Competencias del título |
Código
|
Competencias / Resultados del título
|
A16 |
CE1 - Conocer, identificar, modelar, estudiar y resolver problemas complejos de estadística e investigación operativa, en un contexto científico, tecnológico o profesional, surgidos en aplicaciones reales |
A17 |
CE2 - Desarrollar autonomía para la resolución práctica de problemas complejos surgidos en aplicaciones reales y para la interpretación de los resultados de cara a la ayuda en la toma de decisiones. |
A18 |
CE3 - Adquirir conocimientos avanzados de los fundamentos teóricos subyacentes a las distintas metodologías de la estadística y la investigación operativa, que permitan su desarrollo profesional especializado. |
A21 |
CE6 - Adquirir conocimientos teórico-prácticos avanzados de distintas técnicas matemáticas, orientadas específicamente a la ayuda en la toma de decisiones, y desarrollar la capacidad de reflexión para evaluar y decidir entre distintas perspectivas en contextos complejos. |
A23 |
CE8 - Adquirir conocimientos teórico-prácticos avanzados de las técnicas destinadas a la realización de inferencias y contrastes relativos a variables y parámetros de un modelo estadístico, y saber aplicarlos con autonomía suficiente un contexto científico, tecnológico o profesional. |
A24 |
CE9 - Conocer y saber aplicar con autonomía en contextos científicos, tecnológicos o profesionales, técnicas de aprendizaje automático y técnicas de análisis de datos de alta dimensión (big data). |
A25 |
CE10 - Adquirir conocimientos avanzados sobre metodologías para la obtención y el tratamiento de datos desde distintas fuentes, como encuestas, internet, o entornos “en la nube". |
B1 |
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
B2 |
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
B3 |
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
B4 |
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan¿ a públicos especializados y no especializados de un modo claro y sin ambigüedades |
B5 |
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. |
B17 |
CG1 - Conocer, comprender y saber aplicar los principios, metodologías y nuevas tecnologías en la estadística y la investigación operativa en contextos científico/académicos, tecnológicos o profesionales especializados y multidisciplinares, así como adquirir las destrezas y competencias descritas en los objetivos generales del título. |
B18 |
CG2 - Desarrollar autonomía para identificar, modelar y resolver problemas complejos de la estadística y la investigación operativa en contextos científico/académicos, tecnológicos o profesionales especializados y multidisciplinares. |
B19 |
CG3 - Desarrollar la capacidad para realizar estudios y tareas de investigación y transmitir los resultados a públicos especializados, académicos y generalistas. |
B20 |
CG4 - Integrar conocimientos avanzados y enfrentarse a la toma de decisiones a partir de información científica y técnica. |
B21 |
CG5 - Desarrollar la capacidad de aplicación de algoritmos y técnicas de resolución de problemas complejos en el ámbito de la estadística y la investigación operativa, manejando el software especializado adecuado. |
C11 |
CT1 - Desarrollar firmes capacidades de razonamiento, análisis crítico y autocrítico, así como de argumentación y de síntesis, contextos especializados y multidisciplinares. |
C12 |
CT2 - Desarrollar destrezas avanzadas en el manejo de Tecnologías de la Información y la Comunicación (TIC), tanto para la obtención de información como para la difusión del conocimiento, en un ámbito científico/académico, tecnológico o profesional especializado y multidisciplinar. |
C13 |
CT3 - Ser capaz de resolver problemas complejos en entornos nuevos mediante la aplicación integrada de los conocimientos. |
C14 |
CT4 - Desarrollar una sólida capacidad de organización y planificación del estudio, asumiendo la responsabilidad de su propio desarrollo profesional, para la realización de trabajos en equipo y de forma autónoma. |
C15 |
CT5 - Desarrollar capacidades para el aprendizaje y la integración en el trabajo en equipos multidisciplinares, en los ámbitos científico/académico, tecnológico y profesional. |
Resultados de aprendizaje |
Resultados de aprendizaje |
Competencias / Resultados del título |
Manejar de forma autónoma y solvente el software necesario para acceder a conjuntos de datos en entornos profesionales y/o en la nube. |
AM16 AM17 AM23 AM24 AM25
|
BP5 BP17 BP19 BP20 BP21
|
CP12
|
Saber gestionar conjuntos de datos masivos en un entorno multidisciplinar que permita la participación en proyectos profesionales complejos que requieran el uso de técnicas estadísticas. |
AM18 AM21
|
BP1 BP2 BP3 BP4 BP18
|
CP11 CP13 CP14 CP15
|
Saber relacionar el software de diseño y gestión de bases de datos con el específicamente implementado para el análisis de datos. |
AM16 AM17 AM21 AM24 AM25
|
BP17 BP18 BP21
|
CP12 CP13
|
Contenidos |
Tema |
Subtema |
1. Introducción al lenguaje SQL |
1.1 Bases de datos relacionales
1.2 Sintaxis SQL
1.3 Conexión con bases de datos desde R |
2. Introducción a tecnologías NoSQL |
