Presentación

En esta asignatura el alumno obtendrá los conocimientos básicos de la ciencia basada en datos. La asignatura se divide en dos bloques.
El primero es un bloque de introducción a la ciencia de los datos donde se presentan las metodologías disponibles y las fases o ciclo de vida de un proyecto orientado a datos.
El segundo bloque es más técnico y está dedicado al análisis y modelado basado en datos.

El primer bloque presenta el concepto de ciclo de vida de un proyecto basado en la ciencia de los datos y se presentan técnicas de extracción, preparación y almacenamiento de datos. Se profundiza en las técnicas de almacenamiento para información no estructurada y Big data.

El segundo bloque comienza con un conjunto de técnicas de análisis estadístico. Se incluyen técnicas de análisis estadístico univariante, tanto descriptivos como técnicas estadísticas concretas; técnicas para el análisis de diversos tipos de datos, que permiten conocer la interrelación existente entre las distintas variables que componen un sistema de información; y técnicas de análisis estadístico multivariante, con gran aplicabilidad en el proceso de toma de decisiones de negocio. El bloque continúa presentando técnicas predictivas para la estimación de variables cuantitativas, por medio de la explicación teórica y práctica de los modelos de series temporales y su aplicación en los negocios para las previsiones de resultados (operativos, ventas, marketing, etc.). A continuación, se presenta el concepto de aprendizaje automático y se muestras sus técnicas más importantes. Finalmente se analizan las técnicas de NLP para el análisis de datos de textos provenientes de fuentes no estructuradas. /p>

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.
• 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.

Competencias generales

• CG1: Ser capaz de resolver problemas económicos con el objetivo de tomar decisiones útiles en el ámbito de la auditoría.
• CG5: Ser capaz de identificar riesgos y contingencias económicas desde una perspectiva objetiva, externa y profesional en el ámbito de la auditoría de cuentas.

Competencias específicas

• CE18: Ser capaz de analizar las técnicas que permiten la revisión y análisis de grandes volúmenes de datos para la detección del fraude en la organización.

Competencias transversales

• CT1: Aplicar las nuevas tecnologías como herramientas para el intercambio comunicacional en el desarrollo de procesos de indagación y de aprendizaje.

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 los 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
• Ejemplo de Análisis de Datos para la Auditoría en R

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 de modelado de datos
• Aprendizaje automático

Tema 6. Técnicas de Aprendizaje supervisado

• Introducción y objetivos
• Técnicas de predicción
• Selección de características
• 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 de procesamiento del lenguaje natural (PLN)
• 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.

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 u online

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

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

• Westland, J. C. (2020). Audit Analytics: Data Science for the Accounting Profession. Springer Nature.
• 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)
• Zikopoulos P. y Eaton C. (2015). Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. IBM. McGraw Hill Professional. http://www-01.ibm.com/software/data/bigdata/
• García S., Luengo J. y Herrera F. (2015) Data Preprocessing in Data Mining. Springer International Publishing AG.
• Suthaharan, S. (2016). Machine learning models and algorithms for big data classification. Integr. Ser. Inf. Syst, 36, 1-12
• Siegel, E. (2013) Analitica predictiva: Predecir el futuro utilizando Big Data. Madrid. Anaya Multimedia.
• Marz, N., & Warren, J. (2015). Big Data: Principles and best practices of scalable real-time data systems. New York; Manning Publications Co.
• Sarasa A. (2016). Introducción a las Bases de Datos NoSQL usando MongoDB. Editorial UOC.
• Martínez Llario J.C. (2013). PostGIS 2. Análisis Espacial Avanzado. Universidad Politécnica de Valencia.

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

La calificación se compone de dos partes principales:

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL U ONLINE 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 de la asignatura, se detalla la calificación máxima de cada actividad o evento concreto puntuables.

Al tratarse de formación online puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de las actividades y la fecha de 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 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 estaás trabajando..
5. Dedica tiempo al trabajo práctico (sección Actividades). 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 vitual. 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. Tambén puedes consulltar ahí el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Clases en directo, Envío de actividades, etc.