| Competencias / Resultados do título |
| Código | Competencias / Resultados do título |
| A17 | CE16 - coñecemento do proceso e as ferramentas para o procesamento e preparación de datos dende a súa adquisición ou extracción, limpeza, transformación, carga, organización e acceso |
| B2 | CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial |
| B3 | CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo |
| B4 | CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo |
| B5 | CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións |
| B6 | CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B7 | CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo |
| B8 | CB03 - Que os estudantes sexan capaces de integrar coñecementos e enfrentarse á complexidade de formular xuízos a partiren dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociáis e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
| C3 | CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
| C7 | CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social |
| C8 | CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade |
| C9 | CT09 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer plazos e cumplilos |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias / Resultados do título | ||
| RA1 - Desenvolver a capacidade de analizar e modelar datos para o seu procesado en sistemas intelixentes. | AM16 |
BM6 BM7 |
CM3 CM9 |
| RA2 - Coñecer e comprender o proceso de extracción, limpeza, transformación, carga e procesado de datos. | AM16 |
BM2 BM3 BM8 |
CM3 CM7 CM9 |
| RA3 - Coñecer e saber utilizar bases de datos multidimensionais e de tipo NoSQL. | BM3 BM4 BM7 |
CM8 |
|
| RA4 - Coñecer os fundamentos de data lakes e data warehouses. | BM2 BM5 BM7 BM8 |
CM3 CM7 CM8 |
|
| Contidos |
| Temas | Subtemas |
| Conceptos e fundamentos de Enxeñaría de datos | Conceptos e definicións básicas, problemas de carga eficiente en escenarios Big Data, almacenamento de datos masivos e acceso aos mesmos. |
| Técnicas de limpeza e preparación de datos. | Técnicas máis comúns. Definición de fluxos de procesamento. Medidas de calidade. |
| Estruturas avanzadas e almacéns de datos eficientes para Big Data |
Data warehouses e BD multidimensionais, Data lakes, Bases de Datos NoSQL. |
| Planificación | ||||
| Metodoloxías / probas | Competencias / Resultados | Horas lectivas (presenciais e virtuais) | Horas traballo autónomo | Horas totais |
| Sesión maxistral | B4 B5 C3 C9 | 12 | 0 | 12 |
| Prácticas de laboratorio | A17 B2 B5 B7 C3 | 10 | 30 | 40 |
| Proba mixta | A17 B2 B3 B6 B7 B8 C7 C8 | 3 | 20 | 23 |
| Atención personalizada | 0 | 0 | 0 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | O profesorado presenta un tema ao alumnado co obxectivo de facilitar un conxunto de información con alcance concreto. AVALIACIÓN CONTINUA Carácter obrigatorio asistencia non obrigatoria AVALIACIÓN GLOBAL Carácter obrigatorio |
| Prácticas de laboratorio | O profesorado da materia expón ao alumnado un problema ou problemas de carácter práctico cuxa resolución require a comprensión e aplicación dos contidos teórico-prácticos incluídos nos contidos da materia. O alumnado pode traballar a solución aos problemas expostos de forma individual ou en grupos. AVALIACIÓN CONTINUA Carácter obrigatorio Asistencia obrigatoria (mín. 75% das prácticas) AVALIACIÓN GLOBAL Carácter obrigatorio |
| Proba mixta | O exame abarca todos os temas do curso. O alumnado debe desenvolver, relacionar, organizar e presentar os coñecementos que posúe sobre cada tema dado nunha resposta razoada e ben articulada. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias / Resultados | Descrición | Cualificación |
| Proba mixta | A17 B2 B3 B6 B7 B8 C7 C8 | O exame abarca todos os temas do curso. O alumnado debe desenvolver, relacionar, organizar e presentar os coñecementos que posúe sobre cada tema dado nunha resposta razoada e ben articulada. Resultados de aprendizaxe avaliados: RA1, RA3, RA4 |
40 |
| Prácticas de laboratorio | A17 B2 B5 B7 C3 | Entrega de prácticas de laboratorio expostas ao longo do curso nas datas estipuladas previamente. Resultados de aprendizaxe avaliados: RA3, RA4 |
60 |
| Observacións avaliación | |||
|
SISTEMA DE AVALIACIÓN CONTINUA
% Cualificación: 60%.
SISTEMA DE AVALIACIÓN GLOBAL Procedemento de elección da modalidade de avaliación global: considérase que o alumnado optou polo sistema de avaliación global se non realiza a proba 1 do sistema de avaliación continua.
% Cualificación: 60%.
CRITERIOS DE AVALIACIÓN DA CONVOCATORIA EXTRAORDINARIA (2ª OPORTUNIDADE) E FIN DE CARREIRA Utilizaranse os sistemas de avaliación continua e global descritos anteriormente. REXISTRO PROCESO DE CUALIFICACIÓN Independentemente do sistema de avaliación e da convocatoria, se non se supera algunha parte da avaliación, pero a puntuación global é superior a 4 (sobre 10), a cualificación en acta será de 4. OUTRAS CONSIDERACIÓNS No caso de producirse algunha contradición entre as distintas versións da guía, por algún erro de tradución, a versión que prevalecerá é a versión en inglés. Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC. |
|||
| Fontes de información |
| Bibliografía básica |
Ihab F. Ilyas, Xu Chu, (2019). Data Cleaning. Association for Computing Machinery. ACM
Avi Silberschatz, Henry F. Korth, S. Sudarshan (2010). Database System Concepts. McGraw-Hill
Sadalage, Fowler (2012). NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison-Wesley
Alex Gorelik (). The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science. O'Reilly |
|
|
|
| Bibliografía complementaria |
Matt Casters, Roland Bouman, Jos van Dongen (2013). Pentaho Kettle Solutions: Building Open Source ETL Solutions with Pentaho Data Integration. Wiley |
|
|
| Recomendacións | |
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |