CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio CE20: Capacidad para utilizar herramientas de visualización de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico. CE8: Capacidad para diferenciar estructuras de datos, algoritmia, bases de datos y ficheros orientados al tratamiento de datos. CG1: Conocimientos y habilidades adecuados para analizar y sintetizar problemas básicos relacionados con la ingeniería y la ciencia de datos, resolverlos y comunicarlos de forma eficiente. CT1: Capacidad de comunicar los conocimientos oralmente y por escrito, ante un público tanto especializado como no especializado. RA1 Haber adquirido conocimientos avanzados y demostrado una comprensión de los aspectos teóricos y prácticos y de la metodología de trabajo en el campo de la ciencias e ingeniería de datos con una profundidad que llegue hasta la vanguardia del conocimiento RA2 Poder, mediante argumentos o procedimientos elaborados y sustentados por ellos mismos, aplicar sus conocimientos, la comprensión de estos y sus capacidades de resolución de problemas en ámbitos laborales complejos o profesionales y especializados que requieren el uso de ideas creativas e innovadoras

1. Contexto del gobierno de la gestión de datos 2. Modelos de integración de datos (modelos basados en almacenes de datos y modelos virtuales) 3. Datos heterogéneos. Esquema mediador. Correspondencia de esquemas. 4. Obtención de datos. Crawlers. Integración de datos en la web. 5. Bases de Datos NoSQL en integración de datos. 6. Comprensión e interpretación de situaciones en la era del Big Data 7. Analítica visual: historia, definición y proceso de desarrollo. 8. Principios de la interacción hombre-máquina: Percepción, aspectos cognitivos, semiótica y creatividad. 9. Interacción con interfaces visuales 10. Procesamiento de datos temporales y geo-espaciales. 11. Modelos de Deep Learning aplicados a la visualización 12. Aplicaciones de la analítica visual.

AF1: CLASES TEÓRICO-PRÁCTICAS. En ellas se presentarán los conocimientos que deben adquirir los alumnos. Estos recibirán las notas de clase y tendrán textos básicos de referencia para facilitar el seguimiento de las clases y el desarrollo del trabajo posterior. Se resolverán ejercicios, prácticas problemas por parte del alumno y se realizarán talleres y prueba de evaluación para adquirir las capacidades necesarias. AF2:  Actualizado a alegación AF3: TRABAJO INDIVIDUAL O EN GRUPO DEL ESTUDIANTE. AF8: TALLERES Y LABORATORIOS. AF9: EXAMEN FINAL. En el que se valorarán de forma global los conocimientos, destrezas y capacidades adquiridas a lo largo del curso. MD1: CLASE TEORÍA. Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporcionan los materiales y la bibliografía para complementar el aprendizaje de los alumnos. MD2: PRÁCTICAS. Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo. MD3: TUTORÍAS. Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor. MD6: PRÁCTICAS DE LABORATORIO. Docencia aplicada/experimental a talleres y laboratorios bajo la supervisión de un tutor.