Última actualización: 25/04/2024


Curso Académico: 2024/2025

Big Data y análisis empresarial
(17637)
Grado en Empresa y Tecnología (Plan: 486 - Estudio: 351)


Coordinador/a: SAEZ ACHAERANDIO, YAGO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Tener conocimientos de estadística y/o haber superado alguna de la asignatura de Fundamentos de Estadística, conocimientos mínimos de programación
Objetivos
1. Adquirir los conocimientos básicos necesarios para realizar un análisis exploratorio de datos objetivo y concluyente 2. Profundizar en el ciclo de análisis de datos completo 3. Familiarizarse con algunas de las herramientas tecnológicas de la industria para el análisis de datos 4. Poder abordar análisis "big data"
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción a la Inteligencia de Negocio, Analítica y Big Data 2. Modelos y Tecnologías para la Toma de Decisiones 3. Analítica Descriptiva 3.1 Análisis Exploratorio de Datos 3.2 Informes de Negocio y Analítica Visual 3.3 Almacenes de Datos 4. Analítica Predictiva y Minería de Datos 4.1 Conceptos Básicos del Aprendizaje Supervisado 4.2 Regresión Lineal 4.3 Árboles de Decisión 4.4 Evaluación de Clasificadores 4.5 Otras Técnicas de Clasificación 4.6 Métodos Basados en Ensembles 5. Conceptos Fundamentales de Redes de Neuronas y Aprendizaje Profundo 6. Tecnologías Específicas de Big Data 7. Tendencias Emergentes e Impacto de la Analítica de Negocio
Actividades formativas, metodología a utilizar y régimen de tutorías
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 pruebas de evaluación para adquirir las capacidades necesarias. AF2. TUTORÍAS. Se dará asistencia individualizada (tutorías individuales) y apoyo grupal (tutorías colectivas) por parte del profesor para abordar una serie de ejercicios prácticos y problemas específicos. Para evaluar la adquisición de las competencias requeridas, se adoptará en la evaluación continua la entrega de los trabajos resueltos por los alumnos (ver punto AF3) AF3. TRABAJO INDIVIDUAL O EN GRUPO DEL ESTUDIANTE. 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. Para asignaturas de 6 créditos se dedicarán 4 horas con un 100% de presencialidad.
Sistema de evaluación
  • Peso porcentual del Examen Final 25
  • Peso porcentual del resto de la evaluación 75

Calendario de Evaluación Continua


Convocatoria extraordinaria: normativa
Bibliografía básica
  • Alejandro Baldominos Gómez. PROCESAMIENTO Y ANÁLISIS INTELIGENTE DE BIG DATA. García Maroto Editores. 2017
Bibliografía complementaria
  • Alejandro Baldominos Gómez, Francisco Mochón Morcillo, et al.. Introducción al Big Data. García Maroto Editores. 2016
  • Stepanek, Hannah. Thinking in Pandas. 1st ed. Berkeley, CA: Apress . 2020

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.