Destinatarios/as

El curso está dirigido a alumnado de doctorado con conocimientos básicos en R y elaboración de informes y documentos sencillos en Rmarkdown. En su caso es recomendable haber realizado los cursos de Introducción a R y Rstudio, Procedimientos para la elaboración de informes y documentos científico-técnicos, Representación y tabulación de datos, o tener los conocimientos considerados en estos cursos.

En el curso abordará las técnicas de análisis de datos multivariantes evitando en lo posible los aspectos más formales, abordando las cuestiones desde un punto de vista eminentemente práctico. Se estudiarán las técnicas de ordenación y clasificación más habituales sus aplicaciones y ejemplos prácticos. Finalmente se hará una introducción a las técnicas de aprendizaje automatizado (machine learning), así como al empleo de curvas ROC y sus aplicaciones.

Competencias

• Ser capaz de identificar la naturaleza del problema multivariante a abordar y las técnicas a aplicar

• Ser capaz de realizar una clasificación e interpretar los resultados identificando las características de los grupos obtenidos.

• Ser capaz de realizar una ordenación e interpretar los resultados describiendo el significado de los ejes obtenidos.

• Ser capaz de leer un informe de resultados de una análisis realizado por una técnica de aprendizaje automático.

Contenidos

1. Técnicas de ordenación: Análisis de componentes principales
2. Técnicas de ordenación: Análisis de correspondencias
3. Técnicas de ordenación: Escalado multidimensional
4. Técnicas de ordenación: Análisis factorial
5. Técnicas de clasificación: Clasificación no jerárquica: algoritmo k-means
6. Técnicas de clasificación: Clasificación jerárquica: Elaboración de dendrogramas
7. Curvas ROC usos e interpretación
8. Introducción al aprendizaje automatizado

Resultados de aprendizaje

• Conocer las más habituales técnicas multivariantes existentes.
• Saber aplicar las técnicas multivariantes con R.
• Ser capaz de interpretar y elaborar informes de los resultados.
• Saber aplicar los fundamentos del aprendizaje automatizado para el diseño de análisis.
• Ser capaz de construir en R una curva ROC e interpretar el resultado.
• Ser capaz de combinar los resultados de distintos análisis multivariantes. para mejorar la interpretación de los resultados.

Evaluación

Para la superación del curso se exigirá:

• la asistencia a las sesiones presenciales que son obligatorias

• la cumplimentación del cuestionario de satisfacción del curso

• la realización y entrega de las tareas requeridas, tal como se indica a continuación

El curso es semipresencial, al trabajo en las sesiones presenciales ha de sumarse el realizado por los alumnos siguiendo las indicaciones que se detallan en el aula virtual; estas se inician antes de las sesiones presenciales. En cada sesión se propondrán diversos ejercicios, que se discutirán y resolverán in situ, y se planteará una tarea previa a la siguiente sesión que se entregará en el aula virtual. Además, existe una tarea final del curso con fecha límite de una semana tras la realización de la última sesión presencial.