2.1 Conceptos y tipos de bases de datos NoSQL
(documental, columnar, clave/valor y de grafos)
2.2 Conexión de R a NoSQL |
3. Tecnologías para el tratamiento de datos masivos |
3.1 Tecnologías Big Data (Hadoop, Spark, Hive, Rspark, Sparklyr)
3.2 Visualización y generación de cuadros de mando
3.3 Introducción al análisis de datos masivos. |
Planificación |
Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
Sesión magistral |
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 |
Trabajos 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 |
Prueba mixta |
A16 A18 A21 A23 A24 A25 B1 B2 B3 B4 B17 B18 C13 |
3 |
0 |
3 |
|
Atención personalizada |
|
0.5 |
0 |
0.5 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Sesión magistral |
Sesiones expositivas, en las que los presentarán conceptos y/o procedimientos, aportando información básica necesaria para entender una perspectiva teórica o un procedimiento práctico, promoviendo la participación del estudiantado. |
Prácticas de laboratorio |
Sesiones interactivas de prácticas de laboratorio (informática) o de resolución de problemas, donde los docentes apoyarán y supervisarán la puesta en práctica de los conocimientos adquiridos por parte del alumnado. |
Solución de problemas |
Trabajo personal del alumnado en la realización de los ejercicios prácticos y resolución de problemas a partir de las sesiones magistrales y prácticas de laboratorio. |
Seminario |
Técnica de trabajo en grupo que tiene como finalidad el estudio intensivo de un tema. Se caracteriza por la discusión, la participación, la elaboración de documentos y las conclusiones a las que tienen que llegar todos los componentes del seminario. |
Trabajos tutelados |
Actividades de aprendizaje autónomo, en las que los docentes guiarán la realización de trabajos individuales o en pequeños grupos por parte del alumnado. |
Prueba mixta |
Prueba que integra preguntas tipo de pruebas de ensayo y preguntas tipo de pruebas objetivas. En cuanto a preguntas de ensayo, recoge preguntas abiertas de desarrollo. Además, en cuanto preguntas objetivas, puede combinar preguntas de respuesta múltiple, de ordenación, de respuesta breve, de discriminación, de completar y/o de asociación. |
Atención personalizada |
Metodologías
|
Prácticas de laboratorio |
Seminario |
Solución de problemas |
Trabajos tutelados |
|
Descripción |
Atención personalizada (o en grupo reducidos/muy reducidos) en estas metodologías, tanto en el aula como en horario de tutorías, para solventar las dudas que puedan surgir en el desarrollo de la docencia y que no hayan sido resueltas de forma eficaz previamente. |
|
Evaluación |
Metodologías
|
Competencias / Resultados |
Descripción
|
Calificación
|
Prácticas de laboratorio |
A16 A18 A24 A25 B3 B2 C13 C12 |
Evaluación de las prácticas de laboratorio desarrolladas por los estudiantes. |
30 |
Prueba mixta |
A16 A18 A21 A23 A24 A25 B1 B2 B3 B4 B17 B18 C13 |
El examen de la materia evaluará los siguientes aspectos:
Conceptos de la materia: Dominio de los conocimientos teóricos y operativos de la materia.
Asimilación práctica de materia: Asimilación y comprensión de los conocimientos teóricos y operativos de la materia. |
60 |
Trabajos tutelados |
A16 A17 A21 A23 A24 A25 B1 B2 B3 B4 B5 B17 B18 B19 B20 B21 C11 C12 C13 C14 C15 |
Evaluación de los trabajos tutelados desarrollados por los estudiantes. |
10 |
|
Observaciones evaluación |
- Para poder aprobar la asignatura en la primera oportunidad será necesario obtener como mínimo el 30% de la nota máxima de la suma de las prácticas de laboratorio y trabajos tutelados e, igualmente, el 30% de la nota máxima final de la Prueba mixta (examen), y tener una nota total (prácticas más trabajos tutelados más prueba mixta) igual o superior al 50% de la nota máxima.
- En la segunda oportunidad solamente se podrá recuperar la nota del examen. Las notas de prácticas y de trabajos tutelados serán las obtenidas durante el curso. Para los alumnos que utilicen la oportunidad adelantada de diciembre se utilizarán las notas de prácticas y trabajos tutelados que obtuvieran en su último curso. En esta oportunidad solo será necesario para aprobar obtener una nota total igual o superior al 50% de la nota máxima.
- Una vez que un estudiante es evaluado en una práctica de laboratorio o en un trabajo tutelado implica que será calificado. Por tanto, la calificación "No Presentado" no es posible una vez que una práctica/trabajo ha sido evaluada.
|
Fuentes de información |
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 |
|
Complementária
|
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/ |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
|
Asignaturas que se recomienda cursar simultáneamente |
|
Asignaturas que continúan el temario |
|
Otros comentarios |
Recomendaciones para el estudio de la materia Debido al fuerte componente práctico es recomendable ir haciendo las actividades prácticas y trabajos académicamente dirigidos de forma regular a lo largo del cuatrimestre. Las herramientas software utilizadas en esta materia son generalmente open-source o tienen licencia gratuita para estudiantes. |
|