Gaia
Ingeniaritzarako datuen analisia
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
Esta asignatura se centra en el aprendizaje de las habilidades prácticas de programación necesarias para analizar un conjunto de datos de ingenieríaIrakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
BLANCO ILZARBE, JESUS MARIA | Euskal Herriko Unibertsitatea | Unibertsitateko Katedraduna | Doktorea | Elebakarra | Jariakinen Mekanika | jesusmaria.blanco@ehu.eus |
EGUIA LOPEZ, PABLO | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebakarra | Ingeniaritza Elektrikoa | pablo.eguia@ehu.eus |
ESTEBAN ALCALA, GUSTAVO ADOLFO | Euskal Herriko Unibertsitatea | Unibertsitateko Irakaslego Titularra | Doktorea | Elebakarra | Jariakinen Mekanika | gustavo.esteban@ehu.eus |
Gaitasunak
Izena | Pisua |
---|---|
Modelado de escenarios de ingeniería para comprender el contexto, las fuentes y el flujo de datos, etc. Integración de datos | 40.0 % |
Manejar el procesado de datos y la limpieza de datos integrados | 15.0 % |
Habilidad para explorar, visualizar y comprender un conjunto de datos (distribución de datos, estadísticos, etc.) | 15.0 % |
Construir, ensayar y poner en marcha modelos predictivos | 30.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 24 | 51 | 75 |
Mintegia | 14 | 0 | 14 |
Gelako p. | 12 | 24 | 36 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Banakako lana | 51.0 | 0 % |
Eskola magistralak | 24.0 | 100 % |
Gela/Mintegia/Tailerra | 12.0 | 100 % |
Mintegiak | 14.0 | 100 % |
Txostenak eta azalpenak lantzea | 24.0 | 0 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Txostenak eta azalpenak lantzea | 0.0 % | 100.0 % |
Irakasgaia ikastean lortuko diren emaitzak
Analizar datos en contextos de ingenieríaManipular y transformar datos
Visualizar datos
Formular modelos de datos
Implementar modelos de datos
Evaluar algoritmos de machine learning
Irakasgai-zerrenda
Lección 1. Introducción e integración de datosLección 2. Probabilidad y estadística
Lección 3. Tratamiento y limpieza de datos.
Lección 4. Exploración y visualización de datos.
Lección 5. Fundamentos de programación
Lección 6. Visualización de datos
Lección 7. Gestión de bases de datos
Lección 8. Desarrollo de modelos
Lección 9. Implementación del modelo
Lección 10. Prueba de modelos
Lección 11. Estudio de caso de ingeniería
Lección 12. Estudio de caso de ingeniería