Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Lenguajes y Sistemas Informáticos, Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo de la materia es la introducción de los aspectos básicos de la ingeniería de datos, fundamentalmente en el ámbito del Big Data. Las competencias adquiridas permitirán el análisis y la gestión eficiente de información heterogénea, tanto estructurada como no estructurada, dentro del desarrollo de aplicaciones IA, allí donde los métodos tradicionales muestren su insuficiencia.
- Conceptos y fundamentos de la ingeniería de datos: Conceptos y definiciones básicas, problemas de carga eficiente en escenarios Big Data, almacenamiento de datos masivos y acceso a los mismos.
- Técnicas de limpieza y preparación de datos: Técnicas más comunes, definición de flujos de procesamiento, métricas de calidad.
- Estructuras avanzadas y almacenes de datos eficientes para el Big Data: Data Warehouse y BD multidimensionales, Data Lakes, Bases de datos NoSQL.
Bibliografía Básica
Sadalage, Fowler. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence, Addison-Wesley, 2012.
Avi Silberschatz, Henry F. Korth, S. Sudarshan, Database System Concepts, Sixth edition, McGraw-Hill, 2010. ISBN 0-07-352332-1
Ihab F. Ilyas and Xu Chu. 2019. Data Cleaning. Association for Computing Machinery, New York, NY, USA.
Alex Gorelik, The Enterprise Big Data Lake: Delivering the Promise of Big Data and Data Science, O’ Reilly Media, Inc., 2019. ISBN: 9781491931554
Bibliografía Complementaria
Matt Casters, Roland Bouman, Jos van Dongen,, Pentaho Kettle Solutions: Building Open Source ETL Solutions with Pentaho Data Integration, 978-0470635179, Wiley, 2013.
Las competencias de la titulación que se trabajan en esta materia (ver la memoria de la titulación) son las siguientes:
Competencias básicas y generales: CG2, CG3, CG4, CG5, CB6, CB7, CB8.
Competencias transversales: CT3, CT7, CT8, CT9.
Competencias específicas: CE16.
Más en concreto el alumno será capaz de:
- Desarrollar la capacidad de analizar y modelar datos para su procesado en sistemas
inteligentes.
- Conocer y comprender el proceso de extracción, limpieza, transformación, carga y
preprocesado de datos
- Conocer y saber utilizar bases de datos multidimensionales y de tipo NoSQL
- Conocer los fundamentos de data lakes y data warehouses
La metodología de esta materia estará basada en la combinación de tres tipos de actividades presenciales con trabajo autónomo del alumnado.
Aprendizaje basado en proyectos: Se plantea al alumnado proyectos prácticos cuyo alcance requiere que se le dedique un parte importante de la dedicación total del alumno a la asignatura. Además, por el alcance de los trabajos a realizar, se requiere no sólo que el alumnado aplique competencias de gestión además de competencias de índole técnica.
Lección magistral: El profesorado presenta un tema al alumnado con el objetivo de facilitar un conjunto de información con alcance concreto. Esta metodología docente se aplicará a la actividad formativa "Clases de teoría"
Prácticas de laboratorio: El profesorado de la materia plantea al alumnado un problema o problemas de carácter práctico cuya resolución requiere la comprensión y aplicación de los contenidos teórico-prácticos incluidos en los contenidos de la materia.
El alumnado puede trabajar la solución a los problemas planteados de forma individual o en grupos. Esta metodología docente se aplicará a la actividad formativa "Clases prácticas de laboratorio" y se podrá aplicar a la actividad formativa de "Sesiones de aprendizaje basado en problemas, seminarios, estudio de casos y proyectos".
Resolución de problemas de forma autónoma: El profesorado plantea al alumnado un trabajo cuyo alcance y objetivos requieren que sea trabajado por los alumnos de forma autónoma, aunque con la tutela del profesorado de la asignatura. En general, se aplica a trabajos con un alcance temporal y de esfuerzo superior al de las prácticas de laboratorio
Condiciones aplicadas a las dos oportunidades de Junio y Julio.
Aprendizaje basado en proyectos (70%): Se llevará a cabo la defensa de la solución aportada por parte del alumno ante el profesor o una presentación oral de la solución desarrollada. Para la valoración del proyecto se tendrá en cuenta el trabajo autónomo de los integrantes del grupo (40%) y la defensa del trabajo en sesión pública (30%).
Prácticas de laboratorio (30%): Se evaluarán varias entregas relacionadas con las distintas partes del trabajo realizado en las sesiones de prácticas. La evaluación de estas prácticas será individual.
Se consideran presentado aquellos alumnos que entreguen el proyecto.
Para superar la asignatura en cualquier convocatoria, la calificación final debe ser igual o superior a 5, debiéndose obtener como mínimo un 5 (sobre 10) en cada una de las partes.
En las convocatorias extraordinarias se diseñará una entrega específica de un proyecto individual en el que se evaluará toda la materia.
12 horas presenciales de clases de teoría. 12 horas presenciales de clases de laboratorio y aprendizaje basado en proyectos. 50 horas de trabajo personal no presencial del alumnado.
Seguir la metodología propuesta, asistiendo a las clases, dedicando el tiempo necesario al estudio y a la realización de trabajos y resolviendo problemas específicos con la ayuda del profesorado en las sesiones de tutorías.
Se hará uso del campus virtual, para mejorar la comunicación entre el alumnado y el profesorado, para alojar el material necesario y para apoyar en los procesos de evaluación.
Jose Ramon Rios Viqueira
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Lenguajes y Sistemas Informáticos
- Teléfono
- 881816463
- Correo electrónico
- jrr.viqueira [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Lunes | |||
---|---|---|---|
15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
Miércoles | |||
15:30-17:00 | Grupo /CLIL_01 | Inglés | IA.02 |
22.12.2023 16:00-20:45 | Grupo /CLE_01 | IA.02 |
22.12.2023 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
18.06.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
18.06.2024 16:00-20:45 | Grupo /CLE_01 | IA.02 |