Identifying Data 2017/18
Subject (*) Information Systems Fundamentals Code 614520002
Study programme
Mestrado Universitario en Xeoinformática (Interuniversitario)
Descriptors Cycle Period Year Type Credits
Official Master's Degree 1st four-month period
 First Optativa 6
Language
Spanish
Galician
Teaching method Face-to-face
Prerequisites
Department Computación
Coordinador
Parama Gabia, Jose Ramon
 E-mail
jose.parama@udc.es
Lecturers
Cortiñas Álvarez, Alejandro
Parama Gabia, Jose Ramon
 E-mail
alejandro.cortinas@udc.es
jose.parama@udc.es
Web
General description Esta asignatura plantexa os principios básicos dos sistemas de información desde o punto de vista da programación e o modelado de datos.

Study programme competencies
Code Study programme competences
B1 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 e desenvolvemento.
B2 Saber aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
B3 Ser capaz 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.
B5 Posuír as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo.
B6 Adquirir coñecemento en tecnoloxías da información.
C1 Poder integrar as informacións e datos achegados por diversos técnicos e ferramentas na redacción de conclusións de acción.
C3 Saber transmitir dun modo claro e sen ambigüidades a un público especializado ou non, resultados procedentes da investigación científica e tecnolóxica ou do ámbito da innovación máis avanzada, así como os fundamentos máis relevantes sobre os que se sustentan.
C5 Desenvolver capacidade de traballo en equipo e compromiso ético coa sociedade.

Learning aims
Learning outcomes Study programme competences
Coñecer os fundamentos da programación de computadores BJ1
BJ2
BJ3
BJ5
BJ6
 CJ1
CJ3
CJ5
Saber deseñar, construír e consultar bases de datos BJ1
BJ2
BJ3
BJ5
BJ6
 CJ1
CJ3
CJ5
Coñecer os fundamentos da arquitectura dos sistemas de información BJ1
BJ2
BJ3
BJ5
BJ6
 CJ1
CJ3
CJ5

Contents
Topic Sub-topic
Fundamentos de programación Programación en Python: estrutura e execución dun programa.
Comentarios.
Variables, tipos de datos.
Expresións e operadores.
Sentencias e estruturas de control
Funcións.
Listas, tuplas, diccionarios.
Biblioteca: Módulos e clases.
Deseño de bases de datos Definición de relación.
Restriccións de integridade das relacións
Problemas de deseño (Anomalías)
Deseño conceptual
Construción de bases de datos Paso de ER a modelo Relacional
Linguaxe SQL
Arquitectura de sistemas de información Evolución da arquitectura de sistemas de información
- Aplicación de escritorio monolítica.
- Arquitectura cliente/servidor (básica/capas).
- A web.

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech B1 B2 B5 B6 20 0 20
Laboratory practice B2 B3 B5 B6 C1 C3 C5 20 0 20
Case study B1 C5 10 10 20
Supervised projects B2 B3 B5 B6 C1 C3 C5 8 80 88
Mixed objective/subjective test B1 B2 B5 B6 2 0 2
 
Personalized attention 0 0
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Clases teóricas de aula, nas que se exporán os contidos fundamentais da materia no relativo á programación, fundamentos e deseño de bases de datos, e arquitecturas de sistemas de información.
Laboratory practice Nas clases de laboratorio expóñense os coñecementos necesarios para adquirir as habilidades propostas desde un punto de vista práctico. Indicaranse os aspectos básicos da programación en Python con exercicios que os/as estudantes poderán completar. Por outra banda, na parte relacionada coas bases de datos realizaranse casos prácticos de deseño conceptual, e revisaranse aspectos básicos de SQL relativos á definición e manexo de datos.
Case study O estudo de casos contempla a presentación dun problema concreto (caso) e deixarase tempo para que os/as estudantes poidan analizalo, reflexionen sobre os diferentes aspectos necesarios para tratar de resolvelo, e presenten unha solución. Finalmente plantexarase unha solución e abordaranse as diferentes solucións dos/os estudantes e os erros típicos que puidesen ter xurdido.
Supervised projects Realización de traballos e problemas que serán realizados de forma autónoma polos/as estudantes e que serán tutelados e finalmente avaliados por parte do profesor
Mixed objective/subjective test Exame da materia que combinará preguntas sobre a teoría con problemas a resolver.

