Parte I. Conceptos y métodos
1. Ciencia y tecnología. Deducción natural, Inferencia natural, deducción, inducción y abducción
experimental.
2. Fuentes de conocimiento, estado del arte. Publicación científica, criterios de evaluación del
mérito, índices, crítica técnica.
Parte II. Análisis estadístico y diseño de experimentos.
1. Representación de datos, inferencia estadística, inferencia no paramétrica, inferencia
paramétrica, estimación, contraste de hipótesis, estructura y tamaño del muestreo, error de
estimación, inferencia bayesiana, funciones conjugadas bayesianas, lógica inductiva probabilística.
2. Relación entre variables y control experimental, ajuste de curvas y modelos de datos, regresión
simple, regresión múltiple, predicción, análisis de varianza, calidad del ajuste, MARS, superficie
de respuesta, regresión en series temporales, colinealidad.
3. Análisis exploratorio de datos, modelos de predicción, PCA. Regresión no paramétrica, Kernel.
4. Diseño de experimentos, diseño completo al azar, bloques al azar, diseño factorial, estimación
de efectos e interacciones, bloqueo de interacciones, diseño fracción del factorial, diseño de orden
superior, diseños centrales y Box-Behnken.
Parte III. Optimización.
1.Algoritmos fundamentales en optimización lineal, discreta, no lineal, dinámica, de redes y para
el control óptimo de funciones objetivo.
2. Metodología y formulación matemática del problema de optimización. Método simplex,
métodos de flujo de redes, métodos "cutting plane" y "branch and bound" de optimización discreta,
optimización no lineal y sus condiciones, métodos del punto interior para optimización convexa,
método de Newton, métodos heurísticos, programación dinámica y métodos de control óptimo.
Parte IV. Optimización y Exploración del Espacio de Diseño DSE.
1. Modelado y simulación de sistemas.
2. Exploración del espacio de diseño (DSE).
1. Ciencia y tecnología. Deducción natural, Inferencia natural, deducción, inducción y abducción
experimental.
2. Fuentes de conocimiento, estado del arte. Publicación científica, criterios de evaluación del
mérito, índices, crítica técnica.
Parte II. Análisis estadístico y diseño de experimentos.
1. Representación de datos, inferencia estadística, inferencia no paramétrica, inferencia
paramétrica, estimación, contraste de hipótesis, estructura y tamaño del muestreo, error de
estimación, inferencia bayesiana, funciones conjugadas bayesianas, lógica inductiva probabilística.
2. Relación entre variables y control experimental, ajuste de curvas y modelos de datos, regresión
simple, regresión múltiple, predicción, análisis de varianza, calidad del ajuste, MARS, superficie
de respuesta, regresión en series temporales, colinealidad.
3. Análisis exploratorio de datos, modelos de predicción, PCA. Regresión no paramétrica, Kernel.
4. Diseño de experimentos, diseño completo al azar, bloques al azar, diseño factorial, estimación
de efectos e interacciones, bloqueo de interacciones, diseño fracción del factorial, diseño de orden
superior, diseños centrales y Box-Behnken.
Parte III. Optimización.
1.Algoritmos fundamentales en optimización lineal, discreta, no lineal, dinámica, de redes y para
el control óptimo de funciones objetivo.
2. Metodología y formulación matemática del problema de optimización. Método simplex,
métodos de flujo de redes, métodos "cutting plane" y "branch and bound" de optimización discreta,
optimización no lineal y sus condiciones, métodos del punto interior para optimización convexa,
método de Newton, métodos heurísticos, programación dinámica y métodos de control óptimo.
Parte IV. Optimización y Exploración del Espacio de Diseño DSE.
1. Modelado y simulación de sistemas.
2. Exploración del espacio de diseño (DSE).
- Profesor (Coord.): Antonio Núñez Ordóñez
- Profesor: Juan Antonio Montiel Nelson