PRIMERA OPORTUNIDAD

Para aprobar la materia es obligatorio:

Una NOTA MÍNIMA de 3 (sobre 6) en los trabajos tutelados.
Una NOTA MÍNIMA de 2 (sobre 4) en la prueba objetiva.

De no obtener la nota mínima en los trabajos tutelados o en la prueba objetiva, la nota máxima global de la materia no será superior a un 4,5.

Tendrá calificación de NO PRESENTADO cualquier estudiante que no realice la prueba objetiva.

SEGUNDA OPORTUNIDAD

Podrán presentarse a la segunda oportunidad ÚNICAMENTE aquellos/as estudiantes que no superen la materia en la primera oportunidad. Las condiciones son las mismas que en la primera oportunidad, incluyendo la nota mínima en ambas partes. Si un/una estudiante decide no realizar la recuperación de alguna de las partes, conservará la nota obtenida en la primera oportunidad en esa parte.

Tendrá calificación de NO PRESENTADO cualquier estudiante que no opte a la recuperación de ninguna dos partes.

DISPENSA ACADÉMICA

Dado que la asistencia a las sesiones presenciales no es obligatoria, aquellos/as estudiantes con matrícula a tiempo parcial y dispensa académica que les exima de la asistencia a las clases tendrán las mismas condiciones que el resto del alumnado.

OPORTUNIDAD ADELANTADA

Se utilizarán los mismos criterios que en las oportunidad normales.

IMPLICACIONES DEL PLAGIO

La realización fraudulenta de pruebas o actividades de evaluación, una vez verificadas, implicará directamente una calificación de "0" en la asignatura en la oportunidad adecuada.

Resultados de aprendizaje	Competencias del título
Identificar y analizar las situaciones en las que se puede aplicar la tecnología Big Data.	A1 A6 A7 A8 A13
Adquirir habilidades para realizar conexiones con bases de datos relacionales desde software de referencia en análisis de datos.	A1 A7 A8 A13 A22
Entender los conceptos y conocer los tipos de bases de datos NoSQL (documental, columnar, clave/valor, de grafos)	A1 A7 A8 A13 A22
Adquirir habilidades para realizar conexiones a NoSQL desde software de referencia en análisis de datos.	A1 A7 A8 A22
Conocer las principales tecnologías Big Data como son Hadoop, Spark, Hive, Rspark, y Sparklyr, entre otras.	A1 A6 A7 A8 A13
Capacidades para la visualización y generación de cuadros de mando (por ejemplo con shiny)	A1 A7 A8 A22
Ser capaz de aplicar técnicas de análisis estadístico de datos masivos.	A1 A7 A8 A21
Desenvolver conocimientos de análisis de datos computacional, incluyendo programas como R.	A1 A7 A8 A21
Capacidad de análisis y de síntesis aplicada a la gestión y organización de la información.	A1 A7 A8 A20 A21
Adquisición de habilidades para la toma de decisiones a partir del análisis estadístico de bases de datos complejas.	A20 A21

Tema	Subtema
NoSQL y BigData	Introducción a tecnologías NoSQL. Tecnologías Big Data. Visualización y generación de cuadros de mando.
Análisis y modelos estadísticos	Introducción al análisis estadístico de datos masivos. Generación de informes estadísticos dinámicos y cuadros de mando con R para la gestión de datos. Modelos de regresión para datos de alta dimensión. Modelos de clasificación para datos de alta dimensión.

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Prácticas a través de TIC	A1 A6 A7 A8 A13 A20 A21 A22	13	0	13
Estudio de casos	A1 A6 A7 A8 A13 A20 A21 A22	7	0	7
Trabajos tutelados	A1 A6 A7 A8 A13 A20 A21 A22	0	101	101
Prueba objetiva	A1 A6 A7 A8 A13 A20 A21 A22	0	7	7
Sesión magistral	A1 A6 A7 A8 A13 A20 A21 A22	21	0	21

