Competencias do título |
Código
|
Competencias / Resultados do título
|
A16 |
CE1 - Coñecer, identificar, modelar, estudar e resolver problemas complexos de estatística e investigación operativa, nun contexto científico, tecnolóxico ou profesional, xurdidos en aplicacións reais. |
A17 |
CE2 – Desenvolver autonomía para a resolución práctica de problemas complexos surdidos en aplicación reais e para a interpretación dos resultados cara á axuda na toma de decisións. |
A18 |
CE3 - Adquirir coñecementos avanzados dos fundamentos teóricos subxacentes ás distintas metodoloxías da estatística e a investigación operativa, que permitan o seu desenvolvemento profesional especializado. |
A21 |
CE6 - Adquirir coñecementos teórico-prácticos avanzados de distintas técnicas matemáticas, orientadas específicamente á axuda na toma de decisións, e desenvolver a capacidade de reflexión para avaliar e decidir entre distintas perspectivas en contextos complexos. |
A23 |
CE8 - Adquirir coñecementos teórico-prácticos avanzados das técnicas destinadas á realización de inferencias e contrastes relativos a variables e parámetros dun modelo estatístico, e saber aplicalos con autonomía suficiente nun contexto científico, tecnolóxico ou profesional. |
A24 |
CE9 - Coñecer e saber aplicar con autonomía en contextos científicos, tecnolóxicos ou profesionais, técnicas de aprendizaxe automático e técnicas de análise de datos de alta dimensión (big data). |
A25 |
CE10 - Adquirir coñecementos avanzados sobre metodoloxías para a obtención e o tratamento de datos derivados de distintas fuentes, como enquisas, internet, ou entornos “na nube". |
B1 |
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
B2 |
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo |
B3 |
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
B4 |
CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun modo claro e sen ambigüidades |
B5 |
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo. |
B17 |
CG1 - Coñecer, comprender e saber aplicar os principios, metodoloxías e novas tecnoloxías na estatística e a investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares, así como adquirir as destrezas e competencias descritas nos objectivos generales do título. |
B18 |
CG2 - Desenvolver autonomía para identificar, modelar e resolver problemas complexos da estatística e da investigación operativa en contextos científico/académicos, tecnolóxicos ou profesionais especializados e multidisciplinares. |
B19 |
CG3 - Desenvolver a capacidade para realizar estudos e tarefas de investigación e transmitir os resultados a públicos especializados, académicos e xeneralistas. |
B20 |
CG4 - Integrar coñecementos avanzados e enfrontarse á toma de decisións a partir de información científica e técnica. |
B21 |
CG5 - Desenvolver a capacidade de aplicación de algoritmos e técnicas de resolución de problemas complexos no eido da estatística e a investigación operativa, manexando o software especializado axeitado. |
C11 |
CT1 - Desenvolver firmes capacidades de razoamento, análise crítica e autocrítica, así como de argumentación e de síntese, contextos especializados e multidisciplinais. |
C12 |
CT2 - Desenvolver destrezas avanzadas no manexo de Tecnoloxías da Información e a Comunicación (TIC), tanto para a obtención de información como para a difusión do coñecemento, nun ámbito científico/académico, tecnolóxico ou profesional especializado e multidisciplinar. |
C13 |
CT3 - Ser capaz de resolver problemas complexos en novos escenarios mediante a aplicación integrada dos coñecementos. |
C14 |
CT4 - Desenvolver unha sólida capacidade de organización e planificación do estudo, asumindo a responsabilidade do seu propio desenvovemento profesional, para a realización de traballos en equipo e de xeito autónomo. |
C15 |
CT5 - Desenvolver capacidades para o aprendizaxe e a integración no traballo en equipos multidisciplinais, nos ámbitos científico/académico, tecnolóxico e profesional. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Manexar de forma autónoma e solvente o software necesario para acceder a conxuntos de datos en contornas profesionais e/ou na nube. |
AM16 AM17 AM23 AM24 AM25
|
BP5 BP17 BP19 BP20 BP21
|
CP12
|
Saber xestionar conxuntos de datos masivos nunha contorna multidisciplinar que permita a participación en proxectos profesionais complexos que requieran o uso de técnicas estatísticas. |
AM18 AM21
|
BP1 BP2 BP3 BP4 BP18
|
CP11 CP13 CP14 CP15
|
Saber relacionar o software de deseño e xestión de bases de datos con específicamente implementado para a análise de datos. |
AM16 AM17 AM21 AM24 AM25
|
BP17 BP18 BP21
|
CP12 CP13
|
Contidos |
Temas |
Subtemas |
1. Introducción a linguaxe SQL |
1.1 Bases de datos relacionais
1.2 Sintaxe SQL
1.3 Conexión con bases de datos dende R |
2. Introducción a tecnoloxías NoSQL |
2.1 Conceptos e tipos de bases de datos NoSQL (documental, columnar, clave/valor e de grafos)
2.2 Conexión de R a NoSQL |
3. Tecnoloxías para o tratamiento de datos masivos |
3.1 Tecnoloxías Big Data
3.2 Visualización e xeración de cadros de mando
3.3 Introducción e análise de datos masivos |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A16 A18 A21 A23 |
20 |
28 |
48 |
Prácticas de laboratorio |
A16 A18 A24 A25 B2 B3 C12 C13 |
7 |
10.5 |
17.5 |
Solución de problemas |
A16 A17 B2 C13 |
0 |
28 |
28 |
Seminario |
A17 A24 A25 B1 B17 B19 B21 C15 |
7 |
10.5 |
17.5 |
Traballos tutelados |
A16 A17 A21 A23 A24 A25 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 |
1 |
9.5 |
10.5 |
Proba mixta |
A16 A18 A21 A23 A24 A25 B1 B2 B3 B4 B17 B18 C13 |
3 |
0 |
3 |
|
Atención personalizada |
|
0.5 |
0 |
0.5 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Sesións expositivas nas que presentarán conceptos e/ou procedementos, proporcionando información básica necesaria para comprender unha perspectiva teórica ou un procedemento práctico, promovendo a participación dos alumnos. |
Prácticas de laboratorio |
Sesións interactivas de prácticas de laboratorio (laboratorio de informática) ou resolución de problemas, onde os profesores apoiarán e supervisarán a posta en práctica dos coñecementos adquiridos polos estudantes. |
Solución de problemas |
Traballo persoal dos alumnos na realización de exercicios prácticos e resolución de problemas a partir das clases expositivas e das prácticas de laboratorio. |
Seminario |
Técnica de traballo en grupo que ten como finalidade o estudo intensivo dun tema. Caracterízase pola discusión, a participación, a elaboración de documentos e as conclusións ás que teñen que chegar todos os compoñentes do grupo. |
Traballos tutelados |
Actividades de aprendizaxe autónoma, nas que os profesores guiarán a realización de traballos individuais ou en pequenos grupos de alumnos. |
Proba mixta |
Proba que integra preguntas tipo de probas de ensaio e preguntas tipo de probas obxectivas.
