Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 51 Horas de Titorías: 3 Clase Expositiva: 9 Clase Interactiva: 12 Total: 75
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Bioloxía Funcional, Enxeñaría Agroforestal
Áreas: Ecoloxía, Enxeñaría Agroforestal
Centro Escola Politécnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
O obxectivo desta materia é que o alumnado aprenda as técnicas básicas que se utilizan na construción de modelos. Trátase de poñer a base para o resto das materias do módulo, nas que estas técnicas empregaranse para a construción ou análise de modelos concretos. Este obxectivo xeral divídese en dous obxectivos máis concretos.
En primeiro lugar que o alumnado aprenda a manexar técnicas de axuste de ecuacións que lle permitan converter os datos brutos nas ecuacións necesarias para a construción dos modelos.
En segundo lugar que o alumnado aprenda a manexar unha linguaxe de computador que lle permita (a) executar as técnicas estatísticas que se estudarán na parte teórica (b) construír modelos complexos que inclúan diversos procesos ecolóxicos ou de produción forestal representados por múltiples ecuacións e estruturas de datos.
Os contidos da materia recollidos na memoria da titulación son:
Criterios para a elaboración de modelos. Tipos de modelos. Toma de datos. Elaboración de datos. Análise multivariante. Técnicas de axuste. Avaliación de modelos. Implementación e emprego.
Estes contidos desenvolveranse no seguinte programa:
Programa de teoría:
1. A linguaxe R. Aspectos básicos
2. Os datos e as estruturas de datos en R
3. Emprego e construción de funcións básicas en R
4. Construción de funcións complexas e modelos en R
5. Creación de gráficos en R
6. Modelos e datos
7. Técnicas de axuste lineal
8. Técnicas de axuste non lineal
9. Regresión loxística
10. Regresión multivariante
11. Validación de modelos
Cada un dos 11 temas propostos terá unha dedicación aproximada de entre 2 e 3 horas de docencia.
Programa de prácticas:
O programa de prácticas é o mesmo ca o de teoría porque nesta materia os conceptos explicados na parte teórica póñense en práctica inmediatamente. O alumnado dispoñerá de computadoras coa linguaxe R instalada nelas o que lle permitirá traballar de forma práctica os conceptos teóricos. En consecuencia, nesta materia non vai haber separación temporal entre a práctica e a teoría.
Non é preciso que os estudantes teñan coñecementos previos de programación de computadoras. R ten a vantaxe de ser unha linguaxe interpretada, o que permite traballar de modo interactivo, case coma se fose unha calculadora, o que facilita moito a aprendizaxe.
BIBLIOGRAFIA 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.
BIBLIOGRAFIA 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 ó desenvolvemento ou mellora das seguintes competencias que figuran na memoria do título:
COMPETENCIAS BÁSICAS
CB6: Posuír e comprender coñecementos que aporten unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación.
CB7: Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudio.
CB10: Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que haberá de ser en gran medida autodirixido o autónomo.
COMPETENCIAS XERAIS
CG2: Capacidade para deseñar, dirixir, elaborar, implementar e interpretar proxectos e planes de actuación integrais no medio natural.
CG7: Capacidade para o desenvolvemento de políticas forestais.
COMPETENCIAS TRANSVERSAIS
CT1: Capacidade de análise e síntese.
CT6: Capacidade para elaborar e presentar un texto organizado e comprensible.
CT12: Capacidade para resolver problemas mediante a aplicación integrada dos seus coñecementos.
COMPETENCIAS ESPECÍFICAS
CE42: Capacidade para seleccionar as metodoloxías e empregar as ferramentas axeitadas para o desenvolvemento de modelos que simulen o crecemento e a evolución de ecosistemas forestais.
CE43: Capacidade para validar modelos e adaptar os existentes a condiciones diferentes ás da súa construción.
DOCENCIA PRESENCIAL
Clases na aula de informática. Nelas expoñerase o temario teórico da materia, e tamén faranse exercicios que ilustren a teoría e permitan ós alumnos aprender a utilizar as técnicas e conceptos estudados nela (CB6, CB7, CB10, CT1, CT12, CE42 e CE43)).
