
  • SA19 (Aplicar críticamente métodos de optimización y su posterior aplicación en la toma de decisiones en problemas de ámbito científico e ingenieril.) Aplicar críticamente métodos de optimización y su posterior aplicación en la toma de decisiones en problemas de ámbito científico e ingenieril.
  • SA20 (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.) 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.

Contenidos

Anàlisi exploratòria de dades

  • Introducció al processament de dades. Principals àrees d'aplicació i problemes.
  • Representació de dades, extracció de característiques.
  • Exploració de l'estructura de dades, visualització i agrupament (clustering).
  • Reducció de la dimensionalitat i selecció de característiques.
  • Mètodes supervisats per a l'anàlisi de dades: SVM (màquines de vectors de suport), regressió.
  • Validació. Mètriques, anàlisi de biaix en models, eines estadístiques, confiabilitat.


Optimització

  • Programació lineal.
  • Optimització no lineal.
  • Dualitat, multiplicadors, programació dinàmica.
  • Programari de modelització i optimització.


Optimització Multiobjectiu

  • Presa de decisions multicriteri.
  • Mètodes.
  • Multicriteri, preferències.
  • Incertesa i risc.

Temes avançats i aplicacions.

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Clase dirigida 30 1,2 CA10, CA11, KA14, KA15, SA18, SA19, SA20
Actividad sutònoma 90 3,6 CA10, CA11, KA14, KA15, SA18, SA19, SA20
Actividad Supervisada 15 0,6 CA10, CA11, KA14, KA15, SA18, SA19, SA20

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 a partir de diferentes tareas propuestas por el profesor, las cuales requerirán la elaboración de un informe y una presentación.

La calificación final de la asignatura se calculará de acuerdo con los informes y las presentaciones realizadas.


Matrículas de Honor. La concesión de una Matrícula de Honor es una decisión exclusiva del profesorado responsable de la asignatura. La normativa de la UAB establece que las Matrículas de Honor solo podrán concederse a estudiantes que hayan obtenido una calificación final igual o superior a 9,0, y en una proporción no superior al 5 % del número total de estudiantes matriculados.


No evaluable. Se considerará «no evaluable» al estudiante que no se haya presentado a ninguna de las tareas propuestas por el profesor.


Irregularidades por parte del estudiante, copia y plagio

Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, se calificarán con un cero las irregularidades cometidas por el estudiante que puedan conducir a una variación de la calificación de un acto de evaluación.

Por tanto, plagiar, copiar o dejar copiar cualquier actividad de evaluación implicará suspenderla con un cero y no se podrá recuperar en el mismo curso académico. Por tanto, esta asignatura quedará suspendida directamente, sin oportunidad de recuperarla en el mismo curso.


Uso de herramientas de Inteligencia artificial:

Uso prohibido: En esta asignatura, no se permite el uso de tecnologías de Inteligencia Artificial (IA) en ninguna de sus fases. Cualquier trabajo que incluya fragmentos generados con IA será considerado una falta de honestidad académica y puede acarrear una penalización parcial o total en la nota de la actividad, o sanciones mayores en casos de gravedad.



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. 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

Tipo de docencia Grupo Idioma Semestre Turno
(TEm) Teoría (máster) 1 Inglés primer cuatrimestre tarde
(PLABm) Prácticas de laboratorio (máster) 1 Inglés primer cuatrimestre tarde