| Competencias do título |
| Código | Competencias 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 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 (Hadoop, Spark, Hive, Rspark, Sparklyr) 3.2 Visualización e xeración de cadros de mando 3.3 Introducción a análise de datos masivos |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A16 A18 A21 A23 | 20 | 28 | 48 |
| Prácticas de laboratorio | A16 A18 A24 A25 B3 B2 C13 C12 | 7 | 10.5 | 17.5 |
| Solución de problemas | A17 A16 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 |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas de laboratorio | A16 A18 A24 A25 B3 B2 C13 C12 | 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 | |||
|
|||
| Fontes de información |
| Bibliografía básica |
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/
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
Grolemund, G. y Wickham, H. (2016). R for Data Science. https://r4ds.had.co.nz/ & O'Reilly |
|
|
|
| Bibliografía complementaria |
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. |