Denominación de la asignatura: Big Data y Analytics
Postgrado al que pertenece: Máster Universitario en Industria 4.0
Créditos ECTS: 6
Cuatrimestre en el que se imparte: Primero
Carácter de la asignatura: Obligatoria

Presentación

El término Big Data ha pasado en poco tiempo de ser un desconocido a estar inmerso en todo lo que nos rodea. En un mundo cada vez más conectado, en el que las fuentes de datos aumentan cada día, se hace necesario el diseño y desarrollo de técnicas que permitan una gestión eficiente de esta información, de forma que pueda exprimirse al máximo su potencial.

Sin embargo, muchos de los campos que sustentan esta amplio paradigma son viejos conocidos de la ciencia. Sin ir más lejos, la estadística es la base matemática de cualquier sistema de análisis. Por otro lado, la clasificación y selección de datos son campos ampliamente estudiados durante las últimas décadas, de igual forma que lo es la visualización de la información. La gestión de los recursos que nos facilitarán la aplicación de las técnicas anteriores será un aspecto clave: la ingeniería de procesado de datos, así como las herramientas y ecosistemas que actualmente la soportan, será la encargada de hacer realidad la implementación de sistemas Big Data, siempre con la ayuda de estrategias adecuadas que permitan gestionar los recursos de forma eficiente. Finalmente, la gestión de datos es un aspecto delicado debido al carácter confidencial y sensible de muchos de ellos. Por este motivo, es importante tener en cuenta la legislación vigente que deba aplicarse, así como un código ético inflexible.

La asignatura Big Data del Máster Industria 4.0 aborda todas estas cuestiones a lo largo de 8 temas en los que se presentarán los aspectos más relevantes de la captura, gestión y análisis de datos, de la Inteligencia Artificial, de la visualización, de las ingeniería de procesado de datos, del Business Intelligence y de la privacidad de los datos, a través siempre de un enfoque eminentemente práctico

Competencias básicas

  • 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.
  • 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.
  • 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.
  • 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.
  • 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.

Competencias generales

 

  • CG1: Analizar e identificar las peculiaridades y las necesidades específicas de la digitalización del sector industrial.
  • CG2: Analizar y seleccionar los campos tecnológicos existentes en donde poder ejercer las competencias propias del máster.
  • CG3: Ser capaces de integrar las principales tecnologías del ecosistema de la industria 4.0 (robótica, fabricación inteligente, inteligencia artificial y analítica de datos, ciberseguridad e internet de las cosas) para resolver problemas específicos del ámbito industrial.
  • CG4: Ser capaces de identificar, evaluar y sintetizar las fases necesarias para analizar, diseñar y gestionar proyectos de transformación digital en el ámbito industrial.
  • CG5: Ser capaces de analizar las necesidades de conectividad e integración de las distintas partes y áreas del ámbito industrial para poder definir mejoras de tipo tecnológico que aumenten de manera significativa la calidad, seguridad y productividad de los procesos.
  • CG6: 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.

Competencias específicas

  • CE6: Ser capaz, en el contexto de la Industria 4.0, de identificar, analizar, planificar y organizar las actividades necesarias para realizar correctamente un análisis de datos y visualización de la información en un contexto profesional.
  • CE8: Ser capaz de recopilar, procesar, seleccionar y filtrar aquella información de múltiples fuentes de datos hetereogéneas (como, entre otras, fuentes de datos abiertos, información sobre legilsación vigente, documentos técnicos, artículos especializados, páginas web o documentación interna de la empresa) que sea necesaria para la correcta ejecución de técnicas avanzadas de analítica y visualización de datos.

Competencias transversales

  • CT1: Adquirir la capacidad de organizar y planificar las tareas aprovechando los recursos y el tiempo de manera óptima.
  • CT2: Identificar las nuevas tecnologías como herramientas didácticas para el intercambio comunicacional en el desarrollo de procesos de indagación y de aprendizaje.
  • CT3: Desarrollar habilidades de comunicación, escritas y orales, para realizar atractivas y eficaces presentaciones de información profesional.
  • CT4: Adquirir la capacidad de trabajo independiente, impulsando la organización y favoreciendo el aprendizaje autónomo.

