Menú local
Guía docente 2018-19 - 77012001 - Métodos avanzados de análisis de datos ambientales
TITULACIÓN: | Máster Univ. en Análisis, conservación y restauración de hábitats |
CENTRO: | Centro de Estudios de Postgrado |
CURSO: | 2018-19 |
ASIGNATURA: | Métodos avanzados de análisis de datos ambientales |
NOMBRE: Métodos avanzados de análisis de datos ambientales | |||||
CÓDIGO: 77012001 | CURSO ACADÉMICO: 2018-19 | ||||
TIPO: Obligatoria | |||||
Créditos ECTS: 4.0 | CURSO: 1 | CUATRIMESTRE: PC | |||
WEB: http://dv.ujaen.es/goto_docencia_crs_807235.html |
NOMBRE: JIMÉNEZ MELERO, RAQUEL | ||
IMPARTE: Teoría [Profesor responsable] | ||
DEPARTAMENTO: U102 - BIOLOGIA ANIMAL, BIOL.VEGETAL Y ECOLOGIA | ||
ÁREA: 220 - ECOLOGÍA | ||
N. DESPACHO: B3 - 141 | E-MAIL: rmelero@ujaen.es | TLF: 953212794 |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/61568 | ||
URL WEB: - | ||
ORCID: https://orcid.org/0000-0003-3685-9995 | ||
NOMBRE: JIMÉNEZ ESPINOSA, ROSARIO | ||
IMPARTE: Teoría | ||
DEPARTAMENTO: U117 - GEOLOGÍA | ||
ÁREA: 427 - GEODINÁMICA EXTERNA | ||
N. DESPACHO: B3 - 332 | E-MAIL: respino@ujaen.es | TLF: - |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/58168 | ||
URL WEB: - | ||
ORCID: https://orcid.org/0000-0002-7080-4405 | ||
NOMBRE: MANZANEDA AVILA, ANTONIO JOSE | ||
IMPARTE: Teoría | ||
DEPARTAMENTO: U102 - BIOLOGIA ANIMAL, BIOL.VEGETAL Y ECOLOGIA | ||
ÁREA: 220 - ECOLOGÍA | ||
N. DESPACHO: B3 - 156 | E-MAIL: amavila@ujaen.es | TLF: - |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/32154 | ||
URL WEB: - | ||
ORCID: https://orcid.org/0000-0001-9384-7910 | ||
NOMBRE: SERRANO CHICA, JOSÉ MARÍA | ||
IMPARTE: Teoría | ||
DEPARTAMENTO: U118 - INFORMÁTICA | ||
ÁREA: 075 - CIENCIA DE LA COMPUTACIÓN E INT. ARTIFICIAL | ||
N. DESPACHO: A3 - 118 | E-MAIL: jschica@ujaen.es | TLF: 953212913 |
TUTORÍAS: https://uvirtual.ujaen.es/pub/es/informacionacademica/tutorias/p/58364 | ||
URL WEB: https://www.ujaen.es/departamentos/dinformatica/contactos/serrano-chica-jose-maria | ||
ORCID: https://orcid.org/0000-0001-5046-0724 | ||
.
.
Para un buen desarrollo de los trabajos prácticos se recomienda la asistencia a todas las actividades docentes de la asignatura así como el uso de las tutorías.
