Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 51 Horas de Tutorías: 3 Clase Expositiva: 9 Clase Interactiva: 12 Total: 75
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Biología Funcional, Ingeniería Agroforestal
Áreas: Ecología, Ingenieria Agroforestal
Centro Escuela Politécnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable
El objetivo de esta materia es que el alumnado aprenda las técnicas básicas que se utilizan en la construcción de modelos. Se trata de poner la base para el resto de las materias del módulo, en las que éstas técnicas se utilizarán para la construcción o análisis de modelos concretos. Este objetivo general se divide en dos objetivos más concretos.
En primer lugar que el alumnado aprenda a manejar técnicas de ajuste de ecuaciones que le permitan convertir los datos brutos en las ecuaciones necesarias para la construcción de los modelos.
En segundo lugar, que el alumnado aprenda a manejar un lenguaje de computador que le permita (a) ejecutar las técnicas estadísticas que se estudiarán en la parte teórica y (b) construir modelos complejos que incluyan procesos ecológicos o de producción forestal representados por múltiples ecuaciones y estructuras de datos.
Los contenidos de la materia recogidos en la memoria de la titulación son:
Criterios para la elaboración de modelos. Tipos de modelos. Toma de datos. Elaboración de datos. Análisis multivariante. Técnicas de ajuste. Evaluación de modelos. Implementación y uso.
Estos contenidos se desarrollarán en el siguiente programa:
Programa de teoría:
1. El lenguaje R. Aspectos básicos
2. Los datos y las estructuras de datos en R
3. Uso e construcción de funciones básicas en R
4. Construcción de funciones complejas y modelos en R
5. Creación de gráficos en R
6. Modelos y datos
7. Técnicas de ajuste lineal
8. Técnicas de ajuste non lineal
9. Regresión logística
10. Regresión multivariante
11. Validación de modelos
Cada uno de los 11 temas propuestos tendrá una dedicación aproximada de entre 2 y 3 horas de docencia.
Programa de prácticas:
El programa de prácticas es el mismo que el de teoría porque en esta materia los conceptos explicados en la parte teórica se ponen en práctica inmediatamente. El alumnado dispondrá de ordenadores con el lenguaje R instalado en ellos, lo que le permitirá trabajar de forma práctica los conceptos teóricos. En consecuencia, en esta materia no va a haber separación temporal entre la práctica y la teoría.
No es necesario que los estudiantes tengan conocimientos previos de programación de computadoras. R tiene la ventaja de ser un lenguaje interpretado, lo que permite trabajar de modo interactivo, casi como si fuese una calculadora, lo que facilita mucho el aprendizaje.
BÁSICA
Draper, N.R., Smith, H., 1981. Applied Regression Analysis (Second ed.). John Wiley and Sons, New York, 709 pp.
Kangas, A., Maltamo, M., 2006. Forest Inventory Methodology and Applications. Series: Managing Forest Ecosystems, Vol. 10, Springer Verlag, 362p. ISBN 978-90-481-3164-8.
Robinson, A P; Hamman, J. D., 2010. Forest analysis with R. An introduction (Series: Use R!, ser. eds. Gentleman, R; Hornik, K; Parmigiani, G). Springer, New York.
Zuur, A. F.; Ieno, E. N.; Meesters, E. H. W. G., 2009. A beginners's guide to R (Series: Use R!, ser. eds. Gentleman, R; Hornik, K; Parmigiani, G). Springer, New York.
COMPLEMENTARIA
Gadow, K.v., Hui, G., 1999. Modelling Forest Development, Kluwer Academic Publishers, 213 p.
Gadow, K.v., Real, P., Álvarez-González, J.G., 2001. Modelización del crecimiento y evolución de los bosques. IUFRO World Series Vol. 12, 242 p.
Murrell, P. 2006. R graphics (Series: Computer Science and Data Analysis, ser. eds. Lafferty, J; Madigan, D; Murthag, F; Smyth, P). Chapman & Hall/CRC, London.
Weiskittel, A.R., Hann, D.W., Kershaw, J.A., Vanclay, J.K., 2011. Forest Growth and Yield Modeling. John Wiley and Sons. ISBN: 978-0-470-66500-8, 430 p.
Esta materia contribuirá al desarrollo o mejora de las siguientes competencias que figuran en la memoria del título:
COMPETENCIAS BÁSICAS
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.
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.
COMPETENCIAS GENERALES
CG2: Capacidad para diseñar, dirigir, elaborar, implementar e interpretar proyectos y planes de actuación integrales en el medio natural.
CG7: Capacidad para el desarrollo de políticas forestales.
COMPETENCIAS TRANSVERSALES
CT1: Capacidad de análisis e síntesis.
CT6: Capacidad para elaborar e presentar un texto organizado e comprensible.
CT12: Capacidad para resolver problemas mediante la aplicación integrada de sus conocimientos.
