- Bases de Datos (340-17452). - Análisis Estadístico Avanzado (340-17467). - Visualización de Datos (340-17468). - Técnicas Métricas de Información (340-17461). - Ciencia de Datos (340-17477). - Visualización de información (335-17283).

COMPETENCIAS BÁSICAS DE LA MATERIA CB8 Aprender a diseñar estrategias para el análisis y explotación de grandes volúmenes de datos. CB9 Realizar propuestas de gestión de datos adaptadas a distintos contextos y organizaciones. COMPETENCIAS GENERALES DE LA MATERIA CG2 Aprender a identificar posibles líneas de trabajo e investigación relacionadas con el análisis, depuración y explotación de datos. CG6 Conocer los distintos modelos de negocio relacionados con el Big data. CG8 Aprender a identificar el valor y uso potencial de los datos. CG9 Aprender a adaptar y desarrollar los métodos y técnicas de la documentación a los nuevos conocimientos y aptitudes que requiere la gestión y análisis de datos. RESULTADOS DEL APRENDIZAJE - El alumno adquirirá conocimientos sobre las técnicas y métodos necesarios para diseñar y evaluar estrategias para la gestión de datos. El estudiante tras la superación de la materia deberá: - Aplicar técnicas para elaborar estudios e informes que permitan analizar y evaluar la gestión de datos en organizaciones. - Conocer y comprender conceptos y términos relacionados con big data. - Diseñar, planificar e implementar procesos de depuración y análisis de datos. - Aprender a identificar los datos con valor estratégico y de alto impacto para la organización. - Conocer los distintos métodos y técnicas de extracción, depuración y enlazado de datos. - Adquirir un dominio suficiente de distintas herramientas tecnológicas para realizar procesos de depuración, extracción y enlazado de datos. El estudiante, tras la superación de la asignatura, deberá: - Conocer las limitaciones y capacidades técnicas requeridas en Big Data. - Conocer y comprender el valor de los datos procedentes de distintas fuentes. - Conocer herramientas que permitan diseñar, preparar, analizar y manejar grandes volúmenes de información, estructurada o no estructurada. - Usar técnicas de análisis de datos que permitan obtener conclusiones válidas para la toma de decisiones. - Normalizar, relacionar y enriquecer la información procedente de distintos conjuntos de datos. - Utilizar distintas técnicas y herramientas para el análisis, depuración y enlazado de datos.

Módulo 1.- Introducción. Fundamentos básicos. Conceptos 1.1. El Big data en el contexto de la gestión de documentos: Conceptos principales. 1.2. Nuevas tendencias en la gestión de datos. Del Big data al Smart data 1.3. El Big data en las estrategias de las organizaciones públicas y privadas 1.4. Principales iniciativas y sectores de aplicación Módulo 2.- Técnicas de análisis y depuración de datos. 2.1. Auditoría y análisis de la calidad de los datos 2.2. Depuración de datos no estructurados. Principales herramientas. Introducción a Open Refine. 2.3. Minería de datos no estructurados 2.4. Definición de modelos predictivos con técnicas de data mining Módulo 3.- Herramientas de procesamiento y enlazado de datos 3.1. Hacia la web semántica. Interoperabilidad y open linked data 3.2. Técnicas de Linked data. Utilización de web services para relacionar bases de datos 3.3. Análisis y extracción de información. Soluciones open source 3.4. Desarrollo de un proyecto de procesamiento de datos. Estudio de casos prácticos

* LAS ACTIVIDADES FORMATIVAS CONTEMPLADAS, DE ACUERDO AL PLAN DE ESTUDIOS SERÁN LAS SIGUIENTES: AF1 Trabajo individual para el estudio de materiales teóricos y prácticos elaborados y aportados por el profesor AF2 Trabajo individual para la resolución de problemas y casos prácticos AF3 Clases presenciales teórico-prácticas AF4 Tutorías AF5 Trabajo en grupo AF6 Participación activa en foros habilitados por el profesor en la plataforma educativa virtual AF7 Realización de test de autoevaluación para repaso de contenidos AF8 Debates y coloquios online síncronos Tipo actividad ¿Es síncrona? Horas totales Horas interactividad síncrona Nº Horas Presenciales % Presencialidad Estudiante AF1 NO 24,7 0 0 0 AF2 NO 22 0 0 0 AF3 SI 3 3 3 100 AF4 SI 3 3 0 0 AF5 NO 30 0 0 0 AF6 NO 1,3 0 0 0 AF7 SI 3 3 0 0 AF8 SI 3 3 0 0 Total 90 12 3 3,33% * METODOLOGÍAS DOCENTES: MD1 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 proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD2 Lectura crítica de textos recomendados por el profesor de la asignatura: artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. MD3 Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo. MD4 Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos. MD5 Elaboración de trabajos e informes de manera individual o en grupo. MD6 Lectura de materiales docentes teóricos y prácticos. RÉGIMEN DE TUTORÍAS Los horarios de las tutorías, ajustados a lo dispuesto por la Universidad, se podrán consultar en el espacio propio de la asignatura en la plataforma de enseñanza y aprendizaje (Aula Global). Incluirán al menos dos tramos, uno para atención presencial y otro para atención en línea. Además de estas tutorías fijadas oficialmente para la asignatura, los alumnos pueden solicitar y concertar con el profesor tutorías presenciales o en línea fuera de esos horarios.