Tema 1. Métodos de captura de información

  • Introducción y objetivos
  • Origen y calidad de los datos
  • Organización de los datos
  • Casos de estudio
  • Referencias bibliográficas

Tema 2. Estadística y Big Data

  • Introducción y objetivos
  • Introducción
  • Conceptos básicos de estadística
  • Gráficas
  • Probabilidad condicional y variables aleatorias
  • Retos de la estadística en la Industria 4.0
  • Referencias bibliográficas

Tema 3. Análisis de datos

  • Introducción y objetivos
  • Medidas que resumen la información
  • Regresión y correlación
  • Distribución
  • Intervalos de confianza
  • Contrastes de hipótesis
  • Análisis de componentes principales
  • Análisis de datos en el contexto de la Industria 4.0

Tema 4. Técnicas de inteligencia artificial

  • Introducción y objetivos
  • Inteligencia artificial, aprendizaje automático y minería de datos
  • Árboles de decisión y reglas
  • Clustering
  • Sistemas de recomendación
  • Redes neuronales artificiales
  • Búsqueda
  • Sistemas expertos
  • Aplicación de big data en la Industria 4.0
  • Referencias bibliográficas

Tema 5. Visualización

  • Introducción y objetivos
  • Introducción a la visualización de datos
  • Trabajar con datos
  • Definición y tipología de gráficos
  • Visualización estática
  • Visualización dinámica
  • Herramientas de visualización
  • Visualización en la Industria 4.0
  • Referencias bibliográficas

Tema 6. Ingeniería de procesado de datos

  • Introducción y objetivos
  • Introducción
  • Hadoop
  • HDFS
  • MapReduce
  • ApacheSpark
  • Casos de uso en la Industria 4.0
  • Referencias bibliográficas

Tema 7. Business Intelligence

  • Introducción y objetivos
  • Dirección estratégica
  • El cuadro de mando integral
  • Business intelligence en entornos de Industria 4.0
  • Referencias bibliográficas

Tema 8. Privacidad

  • Introducción y objetivos
  • Principios generales en materia de privacidad en la Unión Europea
  • Principios generales en materia de privacidad en LATAM Y EE. UU.
  • Big data en Industria 4.0 y protección de datos personales
  • Disociación y anonimización de datos
  • Referencias bibliográficas

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 y casos prácticos. En la programación semanal, puedes consultar cuándo hacerlos y en el Aula virtual encontrarás toda la información sobre cómo desarrollarlos y cómo y cuándo entregarlos.
  • Participación en eventos. Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate.
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 presencial

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

ACTIVIDADES FORMATIVAS HORAS POR ASIGNATURA % PRESENCIAL
Sesiones presenciales virtuales 15 horas 100%
Lecciones magistrales 6 horas 0
Estudio del material básico 49 horas 0
Lectura del material complementario 25 horas 0
Trabajos, casos prácticos 51 horas 0
Tutorías 13 horas 30%
Trabajo colaborativo 7 horas 0
Prácticas de laboratorios virtuales 6 horas 16,6%
Total 172 horas -

 

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

  • Bordeleau, F. E., Mosconi, E., Santa-Eulalia, L. A. (2018). Business Intelligence in Industry 4.0: State of the art and research opportunities. Proceedings of the 51st Hawaii International Conference on System Sciences. Hawaii: HICSS.
  • Chatfield, C. (2018). Statistics for technology: a course in applied statistics. Nueva York: Routledge.
  • Ciro, M. B. (2016). Estadística básica aplicada. Bogotá: Ecoe Ediciones.
  • Kaplan, R. S. y Norton, D. P. (2009). El cuadro de mando integral. Barcelona: Ediciones Gestión 2000.
  • Meirelles, I. (2013). Design for Information. Beverly, Massachusetts: Rockport Publishers.
  • Müller, V. C. y Bostrom, N. (2016). Future progress in artificial intelligence: A survey of expert opinion. En Fundamental issues of artificial intelligence (pp. 555-572). (S. l.): Springer.
  • Unión Europea. Reglamento (UE) nº 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos. Diario Oficial de la Unión Europea L 119/1, 4 de mayo de 2016. Recuperado de https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX%3A32016R0679.
  • Russell, S. J. y Norvig, P. (2016). Artificial intelligence: a modern approach. [Malasia]: Pearson Education Limited.
  • White, T. (2015). Hadoop. The Definitive Guide (4th ed.). Massachusetts: Massachusetts: O’Reilly.