El alumnado que presente necesidades específicas de apoyo educativo, lo ha de notificar personalmente al Servicio de Atención y Ayudas al Estudiante para proceder a realizar, en su caso, la adaptación curricular correspondiente.código | Denominación de la competencia |
CB10 | Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. |
CB6 | Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
CB7 | Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
CB8 | Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
CB9 | Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades |
CT3 | Conocer y aplicar las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento. |
CT4 | Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad. |
CT5 | Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y estructuradamente las ideas propias y ajenas. |
E01MHABI | Conocer y aplicar análisis estadísticos avanzados como herramienta de investigación y gestión en el ámbito del medio ambiente. |
E02MHABI | Conocer y aplicar metodologías de análisis de datos espaciales en la caracterización del medio ambiente. |
G01MHAB | Conocer y utilizar las TICs en el campo de la gestión del hábitat y el medio ambiente. |
G03MHABI | Comprender y ser capaz de aplicar las herramientas de investigación en el ámbito del estudio del hábitat y el medio ambiente |
G04MHABI | Comprender, analizar y evaluar teorías, resultados y desarrollos en el idioma de referencia, además de en la lengua materna, en el ámbito del estudio del hábitat y el medioambiente. |
Resultados de aprendizaje | |
Resultado RB10 | Ser capaces de asumir la responsabilidad de su propio desarrollo profesional y de su especialización en uno o más campos de estudio. |
Resultado RB6 | Haber adquirido conocimientos avanzados y demostrado, en un contexto de investigación científica y tecnológica o altamente especializado, una comprensión detallada y fundamentada de los aspectos teóricos y prácticos y de la metodología de trabajo en uno o más campos de estudio. |
Resultado RB7 | Saber aplicar e integrar sus conocimientos, la comprensión de estos, su fundamentación científica y sus capacidades de resolución de problemas en entornos nuevos y definidos de forma imprecisa, incluyendo contextos de carácter multidisciplinar tanto investigadores como profesionales altamente especializados. |
Resultado RB7b | Ser capaces de predecir y controlar la evolución de situaciones complejas mediante el desarrollo de nuevas e innovadoras metodologías de trabajo adaptadas al ámbito científico/investigador, tecnológico o profesional concreto, en general multidisciplinar, en el que se desarrolle su actividad. |
Resultado RB7c | Haber desarrollado la autonomía suficiente para participar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro su ámbito temático, en contextos interdisciplinares y, en su caso, con una alta componente de transferencia del conocimiento. |
Resultado RB8 | Saber evaluar y seleccionar la teoría científica adecuada y la metodología precisa de sus campos de estudio para formular juicios a partir de información incompleta o limitada incluyendo, cuando sea preciso y pertinente, una reflexión sobre la responsabilidad social o ética ligada a la solución que se proponga en cada caso. |
Resultado RB9 | Saber transmitir de un modo claro y sin ambigüedades a un público especializado o no, resultados procedentes de la investigación científica y tecnológica o del ámbito de la innovación más avanzada, así como los fundamentos más relevantes sobre los que se sustentan. |
Resultado RE01mHA | Demuestra conocer y aplica análisis estadísticos avanzados como herramientas de investigación y gestión. |
Resultado RE02mHA | Demuestra conocer y aplica metodologías de análisis de datos espaciales en la caracterización del medio ambiente |
Resultado RG01mHA | Demuestra conocimiento y es capaz de utilizar las TIC en la gestión del hábitat y el medioambiente. |
Resultado RG03mHA | Demuestra conocimiento y aplica las herramientas básicas de investigación en el ámbito de estudio del hábitat y del medioambiente. |
Resultado RG04mHA | Demuestra conocimiento y es capaz de analizar y evaluar teorías, resultados y desarrollos en el idioma de referencia, además de en la lengua materna, en el ámbito del estudio del hábitat y el medioambiente. |
Resultado RT3 | Conoce y aplica las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento. |
Resultado RT4 | Demuestra habilidades para el trabajo cooperativo, la participación en equipos y la negociación, incorporando los valores de cooperación, esfuerzo, respecto y compromiso con la búsqueda de la calidad como signo de identidad. |
Resultado RT5 | Analiza y razona críticamente, discutiendo asertiva y estructuradamente las ideas propias y ajenas, demostrando pensamiento creativo y capacidad para evaluar el propio proceso de aprendizaje. |
En esta asignatura los alumnos trabajarán con
herramientas estadísticas útiles para diseñar
muestreos y experimentos, así como para formular
hipótesis y predicciones. En análisis de datos, se
prestará particular atención al análisis de
varianza y covarianza, modelos lineales generalizados,
análisis de frecuencias, técnicas exploratorias
multivariantes y análisis basados en métodos de
aleatorización, así como técnicas avanzadas
basadas en data mining a partir de bases de datos ambientales.
