Métodos Multicriterio Orientados al Tratamiento Automático de Datos

Diplomatura en Ciencias de Datos, Aprendizaje Automático y sus Aplicaciones

Para jugar ya! con las slides:

🏫 Docentes

• Juan B. Cabral (FaMAF-UNC-CONICET)
• Nadia Luzcywo (FCE-UNC)

🗂️ Contenido

• Teoría de las Perspectivas. La elección racional y el encuadre de las decisiones. Sesgos cognitivos en las decisiones.
• Problemas con objetivos múltiples. generalidades. Selección de criterios y variables de decisión; escalas; normalización. Cálculo del grado de importancia de las variables de decisión: Desvío, Entropía y el método CRITIC.
• Métodos suma ponderada, TOPSIS y familia de métodos ELECTRE.
• Reversión de rankings, y análisis de sensibilidad. Paradoja de los métodos multicriterio.

📖 Bibliografía:

Aytekin, A. (2021). Comparative analysis of the normalization techniques in the context of MCDM problems. Decision Making: Applications in Management and Engineering, 4(2), 1-25.

Cabral, Juan Bautista (2018). Scikit-Criteria Documentation.

Montibeller, G., & Von Winterfeldt, D. (2015). Cognitive and motivational biases in decision and risk analysis. Risk analysis, 35(7), 1230-1251.

Odu, G. O. (2019). Weighting methods for multi-criteria decision making technique. Journal of Applied Sciences and Environmental Management, 23(8), 1449-1457.

Tversky, A., & Kahneman, D. (1989). Rational choice and the framing of decisions. In Multiple criteria decision making and risk analysis using microcomputers (pp. 81-126). Springer, Berlin, Heidelberg.

Tzeng, G. H., & Huang, J. J. (2011). Multiple attribute decision making: methods and applications. CRC press.

⏰ Cantidad de horas

16 horas sincrónicas + 8 de apoyo

💯 Método de evaluación

Se evaluará mediante la presentación de dos trabajos prácticos donde los alumnos harán uso de la suite Jupyter y la librería Scikit-Criteria, para la implementación práctica de los contenidos vistos en la materia.

• 🧠 Práctico 1
• 🖥️ Práctico 2