| Competencias do título |
| Código | Competencias da titulación |
| Resultados de aprendizaxe | |||
| Competencias de materia (Resultados de aprendizaxe) | Competencias da titulación | ||
| Coñecer, entender e implementar solucións á problemática da integración de datos nos sistemas de información orientados á toma de decisións | AP5 |
BP1 BP2 BP3 BP5 BP6 BP8 BM1 BM2 BM3 BM4 BM5 |
CP1 CP3 CP4 CP5 CP6 CP7 CP8 |
| Coñecer as características das bases de datos da contorna analítica e ter capacidade para entender e solucionar os problemas de deseño que presentan. | AP12 |
BP1 BP2 BP3 BP5 BP6 BP8 BM1 BM2 BM3 BM4 BM5 |
CP1 CP3 CP4 CP5 CP6 CP7 CP8 |
| Coñecer, entender e implementar solucións para analizar datos estratéxicos dunha organización, extraer conclusións e obter resultados descoñecidos. | AP12 |
BP1 BP2 BP3 BP5 BP6 BP8 BP10 BP11 BP12 BP13 BP14 BP17 BM1 BM2 BM3 BM4 BM5 |
CP1 CP3 CP4 CP5 CP6 CP7 CP8 |
| Contidos |
| Temas | Subtemas |
| Introdución |
|
| Arquitectura de Integración de Datos |
|
| Bases de Datos Multidimensionais - Deseño de DW |
|
| Minería de Datos | |
| Técnicas de Estatística de Negocio: Dashboard, KPI. | |
| Análise de Big Data |
|
| Planificación | |||
| Metodoloxías / probas | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Prácticas de laboratorio | 20 | 30 | 50 |
| Solución de problemas | 0 | 15 | 15 |
| Lecturas | 0 | 10 | 10 |
| Proba mixta | 3 | 0 | 3 |
| Traballos tutelados | 0 | 12 | 12 |
| Sesión maxistral | 20 | 40 | 60 |
| Atención personalizada | 0 | 0 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | |||
| Metodoloxías |
| Metodoloxías | Descrición |
| Prácticas de laboratorio | Son clases nas que se desenvolven as competencias procedimentais relacionadas cos contidos da materia. Nelas realizaranse, por unha parte, exercicios cuxo obxetivo é madurar os conceptos das clases teóricas, e por otra, introduciranse novos conceptos de carácter práctico que acompañaranse de exercicios. |
| Solución de problemas | Son probas que plantexan uns supostos de carácter práctico que os estudantes deben resolver para complementar as habilidades adquiridas nas prácticas de laboratorio. |
| Lecturas | Propondrase a lectura de diversos traballos que complementen e axuden a entender os conceptos plantexados. |
| Proba mixta | Exame da materia que combina conceptos teóricos, prácticos e problemas. |
| Traballos tutelados | Traballos realizados baixo a orientación do profesorado, cuxo objetivos é que os estudantes asuman a responsabilidade do seu propio aprendizaxe e que aprenden "cómo facer". |
| Sesión maxistral | Clases teóricas nas que se exponen os contidos fundamentais da materia, que poden acompañarse da propuesta e da resolución de exemplos. |
| Atención personalizada |
|
|
| Avaliación | ||
| Metodoloxías | Descrición | Cualificación |
| Prácticas de laboratorio | A nota máxima dos traballos, probas e exercicios será de 4 puntos sobre o total de 10 da asignatura. Realizarase unha avaliación continua polo que a nota das probas deste apartado contabiliza tanto para a primeira como para a segunda oportunidade. Estas probas poderán repetirse na segunda oportunidade. |
40 |
| Proba mixta | A nota máxima será de 5 puntos sobre o total de 10 da asignatura. A proba consiste nun exame que poderá tratar tanto sobre os conceptos teóricos como sobre a asimilación práctica da asignatura. Esta proba poderase repetir na segunda oportunidade. |
50 |
| Traballos tutelados | Avaliarase o resultado dos traballos, que terán unha única data de entrega cada un, anunciada coa suficiente antelación. Estes traballos non se repetirán na segunda oportunidade. | 10 |
| Observacións avaliación | ||
|
Aqueles estudantes con matrícula a tempo parcial ou calquer circunstancia que impida a asistencia ás clases, deberán contactar cos docentes para determinar alternativas ao seguimento e á avaliación da materia |
||
| Fontes de información |
| Bibliografía básica |
Turban, E.; Sharda, R. (2011). Business Intelligence: A managerial approach (2 ed.). Prentice Hall
Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making . Wiley
Tan, P.; Steinbach, M.; Kumar, V. (2006). Introduction to Data Mining . Addison-Wesley
Kimball, R.; Ross, M. (2013). The Data Warehouse Toolkit (3 ed.). Wiley |
|
|
|
| Bibliografía complementaria |
Witten, I.; Frank, E.; Hall, M. (2011). Data Mining . Morgan Kaufmann
Williams, G. (2011). Data Mining with Rattle and R. Springer
Golfarelli, M.; Rizzi, S. (2009). Data Warehouse Design: Modern Principles and Methodologies. McGraw-Hill
Conesa Caralt, J.; Curto Díaz, J. (2010). Introducción al Business Intelligence . UOC
Kimball, R.; Ross, M.; Thornthwaite, W.; Mundy, J.; Becker, B. (2008). The Data Warehouse Lifecycle Toolkit (2nd ed) . John Wiley and Sons |
|
|
| Recomendacións | |
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |