Última actualización: 15/01/2019


Curso Académico: 2019/2020

Trabajo Fin de Máster
(16931)
Titulación: Máster U. en Métodos Analíticos para Datos Masivos: Big Data / Master in Big Data Analytics (322)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: GALEANO SAN MIGUEL, PEDRO

Departamento asignado a la asignatura: Departamento de Estadística, Departamento de Informática, Departamento de Ingeniería Telemática, Departamento de Teoría de la Señal y Comunicaciones

Tipo: Trabajo Fin de Máster
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Todas las asignaturas del Máster.
Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias Básicas Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Competencias Generales Identificar las técnicas de análisis de datos más adecuadas para cada problema y saber aplicarlas para el análisis, diseño y solución de los mismos Obtener soluciones prácticas y eficientes para problemas de tratamiento de grandes volúmenes de datos, tanto individualmente como en equipo Aplicar estas técnicas de tratamiento de datos a datos reales de gran tamaño, incluyendo datos de la Web Sintetizar las conclusiones obtenidas de estos análisis y presentarlas de manera clara y convincente en un entorno bilingüe (español e inglés) tanto por escrito como oralmente Ser capaz de generar nuevas ideas (creatividad) y de anticipar nuevas situaciones, en los contextos del análisis de datos y de la toma de decisiones Competencias Específicas Identificar las oportunidades que las técnicas de tratamiento de datos pueden suponer para la mejora de la actividad de empresas y organizaciones Utilizar procedimientos estadísticos avanzados para el tratamiento de grandes volúmenes de datos en áreas como la estimación, la inferencia, la predicción o la clasificación, así como la manera de aplicarlos de forma eficiente Saber diseñar sistemas para el procesamiento de los datos, desde la obtención y filtrado inicial de los mismos, su análisis estadístico, hasta la presentación de los resultados finales Identificar la oportunidad de utilizar aprendizaje automático para resolver problemas reales Realizar el análisis y el diseño detallado de aplicaciones informáticas basadas en el aprendizaje automático Aplicar métodos avanzados de tratamiento de datos en problemas correspondientes a áreas de especial relevancia para la sociedad y el conocimiento Utilizar técnicas avanzadas en la frontera del conocimiento para el tratamiento de grandes volúmenes de datos Hacer uso eficiente de plataformas distribuidas para distribución de contenido y técnicas para el almacenamiento de su topología Tomar decisiones en sistemas de e-learning que mejoren el proceso de aprendizaje basados en el análisis de diferentes datos extraídos de aplicaciones educativas Comprender y utilizar eficientemente la arquitectura de los data centers, incluyendo los sistemas de computación y de comunicaciones existentes en los mismos Resultados de aprendizaje - Capacidad de aplicar las técnicas presentadas en las diferentes asignaturas del Master al tratamiento de los datos correspondientes a un problema concreto - Obtención de resultados aplicables para la mejora de la actividad de una organización o empresa/Análisis en profundidad de métodos específicos avanzados - Capacidad para presentar sus resultados y conclusiones de una manera clara y efectiva - Utilización de todos los conocimientos y competencias adquiridos a lo largo del Master
Descripción de contenidos: Programa
El trabajo de Fin de Máster se organiza en torno al tratamiento de un conjunto de datos y su explotación para la mejora del funcionamiento de una organización o empresa relevante. Se presentan a los alumnos posibles ámbitos en los que llevar a cabo dicho trabajo, y se proporciona una orientación y seguimiento del mismo. Son los alumnos los responsables de obtener los datos de interés, tratar dichos datos aplicando las técnicas que consideren más apropiadas y presentar los resultados obtenidos de una manera clara y útil. También es aceptable el estudio en profundidad de una técnica avanzada de análisis de grandes volúmenes de datos, incluyendo aspectos teóricos y computacionales para la implementación eficiente de la misma
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades formativas Tutorías Trabajo individual del estudiante Metodologías docentes 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 para completar el TFM. Elaboración de trabajos e informes de manera individual o en grupo Normativa específica del TFM: http://www.uc3m.es/ss/Satellite?blobcol=urldata&blobheader=application%2Fpdf&blobheadername1=Content-Disposition&blobheadername2=Cache-Control&blobheadervalue1=attachment%3B+filename%3D%22NORMA_TFM_GENERAL.pdf%22&blobheadervalue2=private&blobkey=id&blobtable=MungoBlobs&blobwhere=1371547511386&ssbinary=true
Sistema de evaluación
  • Peso porcentual del Examen Final 100
  • Peso porcentual del resto de la evaluación 0
Matriz de evaluación
Información Adicional

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