Datos Identificativos 2019/20
Asignatura (*) Explotación de Almacéns de Datos Código 614G01043
Titulación
Grao en Enxeñaría Informática
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Terceiro Optativa 6
Idioma
Castelán
Galego
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Ladra González, Susana
Correo electrónico
susana.ladra@udc.es
Profesorado
Gonzalez Ares, Luis Andres
Ladra González, Susana
Correo electrónico
luis.ares@udc.es
susana.ladra@udc.es
Web http://moodle.udc.es
Descrición xeral Como "Almacéns de Datos" ou "Data Warehouse" enténdese todo o relacionado coas base de datos da contorna analítica, ou sexa, as utilizadas no proceso de toma de decisións. Unha parte importante da explotación de datos no ámbito analítico é a aplicación de ferramentas de minería de datos para descubrir coñecemento oculto.

Competencias do título
Código Competencias do título
A46 Capacidade de integrar solucións de tecnoloxías da información e as comunicacións e procesos empresariais para satisfacer as necesidades de información das organizacións, permitíndolles alcanzar os seus obxectivos de forma efectiva e eficiente, e dándolles así vantaxes competitivas.
B3 Capacidade de análise e síntese
B5 Habilidades de xestión da información
C3 Utilizar as ferramentas 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 Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer os conceptos de bases de datos necesarios para afrontar o proceso ETL, entender o proceso analítico e diferencialo do operacional, coñecer a arquitectura dun almacén de datos e saber efectuar o deseño e a explotación do mesmo, coa orientación á toma de decisións e incluíndo a utilización de ferramentas de minería de datos. A46
B3
B5
C3
C7
C8

Contidos
Temas Subtemas
Conceptos de Bases de Datos
Introdución á Intelixencia de Negocio e ao Data Warehouse

Deseño de Data Warehouse
Minería de Datos

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A46 B3 B5 C3 C7 C8 14 21 35
Solución de problemas A46 B3 B5 C3 C7 C8 7 14 21
Lecturas A46 B3 B5 C7 C8 0 14 14
Proba mixta A46 B3 B5 C3 C7 C8 3 0 3
Traballos tutelados A46 B3 B5 C3 C7 C8 0 14 14
Sesión maxistral A46 B3 B5 C7 C8 21 42 63
 
Atención personalizada 0 0
 
*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 asignatura.
Nelas realizaranse probas e exercicios cuxo obxetivo é madurar os conceptos das clases teóricas, e introduciranse novos conceptos de carácter práctico que acompañaranse de exercicios.
Solución de problemas Clases nas que se discutirán as estrategias de solución de diversos problemas propostos.
Lecturas Se propondrá a lectura de diversos traballos que complementen e axuden a entender os conceptos plantexados.
Proba mixta Examen da asignatura que combina conceptos teóricos, prácticos e problemas.
Traballos tutelados Trabajos realizados baixo a orientación do profesorado, cuxo obxetivos é que os estudintes asuman a responsabilidade do seu propio aprendizaxe e que aprenden "cómo hacer".
Sesión maxistral Clases teóricas nas que se expoñen os contidos fundamentais da materia, que poden acompañarse da propuesta e a resolución de exemplos.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Solución de problemas
Descrición
Tanto nas prácticas de laboratorio como na solución de problemas o profesor aportará solucións e/ou atenderá as dúbidas e as preguntas que se orixinen. Unha atención máis personalizada desenvólvese nas titorías.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A46 B3 B5 C3 C7 C8 A nota máxima será de 3 puntos sobre o total de 10 da materia.
Realizarase unha avaliación continua, polo que a nota das probas deste apartado contabiliza tanto para a primeira como para a segunda oportunidade. Non se repetirán estas probas na segunda oportunidade.
30
Proba mixta A46 B3 B5 C3 C7 C8 A nota máxima será de 4,5 puntos sobre o total de 10 da materia. A proba consiste nun exame que tratará sobre os conceptos teóricos e sobre a asimilación práctica da materia.
Esta proba pódese repetir na segunda oportunidade.
45
Traballos tutelados A46 B3 B5 C3 C7 C8 A nota máxima dos traballos será de 2,5 puntos. Estes traballos pódense repetir na segunda oportunidade. 25
 
Observacións avaliación

NON PRESENTADO:

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 os traballos tutelados ou ambas as dúas partes, de maneira que as notas desta oportunidade sustitúen sempre as da primeira. Terá calificación de NON PRESENTADO o estudante que non recupere nin a proba mixta nin os traballos tutelados.

DISPENSA ACADÉMICA:

Aqueles estudantes con matrícula a tempo parcial e dispensa académica que lles exima da asistencia ás clases deberán contactar cos docentes para buscar unha alternativa á avaliación das prácticas de laboratorio.

OPORTUNIDADE ADIANTADA:

A avaliación na oportunidade adiantada consistirá unicamente nunha proba escrita que computará o 100% da cualificación.


Fontes de información
Bibliografía básica Inmon, W. H. (2002). Building the Data Warehouse, 3nd edition. Wiley
Sharda, R. Delen, D.; Turban, E. (2014). Business Intelligence: A managerial perspective on analytics. Prentice Hall
Williams, G. (2011). Data Mining with Rattle and R. Springer
Tan, P.; Steinbach, M.; Kumar, V. (2006). Introduction to Data Mining . Addison-Wesley
Kimball, R.; Ross, M.; Thornthwaite, W.; Mundy, J.; Becker, B. (2008). The Data Warehouse Lifecycle Toolkit, 2nd edition. John Wiley and Sons
Kimball, R.; Ross, M (2013). The Data Warehouse Toolkit, 3rd edition. Wiley

Bibliografía complementaria Golfarelli, M.; Rizzi, S. (2009). Data Warehouse Design: Modern Principles and Methodologies . McGraw-Hill
García-Molina, H.; Ullman, J.; Widom, J. (2009). Database System. The complete book.. Prentice Hall
Mazón López, N.; Pardillo Vela, J.; Trujillo Mondejar. J. C. (2011). Diseño y explotación de almacenes de datos . Editorial Club Universitario
Elmasri, R.; Navathe, S. (2011). Fundamentals of Database Systems. Addison-Wesley
Inmon, W. H.; Strauss, D.; Neushloss, G. (2008). The Architecture for the Next Generation of Data Warehousing . Morgan Kaufman


Recomendacións
Materias que se recomenda ter cursado previamente
Bases de Datos/614G01013

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías