Estudia > Oferta formativa > Oferta d'assignatures > Detall de l'assignatura
Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2016
Descripció:
Introducció a l'anàlisi intel·ligent de dades. Metodologia i estàndard CRSIP-DM. Tècniques: Regressió, Anomaly Detection, Clustering, Association Rules. Entorns de programació i per a anàlisis de dades intel · ligent i mineria de dades
Crèdits:
4

Grups

Grup A

Durada:
Semestral, 2n semestre
Professorat:
JULIANA RIBERA CATARINA  / Jose Vehi Casellas
Idioma de les classes:
Castellà (50%), Anglès (50%)

Competències

  • CBG-02 Aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relatius al seu camp d'estudi
  • CE-02 Organitzar, planificar i gestionar projectes de desenvolupament i innovació en organitzacions proveïdores de serveis de salut, amb garantia de la seguretat per a les persones i béns.
  • CE-05 Seleccionar, avaluar i utilitzar tecnologies per a l'anàlisi de dades massives i heterogènies provinents dels sistemes d'informació de la salut pública.
  • CE-06 Proposar solucions per als reptes actuals dels processos assistencials, basats en el tractament i anàlisi de grans volums de dades

Continguts

1. Introduction

2. Methodology for Intelligent Data Analysis

3. Intelligent Data Analysis Techniques for Healthcare

4. Libraries and environement tools for visualization and programming

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Resolució d'exercicis 4,00 27,00 31,00
Sessió expositiva 12,00 12,00 24,00
Sessió pràctica 8,00 12,00 20,00
Treball en equip 2,00 23,00 25,00
Total 26,00 74,00 100

Bibliografia

  • Duda, Richard O (cop. 2001 ). Pattern classification (2nd ed.). New York [etc.]: John Wiley & Sons. Catàleg
  • Mitchell, Tom M (cop. 1997 ). Machine learning . New York [etc.]: The McGraw-Hill Companies. Catàleg
  • Andrew Ng. Machine Learning. Recuperat , a https://www.coursera.org/course/ml
  • Pedro Domingos. Machine Learning. Recuperat , a https://www.coursera.org/course/machlearning
  • Pedro Domingos (2012). A Few Useful Things to Know about Machine Learning. Communications of the ACM, 55(10), 78-87

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Team assignements Rationale of the proposal (40%)
Report (30%)
Classroom presentation (30%)
100

Qualificació

- No activity is recoverable (you must deliver activity reports on time)

- The final score is obtained according to the percentages above

Criteris específics de la nota «No Presentat»:
A "NP" score will be provided to the students that do not make any of the evaluation activities.

Observacions

Teaching staff is from IIIA-CSIC: Josep Lluís Arcos, Joan Serrà

In addition to the bibliography, related articles will be provided.

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.