Assignatures del Grau en Estadística
10. Xarxes neuronals
*
Discriminació pel perceptró multicapa
Metodologia i activitats formatives
La filosofia de la mineria de dades tracta de la conversió de dades en coneixement per a la presa de decisions, i com a tal constitueix la fase central del procés d’extracció de coneixement a partir de bases de dades (KDD, knowledge discovery in databases). La mineria de dades és un punt de trobada de diferents disciplines: l’estadística,
l’aprenentatge automàtic (machine learning), les tècniques de bases de dades i els sistemes per a la presa de decisions. Juntes permeten afrontar molts problemes actuals pel que fa al tractament de la informació.
L’assignatura introdueix les tècniques més usuals per a la resolució de tres tipus de problemes fonamentals: l’anàlisi de dades binàries («transaccions»), l’anàlisi de dades científiques (per exemple, de genòmica) i l’anàlisi de dades
d’empreses; els quals configuren bona part dels problemes actuals que tracta la mineria de dades. Com a objectiu paral·lel hi ha utilitzar l’R, un potent entorn de programació lliure.
PD:Mètodes Estadístics en Mineria de Dades
PD Mètodes Estadístics en Mineria de Dades.htm[16/10/2014 13:17:13]
Les classes es divideixen, per tant, en la presentació de les eines estadístiques i d’aprenentatge, sempre a partir de l’exposició de casos reals i fent èmfasi en els conceptes implicats, les seves propietats, la interpretabilitat i l’aplicació de resultats; i en classes de laboratori, en què els alumnes han de posar en pràctica les experteses adquirides en la resolució de problemes.
Finalment, i atès que la finalitat de l’assignatura és la resolució de problemes reals, cada estudiant ha de resoldre dos casos pràctics: entre els casos posats a disposició lliurement o entre el problema cercat per l’estudiant amb el
vistiplau del professor.
Tenint en compte l’actualitat del tema, i en el marc del màster de Data Mining and Knowledge Management, es fan seminaris al llarg del curs de participació lliure per als alumnes de l’assignatura.
Avaluació acreditativa dels aprenentatges
L’avaluació és comprensiva, en el sentit que avalua totes les competències específiques del curs, les destreses algorísmiques i la capacitat per enfrontar-se a problemes reals.
Hi ha quatre notes: una obtinguda per examen, sobre els coneixements adquirits (nota T); una altra adquirida a partir dels lliuraments fets a les classes de laboratori (nota L); i, finalment, la nota obtinguda en un treball pràctic (P).
La nota final s’obté de la ponderació següent:
Nota final = 0.4*T + 0.2*L + 0.4*P
Avaluació única
L’estudiant té dret, en qualsevol cas, a presentar-se a l’examen final de l’assignatura per obtenir una avaluació única i final.
Fonts d'informació bàsica Llibre
Aluja Banet, Tomàs; Morineau, Alain. Aprender de los datos : el análisis de componentes principales : una aproximación desde el Data Mining , EUB , 1999 , ISBN:9788483120224.
Hand, D. J , Construction and assessment of classification rules , Wiley , cop. 1997 , ISBN:978-0-471-96583-1.
Hastie, Trevor; Friedman, Jerome; Tibshirani, Robert , The Elements of statistical learning , Springer , cop. 2001 , ISBN:978-0387952840 .
Accés directe restringit als usuaris de la UB
Hernández Orallo, José; Ramírez Quintana, María José; Ferri Ramírez, César , Introducción a la minería de datos ,
PD:Mètodes Estadístics en Mineria de Dades
PD Mètodes Estadístics en Mineria de Dades.htm[16/10/2014 13:17:13]
Pearson , cop. 2004 , ISBN:84 205 4091 9.
Witten, I. H; Frank, Eibe. Data mining : practical machine learning tools and techniques with java implementations. San Francisco [Calif.] [etc.] : Morgan Kaufmann, 2002.