Personalized attention
Methodologies
Supervised projects
Description
A realización dos traballos tutelados propostos implica a necesidade de que os/as estudantes analicen, entendan, e solucionen un problema. Para iso contarán co apoio do profesorado.

Assessment
Methodologies Competencies Description Qualification
Case study B1 C5 Entrega de Exercicios/programas durante as prácticas realizadas no laboratorio
 20
Supervised projects B2 B3 B5 B6 C1 C3 C5 Entrega dunha práctica completa que incluirá, dado un problema concreto, a programación en python do/s programa/s necesario/s para dar unha solución ao problema plantexado. 40
Mixed objective/subjective test B1 B2 B5 B6 Exame final no que se avaliarán conceptos teóricos e prácticos presentados ao longo do curso 40
 
Assessment comments
PRIMEIRA OPORTUNIDADE

Para aprobar a materia é obligatorio:

  • Unha NOTA MÍNIMA de 2 (sobre 4) nos traballos tutelados.
  • Unha NOTA MÍNIMA de 2 (sobre 4) na proba mixta.
De
non obter a nota mínima nos traballos tutelados ou na proba mixta, a
nota máxima global da materia non será superior a un 4,5.

Terá cualificación de NON PRESENTADO calquera estudante que non realice a proba mixta.


SEGUNDA OPORTUNIDADE

Poderán
presentarse á segunda oportunidade ÚNICAMENTE aqueles/as estudantes que
non superen a materia na primeira oportunidade. A recuperación de cada
unha das partes farase da seguinte forma:

  • Traballos tutelados (50% da nota final): realización e presentación nas mesmas condicións que na primeira oportunidade.
  • Proba
    escrita teórica e práctica (50% da nota final): para recuperar
    a nota dos estudos de casos e as sesións maxistrais.
  • Se un/unha
    estudante decide non realizar a recuperación de algunha das partes,
    conservará a nota obtida na primeira oportunidade nesa parte.
  • Os/as
    estudantes con nota inferior a 2 nos traballos tutelados na primeira
    oportunidade deberán recuperalos obligatoriamente na segunda
    oportunidade para aprobar a materia.
  • Para aprobar a materia é
    obligatorio obter unha nota mínima de 2,5 sobre 5 no traballo tutelado, e
    de 2,5 sobre 5 na proba mixta.
  • Terá cualificación de NON PRESENTADO calquera estudante que non opte á recuperación de ningunha das dúas partes.


DISPENSA ACADÉMICA

Aqueles/as
estudantes con matrícula a tempo parcial e dispensa académica que lles
exima da asistencia ás clases poderán, en primeira oportunidade,
demostrar o seu coñecemento da materia mediante un exame teórico e
práctico que valerá o 60% da nota e entregar os traballos tutelados (40%).
Para a segunda oportunidade, as condicións son as mesmas que as do resto
do alumnado.

Sources of information
Basic Zed A. Shaw (2014). Aprenda a programar con Python. Anaya
A. Beaulieu (2010). Aprende SQL: Una introducción a los fundamentos de SQL. Anaya - O'really
A. Silberschatz; H. Korth; S. Sudarshan (2014). Fundamentos de Bases de Datos.. Madrid: McGraw Hill
A. Martelli (2008). Python: Guía de Referencia. Anaya

Complementary Elmasri, R.; Navathe, S. (2007). Fundamentos de Sistemas de Bases de Datos . Madrid: Addison-Wesley


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus
Geocomputation/614520004
Geovisualization/614520005
Spatial Information Representation/614520003

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.