Anàlisi de Dades, Optimització i Presa de Decisions
Codi: 44733 Crèdits: 6| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 4318303 Recerca i Innovació en Ciència i Enginyeria Basades en Computadors | OT | 0 | 1 |
Professor/a de contacte
- Nom:
- Ramon Vilanova Arbos
- Correu electrònic:
- ramon.vilanova@uab.cat
Idiomes dels grups
Podeu accedir-hi des d'aquest enllaç. Per consultar l'idioma us caldrà introduir el CODI de l'assignatura. Tingueu en compte que la informació és provisional fins a 30 de novembre de 2023.
Equip docent
- Antoni Morell Perez
- Jose Lopez Vicario
- Carles Pedret Ferré
- Carlos Sanchez Ramos
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 (Competència) Capacitat per a dissenyar l'estratègia correcta de tractament de dades que permeti obtenir el resultat esperat.
- CA11 (Competència) Capacitat per a plantejar un sistema de presa de decisions robust que consideri el risc i la incertesa associats a la informació disponible.
- KA14 (Coneixement) Descriure les tècniques de representació de dades més adequades per a resoldre un problema concret.
- KA15 (Coneixement) 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 (Habilitat) Aplicar les tècniques apropiades de manipulació i representació de dades segons el problema que cal tractar.
- SA19 (Habilitat) Aplicar críticament mètodes d'optimització i la seva aplicació posterior en la presa de decisions en problemes d'àmbit científic i d'enginyeria.
- SA20 (Habilitat) 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
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
Metodologia
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, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Classe dirigida | 30 | 1,2 | CA10, CA11, KA14, KA15, SA18, SA19, SA20 |
| Tipus: Supervisades | |||
| Activitat Supervisada | 15 | 0,6 | CA10, CA11, KA14, KA15, SA18, SA19, SA20 |
| Tipus: Autònomes | |||
| Acticitat Autònoma | 90 | 3,6 | CA10, CA11, KA14, KA15, SA18, SA19, SA20 |
Avaluació
L'avaluació es realitzarà en base a un projecte que s'haurà de fer informe i presentació
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 |
Bibliografia
Es proporcionarà material i fonts de consulta en cada secció
Programari
MATLAB