Última actualización: 04/06/2021


Curso Académico: 2021/2022

Big Data
(17484)
Grado en Gestión de la Información y Contenidos Digitales (Plan: 376 - Estudio: 340)


Coordinador/a: CARBO RUBIERA, JAVIER IGNACIO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Ninguna
Objetivos
COMPETENCIAS EUROACE - Competencias Generales: - CG2. Ser capaz de generar nuevas ideas (creatividad) y de anticipar nuevas situaciones y de adaptarse a Trabajar en equipo y relacionarse con otros, pero al mismo tiempo tener capacidad de trabajar de forma autónoma. - CG7. Ser capaz de exponer y discutir propuestas en el trabajo en equipo, demostrando habilidades personales y sociales que le permitan asumir responsabilidades distintas dentro de los mismos. COMPETENCIAS ABET - Competencias Transversales/Genéricas: - Capacidad de análisis y síntesis - Capacidad de organizar y planificar - Resolución de problemas - Trabajo en equipo - Capacidad de aplicar los conocimientos en la práctica - Razonamiento crítico - Competencias Específicas: - Cognitivas (Saber) 1. Conocimiento sobre las distintas técnicas de Inteligencia 2. Conocimiento de la aplicación práctica de las múltiples técnicas de Inteligencia Artificial a distintas áreas de negocios, banca y finanzas 3. Conocimiento sobre la complejidad de la implementación de soluciones inteligentes en entornos reales - Procedimentales/Instrumentales (Saber hacer) 1. Diseñar sistemas inteligentes para la solución de problemas prácticos 2. Analizar críticamente casos prácticos reales 3. Utilización de herramientas específicas para la implementación de sistemas inteligentes - Actitudinales (Ser) 1. Capacidad para generar nuevas ideas (creatividad) 2. Preocupación por la calidad 3. Motivación de logro 4. Interés por investigar y buscar soluciones a nuevos problemas
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1.- Introducción al Big Data 2.- Arquitectura de Biga Data 3.- Técnicas de Big Data 4.- Sistemas de Información y Big Data 5.- Aplicación de técnicas estadísticas y de Machine LEarning al Big Data
Actividades formativas, metodología a utilizar y régimen de tutorías
Las actividades prácticas incluirán programación con Python y el uso de un dataset de carácter público.
Sistema de evaluación
  • Peso porcentual del Examen Final 50
  • Peso porcentual del resto de la evaluación 50

Bibliografía complementaria
  • Sebastian Raschka, Vahid Mirjalili . Python Machine Learning. Packt Publishing. 2017

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