Witten, I. H; Frank, Eibe. Data mining : practical machine learning tools and techniques. 3rd ed. Morgan Kaufmann, 2011999
PD:Mètodes Estadístics per a Finances i Assegurances
PD Mètodes Estadístics per a Finances i Assegurances.htm[16/10/2014 13:17:33]
Tanca
Pla docent de l'assignatura
Dades generals
Nom de l'assignatura: Mètodes Estadístics per a Finances i Assegurances Codi de l'assignatura: 361242
Curs acadèmic: 2014-2015
Coordinació: ANA MARIA PEREZ MARIN
Departament: Dept. Econometria, Estadística i Economia Esp.
Crèdits: 6
Hores estimades de dedicació Hores totals 150
Activitats presencials 60
- Teorico-pràctica 45
- Pràctiques de problemes 10 - Pràctiques d'ordinadors 5
Aprenentatge autònom 90
Recomanacions
L’alumnat ha de tenir coneixements previs en càlcul de probabilitats, variables aleatòries, distribucions de probabilitat, característiques de les distribucions de probabilitat (esperances, variàncies, etc.) i inferència estadística. També es recomana que tingui coneixements previs en àlgebra de successos.
Altres recomanacions
Com que es tracta d’una assignatura amb un elevat contingut teòric de demostració, es recomana que l’alumnat tingui una bona base matemàtica (integració, derivació, etc.).
Competències que es desenvolupen
PD:Mètodes Estadístics per a Finances i Assegurances
PD Mètodes Estadístics per a Finances i Assegurances.htm[16/10/2014 13:17:33]
Transversals comunes de la UB
-
Capacitat d'aprenentatge i responsabilitat (capacitat d'anàlisi, de síntesi, de visions globals i d'aplicació dels coneixements a la pràctica / capacitat de prendre decisions i d'adaptació a noves situacions).Específiques de la titulació
-
Capacitat per aplicar les tècniques estadístiques i la investigació operativa en la millora de la qualitat i la productivitat en diferents entorns (tecnològics, industrials, etc.).Objectius d'aprenentatge
Referits a coneixements
— Especificar correctament les mesures de risc i rendibilitat d’actius i carteres, així com els models bàsics de risc col·lectiu i individual.
— Interpretar adientment el binomi diversificació i correlació.
— Conèixer i utilitzar els models de probabilitat més habituals en les finances i assegurances; així com la forma d’obtenir-los a través d’una mostra de dades i amb suport informàtic.
— Saber quins processos estocàstics s’utilitzen per modelar preus en finances i la seva aplicació basada en la simulació estadística (mitjançant suport informàtic).
— Saber quins són els models d’elecció òptima de carteres d’actius que s’utilitzen i la seva implementació amb suport informàtic.
— Saber les especificitats de les sèries temporals aplicades en finances, especialment els models de volatilitat canviant en el temps.
— Saber construir una taula de mortalitat per a assegurances de vida.
— Modelitzar el nombre de sinistres i els danys totals en assegurances no de vida.
— Aprendre a tarifar assegurances de vida i assegurances no de vida.
— Conèixer els elements bàsics sobre reserves i solvència.
Referits a habilitats, destreses
— Saber analitzar gràficament l’evolució temporal dels preus i analitzar-ne la situació.
— Dissenyar i implementar amb suport informàtic els models d’optimització i gestió de carteres d’actius.
— Dissenyar i implementar amb suport informàtic les mesures de risc (VaR).
— Desenvolupar i debatre activitats —amb suport informàtic— que utilitzin tot el procés d’anàlisi estadística necessari en la inversió financera, l’anàlisi del risc i en assegurances.
Referits a actituds, valors i normes
S’espera una actitud molt dinàmica de l’alumnat en el seguiment de l’assignatura. Així, sovint s’interrompen les classes teòriques amb la finalitat que l’estudiant pugui desenvolupar algun dels plantejaments exposats pel professorat, i que es resol en la mateixa sessió.
Blocs temàtics