Estudia

• CB10 Que els estudiants tinguin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma
• CE1 Programar a un nivell avançat en els llenguatges i llibreries més utilitzades en la ciència de dades
• CE7 Entendre, desenvolupar, modificar i aplicar de manera efectiva mètodes d'aprenentatge automàtic
• CE8 Quantificar la bondat dels resultats obtinguts mitjançant la tecnologia de la ciència de dades a través de mètriques adequades
• CE12 Entendre i utilitzar els principals fonaments estadístics de les tècniques de ciència de dades
• CE13 Entendre les dades a partir de visualitzacions adequades

1. Overview of basic statistics and probability

          1.1. Getting started with R

          1.2. Basic concepts and data exploration

          1.3. Probability distributions

          1.4. Sampling, estimation and hypothesis testing

2. Introduction to multivariate data analysis

          2.1. Multivariate data

          2.2. Data reduction: principal components analysis and biplot

          2.3. Supervised classification: discriminant analysis

          2.4. Resampling and cross-validation

          2.5. Correspondence analysis of count data

          2.6. Low-dimensional visualisation: multidimensional scaling

3. Statistical modelling

          3.1. Linear and generalised linear regression

          3.2. Logistic regression for binary response

          3.3. Poisson regression for counts

          3.4. Additive models based on smooth splines

          3.5. Model assessment and simplification

          3.6. Regression analysis with many variables

• Faraway, J.J. (2016). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models (Segona). Chapman and Hall/CRC.
• Hastie, T., Tibshirani, R. and Friedman, J.H. (2016). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Segona). Springer.
• James, G., Witten, D., Hastie, T. and Tibshirani, R. (2021). An Introduction to Statistical Learning with Applications in R (Segona). Springer.
• Johnson, R.A., Wichern, D.W. (2007). Applied Multivariate Statistical Analysis (Sisena). Pearson Prentice Hall.
• Schumacker, Randall E. (2016). Using R with multivariate statistics. Thousand Oaks, California: SAGE Publications, Inc.. Catàleg

Activitats d'avaluació:

El professorat avaluarà sobre 10 cada una de les tasques proposades durant el desenvolupament de l'assignatura. També es tindrà en compte la participació de l'alumnat en les diferents activitats.

Criteris específics de la nota «No Presentat»:
No lliurar cap de les tasques d'avaluació.

Avaluació única:
L'avaluació única de l'assignatura s'acordarà amb el professorat a principi de curs i pot consistir en un examen o pràctica final que inclourà els diferents blocs de l'assignatura.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mitjana mínima de 5.0.

L'alumnat podran sol·licitar fer tutories presencials o bé online amb Google Meet o equivalent. Les tutories podran ser individuals o amb grup.

El professorat de l'assignatura es comunicarà amb l'alumnat mitjançant les vies habituals a través del Moodle de l'assignatura i a través del mail.