Atención personalizada		1	0	1

(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías	Descripción
Prácticas a través de TIC	Metodología que permite al alumnado aprender de forma efectiva, a través de actividades de carácter práctico (demostraciones, simulaciones, etc.) la teoría de un ámbito de conocimiento, mediante la utilización de las tecnologías de la información y las comunicaciones. Las TIC suponen un excelente soporte y canal para el tratamiento de la información y aplicación práctica de conocimientos, facilitando el aprendizaje y el desarrollo de habilidades por parte del alumnado.
Estudio de casos	Metodología donde el sujeto se enfrenta ante la descripción de una situación específica que plantea un problema que ha de ser comprendido, valorado y resuelto por un grupo de personas, a través de un proceso de discusión. El alumno se sitúa ante un problema concreto (caso), que le describe una situación real de la vida profesional, y debe ser capaz de analizar una serie de hechos, referentes a un campo particular del conocimiento o de la acción, para llegar a una decisión razonada a través de un proceso de discusión en pequeños grupos de trabajo.
Trabajos tutelados	Metodología diseñada para promover el aprendizaje autónomo de los estudiantes, bajo la tutela del profesor y en escenarios variados (académicos y profesionales). Está referida prioritariamente al aprendizaje del “cómo hacer las cosas”. Constituye una opción basada en la asunción por los estudiantes de la responsabilidad por su propio aprendizaje. Este sistema de enseñanza se basa en dos elementos básicos: el aprendizaje independiente de los estudiantes y el seguimiento de ese aprendizaje por el profesor-tutor.
Prueba objetiva	Prueba escrita utilizada para la evaluación del aprendizaje, cuyo rasgo distintivo es la posibilidad de determinar si las respuestas dadas son o no correctas. Constituye un instrumento de medida, elaborado rigurosamente, que permite evaluar conocimientos, capacidades, destrezas, rendimiento, aptitudes, actitudes, inteligencia, etc. Es de aplicación tanto para la evaluación diagnóstica, formativa como sumativa. La prueba objetiva puede combinar distintos tipos de preguntas: preguntas de respuesta múltiple, de ordenación, de respuesta breve, de discriminación, de completar y/o de asociación. También se pode construir con un solo tipo de alguna de estas preguntas.
Sesión magistral	Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje. La clase magistral es también conocida como “conferencia”, “método expositivo” o “lección magistral”. Esta última modalidad se suele reservar a un tipo especial de lección impartida por un profesor en ocasiones especiales, con un contenido que supone una elaboración original y basada en el uso casi exclusivo de la palabra como vía de transmisión de la información a la audiencia.

Metodologías	Competéncias	Descripción	Calificación
Prueba objetiva	A1 A6 A7 A8 A13 A20 A21 A22	Prueba individual de contenidos teórico-prácticos	40
Trabajos tutelados	A1 A6 A7 A8 A13 A20 A21 A22	Se valorará la calidad de dos trabajos realizados	60

Observaciones evaluación
PRIMERA OPORTUNIDAD Para aprobar la materia es obligatorio: Una NOTA MÍNIMA de 3 (sobre 6) en los trabajos tutelados. Una NOTA MÍNIMA de 2 (sobre 4) en la prueba objetiva. De no obtener la nota mínima en los trabajos tutelados o en la prueba objetiva, la nota máxima global de la materia no será superior a un 4,5. Tendrá calificación de NO PRESENTADO cualquier estudiante que no realice la prueba objetiva. SEGUNDA OPORTUNIDAD Podrán presentarse a la segunda oportunidad ÚNICAMENTE aquellos/as estudiantes que no superen la materia en la primera oportunidad. Las condiciones son las mismas que en la primera oportunidad, incluyendo la nota mínima en ambas partes. Si un/una estudiante decide no realizar la recuperación de alguna de las partes, conservará la nota obtenida en la primera oportunidad en esa parte. Tendrá calificación de NO PRESENTADO cualquier estudiante que no opte a la recuperación de ninguna dos partes. DISPENSA ACADÉMICA Dado que la asistencia a las sesiones presenciales no es obligatoria, aquellos/as estudiantes con matrícula a tiempo parcial y dispensa académica que les exima de la asistencia a las clases tendrán las mismas condiciones que el resto del alumnado. OPORTUNIDAD ADELANTADA Se utilizarán los mismos criterios que en las oportunidad normales. IMPLICACIONES DEL PLAGIO La realización fraudulenta de pruebas o actividades de evaluación, una vez verificadas, implicará directamente una calificación de "0" en la asignatura en la oportunidad adecuada.

Básica	James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: springer Campbell, M. (2019). Learn RStudio IDE (pp. 39-48).
	Dado el carácter eminentemente práctico de esta asignatura, la bibliografía estará principalmente compuesta por los manuales de las herramientas informáticas descritas.
Complementária

Otros comentarios