COMPETENCIAS ESPECÍFICAS
CE42: Capacidad para seleccionar metodologías y utilizar herramientas apropiadas para el desarrollo de modelos que simulen el crecimiento y la evolución de los ecosistemas forestales.
CE43: Capacidad para validar modelos y adaptar los existentes a condiciones diferentes a su construcción.
DOCENCIA PRESENCIAL
Clases en el aula de informática. En ellas se expondrá el temario teórico de la materia y también se harán ejercicios que ilustren la teoría y permitan al alumnado aprender a utilizar las técnicas y conceptos estudiados en ella (CB6, CB7, CB10, CT1, CT12, CE42 y CE43).
Tutorías personales. Los alumnos podrán discutir con los profesores las dificultades o cuestiones surgidas en el trabajo de clase, durante la realización de ejercicios o en la elaboración de los casos prácticos propuestas.
Uso del Campus Virtual como herramienta de apoyo a la docencia. Allí estarán disponibles los materiales necesarios para la realización de los ejercicios y trabajos de curso y también material de apoyo para las enseñanzas teóricas.
TRABAJO PERSONAL DEL ALUMNO
Resolución de ejercicios y problemas semejantes a los utilizados en clase, para que pueda trabajar fuera del aula para fortalecer sus conocimientos y descubrir sus dificultades con la materia (CT1, CT12, CE42 y CE43).
Casos prácticos de análisis de datos. El profesor suministrará datos obtenidos en diversos estudios en el ámbito forestal para que el alumnado los analice de forma autónoma empleando las técnicas estadísticas aprendidas en la materia. Cada persona redactará un informe en el que se explique el trabajo hecho, se expongan los resultados y se discutan las conclusiones del alumno. Este informe será parte de la evaluación de la materia (CB6, CB7, CB10, CG2, CG7, CT1, CT6, CT12, CE42 y CE43).
Prueba escrita (50%): CB6, CB10, CE42, CE43.
Trabajo presentado (50%): CB6, CB7, CB10, CG2, CG7, CT1, CT6, CT12, CE42 y CE43.
La realización de las actividades propuestas es obligatoria para superar la materia. La prueba escrita se utilizará para evaluar el conocimiento y dominio del lenguaje R, mientras que en el trabajo a presentar el alumno utilizará todos los conocimientos adquiridos para resolver un caso práctico propuesto por el profesor sobre datos reales.
La prueba escrita se realizará en las fechas establecidas en el calendario oficial de exámenes. El plazo de entrega de los trabajos acabará una semana antes de la fecha del examen.
Los criterios de evaluación serán los mismos para todos los alumnos, nuevos y repetidores, tanto en la oportunidad ordinaria como en la extraordinaria. Las personas con dispensa de asistencia tendrán que realizar los ejercicios propuestos, entregar los trabajos solicitados como parte de la evaluación y hacer la proba escrita, igual que el resto del alumnado.
Para los casos de realización fraudulenta de ejercicios o pruebas, se estará a lo dispuesto en el "Reglamento para la evaluación del rendimiento académico de los estudiantes y revisión de calificaciones".
Cada hora de trabajo presencial con el profesor debería se correspondida con otras dos horas de trabajo del alumno. Es muy importante realizar los ejercicios propuestos sobre el lenguaje R porque son los que permiten afianzar los conceptos explicados en clase y descubrir dificultades insospechadas en su uso.
No es necesario tener conocimientos previos de programación pero es muy conveniente que las personas que cursen esta materia revisen los conocimientos sobre estadística y álgebra matricial que recibieron durante sus estudios de grado.
Juan Gabriel Alvarez Gonzalez
- Departamento
- Ingeniería Agroforestal
- Área
- Ingenieria Agroforestal
- Correo electrónico
- juangabriel.alvarez [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidad
Carlos Real Rodriguez
Coordinador/a- Departamento
- Biología Funcional
- Área
- Ecología
- Correo electrónico
- carlos.real [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Lunes | |||
|---|---|---|---|
| 11:00-12:00 | Grupo /CLE_01 | Castellano, Gallego | Aula 5 (Aulario 2) |
| 12:00-13:00 | Grupo /CLIL_01 | Castellano, Gallego | Aula 5 (Aulario 2) |
| Martes | |||
| 11:00-12:00 | Grupo /CLE_01 | Gallego, Castellano | Aula 5 (Aulario 2) |
| 12:00-13:00 | Grupo /CLIL_01 | Gallego, Castellano | Aula 5 (Aulario 2) |
| Jueves | |||
| 09:00-10:00 | Grupo /CLE_01 | Gallego, Castellano | Aula 5 (Aulario 2) |
| 10:00-11:00 | Grupo /CLIL_01 | Gallego, Castellano | Aula 5 (Aulario 2) |
| 18.12.2024 10:00-14:00 | Grupo /CLE_01 | Seminario I (Pab.III) |
| 18.06.2025 10:00-14:00 | Grupo /CLE_01 | Seminario I (Pab.III) |