Última actualización: 30/06/2021


Curso Académico: 2021/2022

Análisis Inteligente de Datos
(18649)
Titulación: Master Universitario en Ingeniería Informática (228)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MOLINA LOPEZ, JOSE MANUEL

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1.- Introducción 1.1.- Conceptos fundamentales 1.2.- IA Explicable 2.- Inteligencia de negocio 2.1.- Selección y transformación de atributos 2.2.- Segmentación, predicción e identificación de patrones 2.3.- Técnicas avanzadas de análisis 2.4.- Herramientas 2.5.- Comparativa de técnicas y parámetros 3.- Análisis dependiente del dominio 3.1.- Análisis de textos 3.2.- Análisis de series temporales 3.3.- Otros dominios 4. Caso práctico 4.1.- Carga y procesamiento de datos 4.2.- Aplicación de secuencia de análisis 4.3.- Conclusiones
Actividades formativas, metodología a utilizar y régimen de tutorías
ACTIVIDADES AF1 - Clase teórica. - [11.67 horas con un 100% de presencialidad, 0.39 ECTS] AF2 - Clases prácticas - [1.67 horas con un 100% de presencialidad, 0.06 ECTS] AF3 - Clases teórico prácticas - [10 horas con un 100% de presencialidad, 0.33 ECTS] AF5 - Tutorías - [3 horas con un 25% de presencialidad, 0.10 ECTS] AF6 - Trabajo en grupo - [13 horas con un 0% de presencialidad, 0.43 ECTS] AF7 - Trabajo individual del estudiante - [50.66 horas con un 0% de presencialidad, 1.69 ECTS] METODOLOGIA DOCENTE 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
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • Phuong Vothihong, Martin Czygan, Ivan Idris, Magnus Vilhelm Persson, and Luiz Felipe Martins. Python: End-to-end Data Analysis. Packt. 2017
Bibliografía complementaria
  • Baldominos, Alejandro. Procesamiento y Análisis Inteligente de Big Data. 1st ed. Madrid, ES: García-Maroto Editores. 2017
  • Embarak, Ossama. Data Analysis and Visualization Using Python. 1st ed. US: Apress. 2018
  • 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.