Se tratarán técnicas de análisis
espacial de datos ambientales mediante técnicas
geoestadísticas.
Finalmente, también se trabajará en
relación a la presentación de resultados.
- Diseño experimental. La importancia de un buen diseño. Hipótesis y predicciones. Manipulación experimental frente a variación natural. Variación entre individuos y replicación. Ejemplos de diseño experimental. Datos, observaciones y variables. .
- Análisis exploratorio de datos. Asunciones de los modelos lineales paramétricos. Outliers, transformación y estandarización. Datos perdidos y censurados.
- Comparación entre grupos o tratamientos. Tipos de Modelos Lineales. Regresión. Análisis de la varianza. Modelos lineales generalizados. Análisis de frecuencias.
- Introducción a la estadística multivariante. Regresión múltiple. Análisis multivariante de la varianza (MANOVA). Análisis de Ordenación y clustering. Análisis de Componentes Principales. Representación gráfica y visualización de datos.
- Análisis de correspondencia. Análisis canónicos. Análisis discriminante. Representación gráfica y visualización de datos.
-
Matrices de distancia. Test asociados a las
relaciones entre matrices de distancia: Test de Mantel, Test de
Mantel Parcial. Problemática del Test de Mantel. db-RDA
análisis. Non-metric multidimensional scaling.
Representación gráfica y visualización de
datos.
-
Introducción a la geoestadística. Teoría de las variables regionalizadas. Modelos estocásticos de variables geológicas. Modelos estacionarios. Modelos con deriva
-
Concepto de variograma: análisis estructural. Propiedades del variograma. Cálculo del variograma experimental. Detección de anisotropías espaciales. Modelos teóricos de variogramas. Ajuste de un modelo teórico a un variograma experimental
-
Interpolación espacial por kriging. Principales métodos de estimación por kriging: variables estacionarias y no estacionarias.
-
Aplicaciones de la geoestadística a las variables ambientales.
- Introducción a la Minería de Datos. Minería de Datos. Relación de DM con otras disciplinas. Fases del Knowledge Discovery in Databases. Retos para la Minería de Datos. Introducción al uso del software RapidMiner
- Selección de Atributos. Fases del análisis de datos. Taxonomía de métodos de selección de atributos. Transformación de atributos
- Técnicas de Minería de Datos. Tipología de Técnicas de Minería de Datos. Taxonomía de Técnicas de Minería de Datos. Métodos descriptivos. Métodos predictivos. Análisis de datos geoambientales con RapidMiner
ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
---|---|---|---|---|---|
A1a - Actividades en gran grupo
|
20.0 | 0.0 | 20.0 | 0.8 |
|
A21 - Trabajo autónomo del alumno (estudio, lecturas, p.inf., ejerc., etc.) | 0.0 | 60.0 | 60.0 | 2.4 | |
A2a - Actividades en pequeño grupo
|
20.0 | 0.0 | 20.0 | 0.8 | |
TOTALES: | 40.0 | 60.0 | 100.0 | 4.0 |
Todas las clases se impartirán en el aula de informática de manera que cada concepto teórico será inmediatamente apoyado con ejercicios prácticos, para una mejor asimilación de los mismos, mediante el uso de distintos softwares: PAST, R-Studio, SPSS, Stat-graphics, EXCEL, RapidMiner, etc.
ASPECTO | CRITERIOS | INSTRUMENTO | PESO |
---|---|---|---|
Conceptos teóricos de la materia | Examen sobre los conceptos teóricos y prácticos de la materia | - | 30.0% |
Realización de trabajos, casos o ejercicios | Realización de trabajos, casos o ejercicios prácticos | - | 70.0% |
Los contenidos teóricos serán evaluados mediante una prueba objetiva (30%). Los contenidos prácticos serán evaluados mediante la entrega de un "cuaderno de prácticas" (70%) que recogerá todos los ejercicios iniciados por el alumnado durante el transcurso de las clases y completados con su trabajo autónomo fuera del aula.
