Competencias do título |
Código
|
Competencias / Resultados do título
|
A1 |
CE1 - Coñecer e comprender os principios teóricos e metodolóxicos da xestión e documentación da información para aplicalos na súa actividade profesional |
A4 |
CE4 - Dominar os fundamentos do comportamento dos individuos na busca, recuperación e uso da información, tomando como punto de referencia os aspectos de motivación, contorna e contexto |
A8 |
CE8 - Dominar os distintos métodos de representación de datos, información e coñecemento que garanta a súa recuperación eficiente |
A13 |
CE13 - Coñecer e dominar as técnicas e normativas para a creación e autenticación, reunión, selección, organización, representación, preservación, recuperación, acceso, difusión, intercambio e avaliación de recursos e servizos de información |
A20 |
CE20 - Dominar as bases para desenvolver actividades de investigación utilizando métodos e principios multidisciplinares |
A21 |
CE21 - Posuír coñecementos de estatística e análise cuantitativa da información |
A22 |
CE22 - Adquirir habilidades computacionais e xestión das novas TIC |
B1 |
CB1 - Posuír e comprender coñecementos que proporcionan unha base ou oportunidade para ser orixinais no desenvolvemento e / ou aplicación de ideas, a miúdo nun contexto de investigación |
B2 |
CB2 - Aplicar os coñecementos adquiridos e a súa capacidade para resolver problemas en ambientes novos ou descoñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo |
B3 |
CB3 - Ser capaz de integrar coñecementos e afrontar a complexidade de facer xuízos a partir de información que, estando incompleta ou limitada, inclúa reflexións sobre responsabilidades sociais e éticas relacionadas coa aplicación dos seus coñecementos e xuízos |
B4 |
CB4 - Saber comunicar as súas conclusións -e os coñecementos e os motivos finais que os sustentan- a públicos especializados e non especializados dun xeito claro e sen ambigüidades |
B5 |
CB5 - Posuír as habilidades de aprendizaxe que lles permitan seguir estudando dun xeito que sexa en gran parte autodirixido ou autónomo |
B6 |
CG1 - Capacidade de cooperación, traballo en equipo e aprendizaxe colaborativa |
B7 |
CG2 - Capacidade de reflexión e razoamento crítico |
B8 |
CG3 - Capacidade de planificación, organización e xestión de recursos, información e operacións |
B9 |
CG4 - Capacidade de análise, diagnóstico e toma de decisións |
B10 |
CG5 - Capacidade para traballar nun contexto global e internacional |
B11 |
CG6 - Capacidade para comprender a importancia, valor e función da xestión dixital da información e documentación na actual sociedade das TIC |
C1 |
CT1 - Expresarse correctamente, oralmente e por escrito, nas linguas oficiais da comunidade autónoma |
C2 |
CT2 - Utilizar as ferramentas básicas das tecnoloxías da información e comunicación (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo das súas vidas |
C3 |
CT3 - Desenvolverse para o exercicio dunha cidadanía que respecta a cultura democrática, os dereitos humanos e a perspectiva de xénero |
C4 |
CT4 - Comprender a importancia da cultura empresarial e coñecer os medios dispoñibles para os empresarios |
C5 |
CT5 - Adquirir habilidades para a vida e hábitos, rutinas e estilos de vida saudables |
C6 |
CT6 - Desenvolver a capacidade para traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento ambiental, económico, político e social sostible |
C7 |
CT7 - Valorar a importancia da investigación, a innovación eo desenvolvemento tecnolóxico no progreso socioeconómico e cultural da sociedade |
C8 |
CT8 - Ter a capacidade para xestionar o tempo e os recursos: desenvolver plans, priorizar actividades, identificar críticas, establecer prazos e cumprirlos |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Adquisición de habilidades para a selección, tratamento, xestión e análise da información mediante técnicas de minería de datos. |
A8 A13 A20 A21 A22
|
B2 B4 B5 B6 B7 B8 B10 B11
|
C2 C4 C5 C6 C8
|
Elixir as técnicas cuantitativas adecuadas aos obxectivos para tarefas de investigación, administración e xestión.
|
A1 A8 A13 A20 A21 A22
|
B2 B4 B5 B6 B7 B8 B10 B11
|
C2 C4 C6 C8
|
Adquirir coñecementos de análises de datos computacional, incluíndo programas como o software estatístico R.
|
A1 A4 A8 A13 A20 A21 A22
|
B1 B2 B3 B9 B11
|
C1 C3 C7
|
Coñecemento e habilidades para a aplicación das principais técnicas de clasificación.