El sistema de calificación se basa en la siguiente escala numérica:

0 - 4, 9 Suspenso (SS)
5,0 - 6,9 Aprobado (AP)
7,0 - 8,9 Notable (NT)
9,0 - 10 Sobresaliente (SB)

La calificación se compone de dos partes principales:

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.

La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.

Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado en la programación semanal. En ella se detalla la calificación máxima de cada actividad o evento concreto puntuables.

El sistema de evaluación de la asignatura es el siguiente:

Sistema de evaluación Ponderación max
Participación del estudiante (sesiones, foros, tutorías) 40%
Trabajos, proyectos, laboratorios/talleres y casos 40%
Prácticas de laboratorio virtual 40%
Test de autoevaluación 40%
Examen final presencial 60%

Óscar García García

Formación académica: Doctor en Ingeniería Informática por la Universidad de Salamanca e Ingeniero de Telecomunicación por la Universidad de Valladolid. Máster para el Desarrollo de Sistemas de Comercio Electrónico por la Universidad de Salamanca (título propio).

Experiencia: Docente en el Máster Universitario en Inteligencia Artificial de UNIR. Investigador en el grupo BISITE (Universidad de Salamanca). Anteriormente profesor asociado y colaborador en el grupo GSIC-EMIC en la Universidad de Valladolid. Ha participado en múltiples proyectos de investigación nacionales y europeos. En el ámbito empresarial es gestor de proyectos de software de eficiencia energética y cofundador de una startup especializada en sistemas RTLS y WSN.

Líneas de investigación: Investigador y colaborador del grupo de investigación BISITE (USAL) es autor de más de 35 publicaciones científicas y de varias propiedades intelectuales. Sus líneas de investigación giran en torno a los sistemas WSN y RTLS como fuentes de información para el desarrollo de sistemas de eficiencia energética (Demand-Response, Disaggregation, etc.), haciendo uso de técnicas Big Data, Data Analytics y Social Computing, que permitan mejorar el comportamiento energético de personas y máquinas.

Obviamente, 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 de Lo que necesitas saber antes de empezar. 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 y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
  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 las lecturas que se te indican en el tema. Esto te ayudará a hacerte una idea del contenido más importante del tema y de cuáles son los aspectos fundamentales. Consulta, además, las otras secciones del tema que contienen material complementario (Lecturas recomendadas y Otros recursos).
  5. Dedica tiempo al trabajo práctico (sección Actividades). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana.
  6. Te recomendamos que participes en los eventos del curso (foros de debate). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.

En el aula virtual de Lo que necesitas saber antes de empezar encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones: Lecturas obligatorias, Lecturas recomendadas, Otros recursos y Actividades.

Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del Aula virtual: Correo, Foro, Envío de actividades, etc.

Ten en cuenta estos consejos...

  • Sea cual sea tu plan de estudio, accede periódicamente al aula Virtual, ya que de esta forma estarás al día de las novedades del curso y en contacto con tu profesor y con tu profesor tutor.
  • Recuerda que no estás solo: consulta todas tus dudas con tu profesor-tutor utilizando el correo electrónico. Además, siempre puedes consultar tus dudas sobre el temario en los foros que encontrarás en cada asignatura (Pregúntale al profesor).
  • ¡Participa! Siempre que te sea posible accede a los foros de debate. El intercambio de opiniones, materiales e ideas nos enriquece a todos.
  • Y ¡recuerda!, estás estudiando con metodología on line: tu esfuerzo y constancia son imprescindibles para conseguir buenos resultados. ¡No dejes todo para el último día!