Titorías persoais. Os alumnos poderán discutir cos profesores as dificultades ou cuestións xurdidas no traballo de clase, durante a realización de exercicios ou na elaboración dos casos prácticos propostos.
Emprego do Campus Virtual como ferramenta de apoio á docencia. Alí estarán dispoñibles os materiais necesarios para a realización dos exercicios e os traballos de curso e tamén o material de apoio ás ensinanzas teóricas.
TRABALLO PERSOAL DO ALUMNO
Resolución de exercicios e problemas semellantes ós da clase para que o alumnado poda traballar fóra da aula para fortalecer o seu coñecemento e descubrir as súas dificultades coa materia (CT1, CT12, CE42 e CE43).
Casos prácticos de análise de datos. O profesor subministrará datos obtidos en diversos estudios no ámbito forestal para que o alumnado os analice de forma autónoma empregando as técnicas estatísticas aprendidas na materia. Os estudantes redactarán un informe no que se explique o traballo feito, se expoñan os resultados e se discutan as conclusións do alumno. Este informe será parte da avaliación da materia (CB6, CB7, CB10, CG2, CG7, CT1, CT6, CT12, CE42 e CE43).
Proba escrita (50%): CB6, CB10 CE42 e CE43.
Traballo presentado (50%): CB6, CB7, CB10, CG2, CG7, CT1, CT6, CT12, CE42 e CE43.
A realización das actividades propostas é obrigatoria para a superación da materia. A proba escrita empregarase para avaliar o coñecemento e dominio da linguaxe R, mentres que no traballo a presentar o alumno empregará todos os coñecementos adquiridos para resolver un caso práctico proposto polo profesor sobre datos reais.
A proba escrita realizarase nas datas establecidas no calendario oficial de exames. O prazo de entrega dos traballos rematará unha semana antes da data do exame.
Os criterios de avaliación serán os mesmos para tódolos alumnos, novos e repetidores, tanto na oportunidade ordinaria como na extraordinaria. As persoas con dispensa de asistencia terán que realizar os exercicios propostos, entregar os traballos solicitados como parte da avaliación e facer a proba escrita, igual ca o resto do alumnado.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na “Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións”.
Cada hora de traballo presencial co profesor debería ser correspondida con outras dúas horas de traballo do alumno. É moi importante realizar os exercicios propostos sobre a linguaxe R porque son os que permiten afianzar os conceptos explicados na clase e descubrir dificultades insospeitadas no seu emprego.
Non é necesario ter coñecementos previos de programación pero e moi conveniente que as persoas que cursen esta materia revisen os coñecementos sobre estatística e álxebra matricial que recibiron durante os seus estudos de grado.
Juan Gabriel Alvarez Gonzalez
- Departamento
- Enxeñaría Agroforestal
- Área
- Enxeñaría Agroforestal
- Correo electrónico
- juangabriel.alvarez [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
Carlos Real Rodriguez
Coordinador/a- Departamento
- Bioloxía Funcional
- Área
- Ecoloxía
- Correo electrónico
- carlos.real [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
| Luns | |||
|---|---|---|---|
| 11:00-12:00 | Grupo /CLE_01 | Galego, Castelán | Aula 5 (Aulario 2) |
| 12:00-13:00 | Grupo /CLIL_01 | Galego, Castelán | Aula 5 (Aulario 2) |
| Martes | |||
| 11:00-12:00 | Grupo /CLE_01 | Galego, Castelán | Aula 5 (Aulario 2) |
| 12:00-13:00 | Grupo /CLIL_01 | Galego, Castelán | Aula 5 (Aulario 2) |
| Xoves | |||
| 09:00-10:00 | Grupo /CLE_01 | Castelán, Galego | Aula 5 (Aulario 2) |
| 10:00-11:00 | Grupo /CLIL_01 | Castelán, Galego | Aula 5 (Aulario 2) |