Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
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 á Intelixencia de Negocio
|
|
Arquitectura de Integración de Datos
|
|
Bases de Datos Multidimensionais - Deseño de DW
|
|
Minería de Datos |
|
Técnicas de Estatística de Negocio: Dashboard, KPI. |
|
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Prácticas de laboratorio |
A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
20 |
28 |
48 |
Solución de problemas |
A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B13 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
0 |
12 |
12 |
Lecturas |
A5 B3 B5 B6 B10 B14 B17 B21 B22 B23 B25 C4 C6 C7 C8 |
0 |
10 |
10 |
Proba mixta |
A5 A12 B1 B2 B3 B5 B6 B8 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
3 |
0 |
3 |
Traballos tutelados |
A5 B1 B2 B3 B5 B6 B8 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C5 C6 C7 C8 |
0 |
12 |
12 |
Sesión maxistral |
A5 A12 B1 B3 B5 B6 B10 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
20 |
40 |
60 |
|
Atención personalizada |
|
5 |
0 |
5 |
|
*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 e prácticos. |
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 "como 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 |
Metodoloxías
|
Prácticas de laboratorio |
Solución de problemas |
|
Descrición |
Atenderanse as dúbidas e as preguntas que se orixinen, podendo aportar solucións ou ideas que orienten a algunha solución. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A5 A12 B1 B2 B3 B5 B6 B8 B10 B11 B12 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
A nota máxima será de 5 puntos sobre o total de 10 da materia. Estas probas pódense repetir na segunda oportunidade. |
50 |
Proba mixta |
A5 A12 B1 B2 B3 B5 B6 B8 B17 B21 B22 B23 B24 B25 C1 C3 C4 C6 C7 C8 |
A nota máxima será de 4 puntos sobre o total de 10 da materia.
A proba consiste nun exame final que tratará sobre os conceptos teóricos e sobre a asimilación práctica da materia. É necesario obter unha nota mínima de 1,5 (sobre 4) para aprobar a materia. Se non se supera a nota mínima na proba mixta, a nota total máxima da materia será como moito de 4,5 puntos. A proba pódese repetir na segunda oportunidade. |
40 |
Traballos tutelados |
A5 B1 B2 B3 B5 B6 B8 B14 B17 B21 B22 B23 B24 B25 C1 C3 C4 C5 C6 C7 C8 |
Avaliarase o resultado dos traballos, que terán unha data de entrega anunciada coa suficiente antelación e formarán parte da avaliación continua. Estes traballos non se poden repetir na segunda oportunidade. |
10 |
|
Observacións avaliación |
Na primeira oportunidade terá calificación de NON PRESENTADO o estudante que non realice a proba mixta.
Na segunda oportunidade pódese recuperar só a proba mixta, só as prácticas ou ambas as dúas partes, de maneira que as notas desta oportunidade sustitúen sempre ás da primeira. Terá calificación de NON PRESENTADO o estudante que non recupere ninguna das partes pendentes.
DISPENSA ACADÉMICA:
Aqueles/as estudantes con matrícula a tempo parcial e dispensa académica que lles exima da asistencia ás clases, deberán contactar cos docentes para determinar as condicións de realización das prácticas e dos traballos tutelados.
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
|
Sharda, R. Delen, D.; Turban, E. (2014). Business Intelligence: A managerial perspective on analytics. 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
Gorelik, A. (2019). The Enterprise Big Data Lake - Delivering the Promise of Big Data and Data Science. O'Reilly |
|
Bibliografía complementaria
|
Inmon, W. H. (2002). Building the Data Warehouse, 3nd edition. Wiley
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 |
Perspectiva de xénero: Segundo se recolle nas
distintas normativas de aplicación para a docencia universitaria deberase
incorporar a perspectiva de xénero nesta materia (uso de linguaxe non sexista,
etc.) traballarase para identificar e modificar prexuízos e actitudes sexistas
e influir na contorna para modificalos e fomentar valores de respecto e
igualdade. Tratarase de detectar situacións de discriminación por razón de
xénero e de propor accións e medidas para corrixilas. |
|