|
A1 A20 A21 A22
|
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11
|
C2 C4 C6 C7 C8
|
Coñecemento e habilidades para a aplicación de técnicas de regresión, detección de anomalías e series de tempo.
|
A1 A20 A21 A22
|
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11
|
C2 C4 C6 C7 C8
|
Capacidade de análise e de síntese aplicada á xestión e organización da información.
|
A1 A4 A8 A13 A20 A21 A22
|
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11
|
C1 C2 C3 C4 C5 C6 C7 C8
|
Adquisición de habilidades para a toma de decisións a partir da análise estatística bases de datos complexas.
|
A1 A4 A8 A13 A20 A21 A22
|
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11
|
C1 C2 C3 C4 C5 C6 C7 C8
|
Contidos |
Temas |
Subtemas |
Introducción á minería de datos.
|
Conceptos preliminares.
Tipos de problemas en minería de datos: descrición, clasificación, predición, clustering, detección de anomalías, etc.
Tipos de aprendizaxe: supervisado e non supervisado. |
Métodos de clasificación non supervisada ou clúster
|
Conceptos básicos.
Métodos de clasificación xerárquica.
Métodos de agrupamento por particións.
Casos prácticos. |
Métodos de clasificación supervisada.
|
Conceptos básicos.
Modelos principais de clasificación supervisada ou recoñecemento de patróns.
Validación de modelos de clasificación (como de ben predín?).
Casos prácticos. |
Métodos avanzados de regresión.
|
Introdución.
Modelos de regresión univariantes e multivariantes.
Selección de variables relevantes.
Validación de modelos de regresión (como de ben se axusta aos datos?, como de ben fai predicións?).
Casos prácticos. |
Series de tempo
|
Conceptos básicos.
Análise descriptivo de series de tempo.
Uso práctico dos modelos de series de tempo.
Casos prácticos. |
Técnicas estatísticas para minería de textos e recuperación da información. |
Conceptos básicos.
Casos prácticos de aplicación da minería de textos. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A1 A4 A8 A20 A21 B1 B3 B7 C4 C7 |
19 |
0 |
19 |
Prácticas a través de TIC |
A13 A22 B11 C2 |
13 |
0 |
13 |
Estudo de casos |
A1 A8 A21 B2 B3 B4 B5 B6 B7 B8 B9 C1 C8 |
7 |
7 |
14 |
Traballos tutelados |
B2 B4 B5 B6 B8 B9 B10 C1 C3 C5 C6 C8 |
1 |
101 |
102 |
Proba obxectiva |
A21 B1 B2 |
1 |
0 |
1 |
|
Atención personalizada |
|
1 |
0 |
1 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Serán sesións expositivas nas que se introducirán e describirán os diversos temas da materia, mediante presentacións (usando os adecuados medios audiovisuais) que incluirán teoría e exemplos. |
Prácticas a través de TIC |
Desenvolveranse clases prácticas mediante software estatístico, nas que se introducirá a súa programación e aplicación a partir de casos reais e simulados. |
Estudo de casos |
Aplicaranse as técnicas estatísticas impartidas na materia para a resolución de exercicios e casos de estudo reais e simulados no ámbito da xestión dixital da información. |
Traballos tutelados |
Realizaranse traballos individuais e/ou en grupo, tutelados polos docentes da materia, nos que se abordará a resolución, mediante a aplicación de técnicas estatísticas e o software R, de exercicios prácticos ou de casos de estudo particulares relacionados co ámbito da comunicación e das ciencias da información. Tamén se poderá realizar un estudo de revisión acerca dun tema concreto da materia ou do software utilizado. Os traballos poderán ser propostos polos docentes ou polos propios alumnos (as propostas teranse en conta ou non sempre segundo o criterio do docente). |
Proba obxectiva |
Consistirá nunha proba tipo test sobre os contidos impartidos na materia. |
Atención personalizada |
Metodoloxías
|
Prácticas a través de TIC |
Estudo de casos |
Sesión maxistral |
Traballos tutelados |
|
Descrición |
Nas clases maxistrais se fomentará en todo momento o debate entre os alumnos e entre los alumnos e o profesor. Para a resolución de problemas será importante atender personalmente aos alumnos ante as posibles dúbidas que poidan xurdir. Esta atención servirá tamén, por unha parte, ao profesor para detectar posibles problemas na metodoloxía utilizada para impartir a asignatura e, por outra, aos alumnos para consolidar coñecementos teóricos e para expresar as súas inquedanzas acerca da asignatura. Será tamén fundamental a atención personalizada ao estudante durante as clases de prácticas TIC, sobre todo ata que non se familiarice co software estatístico a utilizar, ademais de na resolución de casos de estudo. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas a través de TIC |
A13 A22 B11 C2 |