-
Fundamentals of Geostatistics in Five Lessons.. Edición: -. Autor: Journel, A.. Editorial: American Geophysical Union.
- Observaciones: English
- Fundamentos de bases de datos. Edición: 5ª ed. Autor: Silberschatz, Abraham. Editorial: Madrid [etc.]: McGraw-Hill, D.L. 2006 (C. Biblioteca)
- Fundamentos de sistemas de bases de datos [Recurso electrónico]. Edición: 5ª ed. Autor: Elmasri, Ramez A. Editorial: México : Pearson, 2007 (C. Biblioteca)
- Introduccion a la mineria de datos. Edición: -. Autor: Hernández Orallo, J., Ramírez Quintana, M.J. & Ferri Ramírez, C. Editorial: Pearson Prentice Hall (C. Biblioteca)
- Fundamentos de bases de datos. Edición: 5ª ed. Autor: Silberschatz, Abraham. Editorial: Madrid [etc.]: McGraw-Hill, D.L. 2006 (C. Biblioteca)
- Fundamentos de sistemas de bases de datos [Recurso electrónico]. Edición: 5ª ed. Autor: Elmasri, Ramez A. Editorial: México : Pearson, 2007 (C. Biblioteca)
- Introduccion a la mineria de datos. Edición: -. Autor: Hernández Orallo, J., Ramírez Quintana, M.J. & Ferri Ramírez, C. Editorial: Pearson Prentice Hall (C. Biblioteca)
-
Analysing Ecological Data [Recurso electrónico]. Edición: -. Autor: Zuur, Alain F.. Editorial: New York, NY : Springer Science + Business Media, LLC, 2007..
- Observaciones: English
-
A beginner's guide to R. Edición: 1st ed.. Autor: Zuur, Alain F.. Editorial: New York : Springer, 2009..
- Observaciones: English
-
Data mining for the masses . Edición: -. Autor: North, Matthew. Editorial: [S.l.] : Global Text Project, cop. 2012.
- Observaciones: English
-
Mining geostatistics . Edición: -. Autor: Journel, A. G. Editorial: Caldwell, N.J. : Blackburn Press, c2003.
- Observaciones: English
-
Data mining [Recurso electrónico] : practical machine learning tools and techniques. Edición: 3rd ed. Autor: Witten, I. H. (Ian H.). Editorial: Burlington, MA : Morgan Kaufmann Publishers, c2011.
- Observaciones: English
-
Numerical ecology [ [Recurso electrónico]. Edición: 3rd English ed. Autor: Legendre, Pierre ( 1946-). Editorial: Amsterdam ; Boston : Elsevier, 2012.
- Observaciones: English
-
Statiscs for spatial data. Edición: -. Autor: Cressie, Noel A. C.. Editorial: New York: John Wiley & Sons, cop. 1993.
- Observaciones: English
-
Experimental design for the life sciences. Edición: 3rd ed.. Autor: Ruxton, Graeme D.. Editorial: Oxford ; New York : Oxford University Press, c2010.
- Observaciones: English
-
Experimental design and data analysis for biologists. Edición: -. Autor: Quinn, Gerry P.. Editorial: Cambridge: Cambridge University Press, 2002.
- Observaciones: English
-
Applied geostatistics. Edición: -. Autor: Isaaks, Edward H.. Editorial: New York [etc.]: Oxford University, 1989.
- Observaciones: English
-
Analysing Ecological Data [Recurso electrónico]. Edición: -. Autor: Zuur, Alain F.. Editorial: New York, NY : Springer Science + Business Media, LLC, 2007..
- Observaciones: English
- Geoestatística para as ciências da terra e do ambiente . Edición: -. Autor: Soares< strong>< span>, Amílcar. Editorial: Lisboa: IST Press, 2001 (C. Biblioteca)
-
Multivariate geostatistics: an introduction with applications. Edición: 3rd completely rev. ed.. Autor: Wackernagel, Hans.. Editorial: Berlin [etc.] : Springer-Verlag, 2003..
- Observaciones: English
Véase el horario proporcionado en la página web del Máster.