Curso Académico:
2023/24
636 - Máster Universitario en Energías Renovables y Eficiencia Energética
66385 - Aplicación de las técnicas masivas de datos en
sistemas con energías renovables
Información del Plan Docente
Año académico:
2023/24
Asignatura:
66385 - Aplicación de las técnicas masivas de datos en
sistemas con energías renovables
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
636 - Máster Universitario en Energías Renovables y Eficiencia Energética
Créditos:
3.0
Curso:
1
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---
1. Información básica de la asignatura
Los objetivos de la asignatura son los siguientes:
- Saber realizar análisis exploratorio de datos para descubrir sus principales características y relaciones entre los mismos.
- Conocer los conceptos y técnicas básicas de aprendizaje automático, tanto supervisado como no supervisado.
- Saber utilizar herramientas software y librerías para procesar grandes volúmenes de datos e identificar tendencias, propiedades y fenomenología en los mismos.
- Aplicar los conocimientos adquiridos en las distintas problemáticas existentes en fuentes renovables.
Estos planteamientos y objetivos están alineados con algunos de los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 (https://www.un.org/sustainabledevelopment/es/) y determinadas metas concretas, de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia al estudiante para contribuir en cierta medida a su logro, en particular contribuirán al logro de las metas 7.1, 7.2 y 7.3 del objetivo 7, la 9.5 del objetivo 9 y la 13.3 del objetivo 3.
2. Resultados de aprendizaje
El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...
- Conocer técnicas de preprocesado, auditoría y filtrado para su aplicación en grandes conjuntos de datos.
- Conocer técnicas de aprendizaje automático, supervisado y no supervisado, para el análisis de datos
- Identificar las fortalezas y debilidades de las técnicas de aprendizaje automático con grandes volúmenes de datos.
- Manejar herramientas y bibliotecas de Aprendizaje Automático en R y Python.
- Utilizar técnicas avanzadas de minería de datos y computación avanzada para resolver problemas en sistemas de energías renovables en los que se dispone de un gran volumen de datos.
- Analizar y predecir resultados a partir de series temporales dentro del contexto de las energías renovables
3. Programa de la asignatura
Los contenidos de esta asignatura se detallan a continuación:
- Introducción
- Análisis exploratorio de datos
- Aprendizaje supervisado 1. Regresión
- Aprendizaje supervisado 2. Clasificación
- Aprendizaje no supervisado
- Series temporales
- Redes neuronales
4. Actividades académicas
Con objeto de que los alumnos alcancen los resultados de aprendizaje descritos anteriormente y adquieran las competencias diseñadas para esta asignatura, se proponen las siguientes actividades formativas:
- A01 Clase magistral (6 horas): exposición de contenidos por parte del profesorado o de expertos externos a todos los alumnos de la asignatura.
- A02 Resolución de problemas y casos (15 horas): realización de ejercicios prácticos con todos los alumnos de la asignatura.
- A03 Prácticas de laboratorio (8 horas): realización de ejercicios prácticos en grupos reducidos de alumnos de la asignatura.
- A05 Trabajos de aplicación o investigación prácticos (15 horas)
- A06 Tutela personalizada profesor-alumno (5 horas)
- A07 Estudio (15 horas).
- A08 Pruebas de evaluación (5 horas).
Las horas indicadas son de carácter orientativo y serán ajustadas dependiendo del calendario académico del curso.
A principio de curso se informará del calendario de sesiones prácticas, que se fijará según el avance del programa y la disponibilidad de laboratorios y salas informáticas.
5. Sistema de evaluación
En la convocatoria ordinaria, la evaluación consistirá en:
- Trabajos académicos (incluyendo los derivados de las prácticas): 60%
- Presentaciones y debates de forma oral: 20 %
- Pruebas objetivas (tipo test): 20 %
El estudiante que en la primera convocatoria no opte por el procedimiento de evaluación descrito anteriormente tendrá derecho a realizar una prueba de evaluación global (la asignatura se evaluará completamente en una sola prueba).
La convocatoria de evaluación extraordinaria se llevará a cabo mediante una prueba global realizada en el periodo establecido a tal efecto.