En canto a preguntas de ensaio, recolle preguntas abertas de desenvolvemento. Ademais, en canto preguntas obxectivas, pode combinar preguntas de resposta múltiple, de ordenación, de resposta breve, de discriminación, de completar e/ou de asociación. |
Atención personalizada |
Metodoloxías
|
Prácticas de laboratorio |
Seminario |
Solución de problemas |
Traballos tutelados |
|
Descrición |
Atención persoalizada (ou en pequeno grupo / grupo moi reducido) nestas metodoloxías, tanto na aula como nas horas de titoría, para resolver as dúbidas que poidan xurdir no desenvolvemento do proceso de ensino/aprendizaxe e que non foron resoltas de forma eficaz previamente. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A16 A18 A24 A25 B2 B3 C12 C13 |
Evaluación das prácticas de laboratorio levadas a cabo polos estudantes. |
30 |
Proba mixta |
A16 A18 A21 A23 A24 A25 B1 B2 B3 B4 B17 B18 C13 |
O exame da materia avaliará os seguintes aspectos:
Conceptos da materia: Dominio dos coñecementos teóricos e operativos da materia.
Asimilación práctica de materia: Asimilación e comprensión dos coñecementos teóricos e operativos da materia.
|
60 |
Traballos tutelados |
A16 A17 A21 A23 A24 A25 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 |
Evaluación dos traballos titelados desenvoltos polos estudantes. |
10 |
|
Observacións avaliación |
- Para poder aprobar a materia na primeira oportunidade será necesario obter como mínimo o 30% da nota máxima da suma das prácticas de laboratorio+traballos titelados, e, igualmente, o 30% da nota máxima final da Proba Mixta (exame), e ter unha nota total (prácticas de laboratorio + traballos titelados + proba mixta) igual ou superior ao 50% da nota máxima.
- Na segunda oportunidade soamente se poderá recuperar a nota da proba mixta. As notas de prácticas e de traballo titelados serán as obtidas durante o curso. Para os alumnos que utilicen a oportunidade adiantada de decembro utilizaranse as notas de prácticas e problemas que obtiveran no seu último curso. Nesta oportunidade só será necesario para aprobar obter unha nota total igual ou superior ao 50% da nota máxima.
- Unha vez que un estudante é avaliado nunha práctica de laboratorio ou nun traballo titelado implica que será calificado. Por tanto, a calificación "Non Presentado" non é posible unha vez que unha práctica/traballo ten sido avaliado.
|
Fontes de información |
Bibliografía básica
|
Silberschatz, A., Korth, H. y Sudarshan, S. (2014). Fundamentos de Bases de Datos. Mc Graw Hill
Daroczi, G. (2015). Mastering Data Analysis with R. Packt Publishing
López-Taboada, G. y Fernández-Casal, R. (2020). Prácticas de Tecnologías de Gestión y Manipulación de Datos. . https://gltaboada.github.io/tgdbook
Grolemund, G. y Wickham, H. (2016). R for Data Science. https://r4ds.had.co.nz/ & O'Reilly |
|
Bibliografía complementaria
|
Rubén Fernández Casal (2019). Ayuda y Recursos para el Aprendizaje de R. https://rubenfcasal.github.io/post/ayuda-y-recursos-para-el-aprendizaje-de-r/
Alex Holmes (2014). Hadoop in practice. Manning (2ª ed.)
Tom White (2015). Hadoop: The Definitive Guide. O'Reilly (4ª ed.)
Wes McKinney (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly (2ª ed.)
Centro de Supercomputación de Galicia (2019). Servicio de Big Data del CESGA. https://bigdata.cesga.es/ |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
Observacións |
Recomendacións para o estudo da materia Debido ao forte compoñente práctico é recomendable ir facendo as actividades prácticas e traballos academicamente dirixidos de forma regular ao longo do cuadrimestre. As ferramentas software utilizadas nesta materia son xeralmente open-source ou teñen licencia gratuita para estudantes. |
|