Presentación

Al término de esta asignatura, el estudiante identificará los conceptos de ciclo de vida de un proyecto basado en la ciencia de los datos y analizará las técnicas de extracción, preparación y almacenamiento de datos, las técnicas de NLP para el análisis de datos de textos provenientes de fuentes no estructuradas y las técnicas de aprendizaje automático.

Además, aplicará las diferentes técnicas de análisis estadístico, técnicas predictivas para la estimación de variables cuantitativas, así como modelos de series temporales para realizar previsiones de resultados de negocio (operativos, ventas, marketing, etc.).

Tema 1. Modelo de proceso de un proyecto orientado a datos

• Introducción y objetivos
• La ciencia de los datos
• Fases de un proyecto orientado a datos
• Modelos de proceso de un proyecto orientado a datos

Tema 2. Extracción, preparación y almacenamiento de datos

• Introducción y objetivos
• Extracción de datos
• Validación de datos
• Transformación de datos
• Reducción de los datos
• Almacenamiento de datos

Tema 3. Técnicas estadísticas de análisis de datos

• Introducción y objetivos
• Estadística descriptiva
• Análisis de correlación
• Análisis de regresión
• Intervalos de confianza y contrastes de hipótesis

Tema 4. Series temporales

• Introducción y objetivos?
• ¿Qué es una serie temporal?
• Métodos de análisis y predicción de series temporales

Tema 5. Proceso del modelado de datos

• Introducción y objetivos
• El modelado de datos
• El proceso del modelado de datos
• Aprendizaje automático

Tema 6. Técnicas de aprendizaje supervisado

• Introducción y objetivos
• Introducción a las técnicas de predicción
• Técnicas de predicción
• Introducción a las técnicas de clasificación
• Técnicas de clasificación

Tema 7. Técnicas de aprendizaje no supervisado

• Introducción y objetivos
• Introducción a las técnicas de clusterización
• Técnicas de clusterización
• Introducción a las técnicas de reducción de la dimensión
• Técnicas de reducción de la dimensión

Tema 8. Técnicas de procesamiento del lenguaje natural

• Introducción y objetivos
• Información basada en texto
• Técnicas básicas de procesamiento de lenguaje natural
• Minería de textos. Aplicaciones

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

• Trabajos individuales. Se trata de actividades de diferentes tipos: reflexión, análisis de casos, prácticas, análisis de textos, etc.
• Trabajos colaborativos. Son actividades grupales en las que tendrás la oportunidad de trabajar con tus compañeros. Durante el desarrollo de la asignatura tendrás toda la información que necesites sobre cómo organizarte para trabajar en equipo.
• Participación en eventos. Son actividades programadas todas las semanas del cuatrimestre, como clases en directo o foros de debate.

Las actividades bajo conducción de un académico de esta asignatura son las siguientes:

• Diálogo e interacción virtual con profesor a través del chat, correo web, foros y sesiones virtuales a lo largo de la asignatura.
• Estimación de un modelo de regresión lineal con una variable cualitativa de múltiples categorías.
• Elegir el mejor modelo de clasificación usando la matriz de confusión.
• Sesión de explicación del modelo de examen.

Las actividades independientes de esta asignatura son las siguientes:

• Caso práctico de análisis estadístico a partir de los datos de una organización.
• Caso práctico de análisis de una serie temporal.
• Trabajo sobre las principales técnicas de aprendizaje automático.
• Realización de test parciales al finalizar cada tema.

Descargar programación

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

• Estudio personal
• Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
• Examen final online

Bibliografía básica

Recuerda que la bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca...

Los textos necesarios para el estudio de la asignatura han sido elaborados por UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.

Bibliografía complementaria

• Martínez Llario, J. C.(2013). PostGIS 2. Análisis Espacial Avanzado. Universidad Politécnica de Valencia.
• Marz, N. y Warren, J. (2015). Big Data: Principles and best practices of scalable real-time data systems. Manning Publications Co.
• Mayer-Schonberger, V. y Cukier, K. (2013). Big data : a revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt. (Versión Castellano: Big Data, La revolución de los Datos Masivos).
• Sarasa, A. (2016). Introducción a las Bases de Datos NoSQL usando MongoDB. Editorial UOC.
• Siegel, E.  (2013). Analitica predictiva: Predecir el futuro utilizando Big Data. Anaya Multimedia.
• Suthaharan, S. (2016). Machine learning models and algorithms for big data classification. Integr. Ser. Inf. Syst, 36, 1-12.
• Zikopoulos, P. y Eaton, C. (2015). Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. IBM. McGraw Hill Professional.

La calificación se compone de dos partes principales:

Examen: se realiza al final de la asignatura, es de carácter ONLINE y OBLIGATORIO. El examen se valora sobre 10 puntos. Supone el 30 % de la calificación final.

Evaluación continua: supone el 70 % de la calificación final. Este 70 % se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo a lo largo de la asignatura.

La nota final debe sumar mínimo 7 puntos para aprobar la asignatura.

Sistema de evaluación	%
Test parciales en plataforma	10
Caso práctico de análisis estadístico a partir de los datos de una organización	20
Caso práctico de análisis de una serie temporal	20
Trabajo sobre las principales técnicas de aprendizaje automático	20
Examen final online	30

Al tratarse de formación online puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual del Curso de introducción al campus virtual. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR. También podrás organizar tu plan de trabajo con tu tutor personal.
2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
4. Comienza con la lectura de las Ideas clave del tema. Este material es el que debes estudiar para superar la asignatura. Consulta, además, las secciones del tema que contienen material complementario: con esto podrás tener una visión más amplia sobre el tema que estás trabajando.
5. Dedica tiempo al trabajo práctico (sección Tareas y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
6. Te recomendamos que participes en los eventos del curso (clases en directo, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula virtual. Tu profesor y tu tutor personal te informarán de las novedades de la asignatura.

En el aula virtual del Curso de introducción al campus virtual encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones.

También puedes consultar ahí el funcionamiento de las distintas herramientas del aula virtual: correo, foro, clases en directo, envío de tareas, etc.