Titulación | Tipo | Curso |
---|---|---|
Estadística Aplicada | OB | 3 |
Puede consultar esta información al final del documento.
Esta asignatura supone que el alumno ha obtenido los conocimientos que se imparten en diferentes asignaturas sobre los siguientes temas:
Esta asignatura pretende introducir al alumno en el ámbito del Aprenendizaje Automático Supervisado, presentando diferentes metodologías y conceptos básicos.
Máquinas de Vectores de Soporte
K-Vecinos más Cercanos
Árboles de Decisión y Bosques Aleatorios (Random Forests)
Validación, matrices de confusión y métricas de rendimiento (caso binario)
Otros temas: aprendizaje con costos, bases de datos desequilibradas, sesgos, cuestiones éticas, ...
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Sesiones de prácticas | 30 | 1,2 | |
Tipo: Supervisadas | |||
Sesiones de teoria | 50 | 2 | |
Tipo: Autónomas | |||
Estudio personal de la materia | 46 | 1,84 |
La docencia combinará en clase lecciones por parte de los profesores y trabajo práctico de los estudiantes con ordenador.
En todos los aspectos de las actividades de enseñanza/aprendizaje se harán los mejores esfuerzos por parte de profesorado y alumnado para evitar lenguaje y situaciones que puedan ser interpretados como sexistas.
Para conseguiruna mejora continua en este tema, todo el mundo debe colaborar a poner de manifiesto las desviaciones que observe respecto de este objetivo.
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.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Entregas y trabajo práctico | 40% | 18 | 0,72 | CM11, CM12, KM16 |
Examen | 40% | 3 | 0,12 | KM16 |
PAC1 | 20% | 3 | 0,12 | KM16 |
Evaluación continua
La evaluación de la asignatura constará de tres partes: la nota PAC1 (control), la nota del examen Ex, y la parte de prácticas, NP. La nota de la asignatura será N = 0.2*PAC1 + 0.4*Ex + 0.4*NP, siempre y cuando cada nota por separado sea no inferior a 3,5 sobre 10, en cuyo caso se considera que es 0 en el cómputo de N.
Si N>=5, se considera superada la asignatura con nota final NF = N.
En caso contrario, el alumno puede realizar un examen de recuperación ExRec, de tal manera que su nota final será NF = 0.7*ExRec + 0.3*NP. Es decir, la nota de pràcticas, que NO es recuperable, tendrá un peso del 30% en la nota final.
El examen de recuperación en ningún caso sirve para subir nota cuando ya se ha superado la asignatura.
Se considerará evaluable aquella persona que se haya presentado a alguna actividad evaluable. En caso contrario constará en el acta como No Evaluable.
Evaluación Única
La evaluación para aquellas personas que se acojan a la modalidad de evaluación única se basará en la nota del examen final (60%) y la nota de un trabajo de prácticas (40%).
Se usarán Python i RStudio, que es un IDE (Entorno de Desarrollo Integrado) específicamente creado para el lenguaje de programación R.
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 |
---|---|---|---|---|
(PLAB) Prácticas de laboratorio | 1 | Catalán | primer cuatrimestre | tarde |
(PLAB) Prácticas de laboratorio | 2 | Catalán | primer cuatrimestre | tarde |
(TE) Teoría | 1 | Catalán | primer cuatrimestre | tarde |