Materia
Software matemático y estadístico
Datos generales de la materia
- Modalidad
- Virtual
- Idioma
- Castellano
Descripción y contextualización de la asignatura
Hoy en día, es fundamental el empleo de software específico como apoyo a la investigación en cualquier campo y, más especialmente, en el campo de las ciencias de la computación.Se ve necesario, por tanto, que el investigador conozca a fondo los diferentes paquetes existentes en el mercado, de manera que pueda elegir en cada caso el más adecuado para su trabajo.
Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
ARTETXE BALLEJO, ARKAITZ | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Laboral Interino Universidad | Doctor | Bilingüe | Ciencia de la Computación e Inteligencia Artificial | arkaitz.artetxe@ehu.eus |
CALVO MOLINOS, BORJA | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctor | Bilingüe | Ciencia de la Computación e Inteligencia Artificial | borja.calvo@ehu.eus |
PEREZ DE VIÑASPRE GARRALDA, OLATZ | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctora | Bilingüe | Arquitectura y Tecnología de Computadores | olatz.perezdevinaspre@ehu.eus |
Competencias
Denominación | Peso |
---|---|
Aplicar técnicas matemáticas en diferentes campos de la ciencia, eligiendo el software mas adecuado a cada problema concreto. | 40.0 % |
Emplear software diferente del Standard, desarrollando aplicaciones a partir del software estudiado. | 40.0 % |
Emplear las prestaciones gráficas de cada paquete para la presentación de resultados. | 20.0 % |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 10 | 15 | 25 |
Seminario | 5 | 8 | 13 |
P. Ordenador | 15 | 22 | 37 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Actividades propuestas por el equipo docente a través de la plataforma virtual | 0.0 | 0 % |
Clases expositivas | 15.0 | 0 % |
Elaboración de informes y exposiciones | 0.0 | 0 % |
Estudio sistematizado | 0.0 | 0 % |
Horas de contacto virtual a través de la plataforma (participación en foros, consulta de dudas, etc) | 5.0 | 0 % |
Interacción con el docente en entornos virtuales | 0.0 | 0 % |
Lectura y análisis prácticos | 0.0 | 0 % |
Talleres de aplicación | 0.0 | 0 % |
Trabajo en grupo | 55.0 | 0 % |
Videoconferencias | 0.0 | 0 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Participación en los foros | 0.0 % | 30.0 % |
Trabajos Prácticos | 70.0 % | 90.0 % |
Resultados del aprendizaje de la asignatura
.- Implementar algoritmos y funciones en R.- Implementar algoritmos y funciones en Python
.- Analizar, identificar y corregir errores en el código
.- Crear software distribuible
Convocatoria ordinaria: orientaciones y renuncia
La evaluación de la asignatura se realizará en base la realización de dos trabajos.En particular, esos dos trabajos consistirán en la implementación y documentación de un paquete de R y una librería de Python que contenga una serie de funciones especificadas a comienzo del curso. El plazo de entrega de dichos trabajos se establecerá cada curso en función del calendario.
Convocatoria extraordinaria: orientaciones y renuncia
En el caso de la convocatoria extraordinaria el trabajo a realizar será de la misma naturaleza que en la convocatoria ordinaria, siendo el plazo de entrega el final del segundo cuatrimestre.Temario
Introducción a la programación científicaT1 - Introducción al leguaje R
T2 - Gestión de datos en R
T3 - Visualización de datos en R
T4 - Conceptos avanzados de R
T5 - Introducción al leguaje Python
T6 - Gestión de datos en Python
T7 - Visualización de datos en Python
T8 - Conceptos avanzados de Python
Bibliografía
Materiales de uso obligatorio
El material de uso obligatorio será el incluido en la plataforma eGela.Bibliografía básica
Iñaki Alegria, Olatz Pérez de Viñaspre, Kepa Sarasola (2016) Python programazio -lengoaia: oinarriak eta aplikazioak. UEU.David Beazley, Brian K. Jones (2013) Python Cookbook. O'Reilly.
Wes McKinney (2017) Python for Data Analysis. O'Reilly.
Mike Allerhand (2011) A Tiny Handbook of R. Springer.
Hadley Wickham, Garret Grolemund (2016) R for Data Sciece: Import, Tidy, Transform, Visualize, and Model Data. O'Reilly.