- Relacionar dades reals i variables qualitatives: dades econòmiques reals i variables qualitatives en situacions pràctiques.
|
Sèries temporals |
- Comprendre les diverses tipologies de sèries temporals: els estudiants podran diferenciar entre els diversos tipus de sèries temporals i entendre les seves característiques particulars. - Aplicar tècniques d’estimació: els estudiants seran capaços d’aplicar tècniques d’estimació com la identificació de tendències, estacionalitat i variacions cícliques irregulars en dades reals i sintètiques. - Utilitzar llibreries de programació científica: desenvoluparan habilitats per treballar amb sèries temporals en entorns de programació científica mitjançant l’ús de llibreries com Python, Matlab i R. - Aplicar tècniques avançades de previsió i predicció: els estudiants aprendran a aplicar tècniques avançades com els mètodes ARMA i ARIMA per predir i classificar dades de sèries temporals. |
|
Didàctica de les matemàtiques |
- Identificar estratègies d’ensenyament que promoguin la participació dels estudiants en les classes de matemàtiques. - Seleccionar materials i recursos bàsics per ensenyar conceptes matemàtics, incloent-hi recursos visuals i eines senzilles. - Utilitzar tècniques d’avaluació bàsiques per fer un seguiment del progrés dels estudiants i ajustar les activitats d’acord amb les seves necessitats. - Aplicar els conceptes de la didàctica de les matemàtiques per dissenyar activitats senzilles que ajudin a introduir conceptes matemàtics de manera accessible. |
|
Càlcul IV. Anàlisi de variable complexa i anàlisi funcional |
- Comprendre i aplicar la teoria i l’estructura dels nombres complexos en problemes matemàtics i físics, així com en contextos d’enginyeria i ciències aplicades. - Analitzar i derivar funcions que involucren nombres complexos, així com comprendre els conceptes de singularitats i teoremes com el de Cauchy i el del residu. - Aplicar teoremes com el de Cauchy i el del residu en problemes pràctics, tant en contextos acadèmics com professionals, com ara en l’anàlisi de circuits elèctrics, en òptica o en problemes d’enginyeria. - Comprendre els espais normats i els espais de Hilbert, així com els conceptes de productes escalars, bases ortonormals i sèries de Fourier. Ser capaç de treballar amb operadors lineals en aquests espais. |
|
Machine learning |
- Analitzar els fonaments científics de l’aprenentatge automàtic, inclosos els seus paradigmes principals: aprenentatge supervisat i no supervisat. - Aplicar tècniques de regressió, classificació, agrupament i reducció de dimensionalitat per resoldre problemes de dades. - Utilitzar xarxes neuronals i mètodes nucli (kernel methods) com els mètodes de vectors de suport per resoldre problemes pràctics. - Dissenyar i implementar solucions basades en tècniques d’aprenentatge automàtic per a problemes pràctics, utilitzant eines i mètodes adequats per a la programació informàtica. |
|
Treball de final de bàtxelor |
- Aplicar de manera efectiva els coneixements adquirits durant el programa, evidenciant una comprensió profunda dels conceptes fonamentals en l’àmbit de les matemàtiques. - Demostrar habilitats en àrees específiques de les matemàtiques, com l’optimització, la simulació computacional, l’anàlisi de dades o altres disciplines rellevants, evidenciant la competència en la resolució de problemes complexos. - Dissenyar i dur a terme recerques independents, aplicant metodologies apropiades i fent una anàlisi crítica de la informació i els resultats obtinguts. - Demostrar habilitats de presentació i comunicació oral, i exposar de manera clara i persuasiva els resultats del TFB en diferents contextos. |