Valorarase a asistencia e/ou o desempeño dos alumnos co software estatístico. |
20 |
Proba obxectiva |
A21 B1 B2 |
Proba tipo test consistente nun número de preguntas entre 10 e 20 con 3 respostas posibles. |
40 |
Traballos tutelados |
B2 B4 B5 B6 B8 B9 B10 C1 C3 C5 C6 C8 |
Realizaranse traballos individuais e/ou en grupo, tutelados polos docentes da materia, nos que se abordará a resolución, mediante a aplicación de técnicas estatísticas e o software R, de exercicios prácticos ou de casos de estudo particulares relacionados co ámbito da comunicación e das ciencias da información. Tamén se poderá realizar un estudo de revisión acerca dun tema concreto da materia ou do software utilizado. Os traballos poderán ser propostos polos docentes ou polos propios alumnos (as propostas serán tidas en conta ou non sempre segundo o criterio do docente). |
40 |
|
Observacións avaliación |
Primeira oportunidade Realizarase unha proba de resposta múltiple de 10 a 20 preguntas que representa o 40% da nota. Por outra banda, a avaliación continua constará da asistencia e/ou entrega de prácticas relacionadas coa aprendizaxe e aplicación do software estatístico R para a resolución de problemas no campo da xestión dixital da información (20% da nota global), ademais da entrega dun ou varios traballos de aplicación da estatística para a resolución de casos de estudo en documentación dixital (alternativamente poderán ser traballos de revisión ou ampliación da materia) que representa o 40% da nota total. Segunda oportunidade Na avaliación da segunda oportunidade se seguirá o mesmo criterio que na primeira. Convocatoria adiantada Todas as observación previas son aplicables aos estudantes que soliciten a convocatoria adiantada do exame. Calificación de non presentado En calquera das dúas oportunidades anuais figurará un NON PRESENTADO naqueles casos nos que o alumnado non acuda ó exame oficial da materia. Estudiante con recoñecemento de dedicación a tempo parcial e dispensa académica de exención de asistencia No caso do alumnado con recoñecemento de dedicación a tempo parcial e dispensa académica de exención de asistencia que decida non asistir a clases, este será avaliado nas dúas oportunidades como o resto do alumnado que se atopa nunha situación similar. A realización fraudulenta das probas ou actividades de avaliación implicará directamente a calificación de suspenso "0" na materia na convocatoria correspondente, invalidando así calquera calificación obtida en todas as actividades de avaliación de cara á convocatoria extraordinaria.
|
Fontes de información |
Bibliografía básica
|
Williams, G. (2011). Data mining with Rattle and R: The art of excavating data for knowledge discovery. . Springer Science & Business Media.
Cirillo, A. (2017). R Data Mining: Implement Data Mining Techniques Through Practical Use Cases and Real-world Datasets. . Packt Publishing.
Jockers, M.L. (2014). Text Analysis with R for Students of Literature. Springer
Silge, J. y Robinson, D. (2017). Text Mining with R: A Tidy Approach. O'Reilly |
|
Bibliografía complementaria
|
|
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Ciencia de Datos/710G04026 | Fundamentos Estatísticos/710G04040 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
Observacións |
Para axudar a conseguir unha contorna sostible e cumprir co obxectivo da acción número 5: “Docencia e investigación saudable e sustentable ambiental e social” do "Plan de Acción Green Campus Ferrol": 1.- A entrega dos traballos documentais que se realicen nesta materia: 1.1. Solicitarase en formato virtual e/ou soporte informático. 1.2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos 1.3. De se realizar en papel: -Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - Evitarase a impresión de borradores. 2.- Débese facer un uso sostible dos recursos e a prevención de impactos negativos sobre o medio natural. 3.- Débese ter en conta a importancia dos principios éticos relacionados cos valores da sostenibilidade nos comportamentos persoais e profesionais. 4.- Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores de ambos os sexos, propiciarase a intervención en clase de alumnos e alumnas…). 5.- Traballarase para identificar e modificar prexuízos e actitudes sexistas, e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. 6. Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas. 7. Facilitarase a plena integración do alumnado que por razón físicas, sensoriais, psíquicas ou socioculturais, experimenten dificultades a un acceso axeitado, igualitario e proveitoso á vida universitaria. |
|