- Conocimientos básicos de estadística - Conocimientos básicos de programación

- Introducirse a la analítica del aprendizaje y minería de datos educativas - Introducirse a la recolección de datos educativos - Introducirse al modelado de habilidades de los alumnos - Introducción a detectores de comportamientos y habilidades meta-cognitivas - Introducción a la analítica visual del aprendizaje - Introducción a las actuaciones e intervenciones del aprendizaje

K3: Conocer contenidos fundamentales en su área de estudio partiendo de la base de la educación secundaria general y alcanzando un nivel propio de libros de texto avanzados, incluyendo también algunos aspectos de la vanguardia de su campo de estudio. K7: Conocer los conceptos básicos de la programación, incluyendo estructuras de control, tipos de datos y funciones, y su aplicación en el desarrollo de programas orientados al análisis, procesamiento y visualización de datos en el ámbito de la Ciencia e Ingeniería de Datos. S1: Planificar y organizar trabajos en equipo tomando las decisiones correctas basadas en la información disponible y reuniendo datos en entornos digitales. S3: Ser capaz de resolver problemas tecnológicos, informáticos, matemáticos y estadísticos que puedan plantearse en la ingeniería y ciencia de datos, aplicando conocmientos de matemáticas, probablidad y estadística, programación, bases de datos y lengjuajes, gramáticas y autómatas. S5: Identificar correctamente problemas de tipo predictivo correspondientes a unos objetivos y unos datos determinados, apoyándose en los conocimientos sobre algoritmia, modelización, predicción y filtrado, y emplear los resultados básicos del análisis de regresión como fundamento básico de los métodos de predicción. S11: Aplicar, diseñar, desarrollar, analizar de manera crítica y evaluar soluciones basadas en aprendizaje automático en aplicaciones en dominios específicos como los sistemas de recomendación, el procesado del lenguaje natural, la Web o las redes sociales online. S15: Aplicar, combinar, diseñar y desarrollar herramientas de visualización de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico. S16: Ser capaz de sintetizar las conclusiones obtenidas de los análisis realizados y presentarlas de manera clara y convincente tanto por escrito como oralmente, y tanto ante un público especializado como no especializado

1 - Introducción a la analítica del aprendizaje y minería de datos educativa 1.1 Definiciones y propósito 1.2 Plataformas y servicios educativos 1.3 Arquitecturas y marcos de referencia 1.4 Ciclo de vida de la analítica del aprendizaje 2 - Recolección de datos educativos 2.1 Tipos de datos 2.2 Formatos de almacenamiento 2.3 Interoperabilidad. Especificaciones CAM, xAPI, IMS Calliper 2.4 Combinación de datos de múltiples fuentes en servicios deistribuidos 3 - Detección de habilidades de los alumnos 3.1 Teoría de Respuesta al Ítem 3.2 Modelos bayesianos 3.3 Espacios de conocimiento 4 - Detección de comportamientos de los alumnos 4.1 Preferencias 4.2 Búsqueda de ayuda 4.3 Realización de trampas en el sistema 4.4. Otros 5 - Analítica visual del aprendizaje 5.1 Herramientas existentes 5.2 Visualizaciones relacionadas con vídeos y ejercicios 5.3 Visualizaciones de interacciones sociales 5.4 Otras visualizaciones de alto nivel 5.5 Análisis e interpretación de visualizaciones en diferentes situaciones 5.6 Actuación e intervención en el proceso del aprendizaje 6 - Predicción de resultados de aprendizaje 6.1 Predicción de abandono prematuro de cursos 6.2 Predicción de ganancias de aprendizaje 6.3 Predicción de interacciones en servicios

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 prueba de evaluación para adquirir las capacidades necesarias. AF3: TRABAJO INDIVIDUAL O EN GRUPO DEL ESTUDIANTE. AF8: TALLERES Y LABORATORIOS. AF9: EXAMEN FINAL. En el que se valorarán de forma global los conocimientos, destrezas y capacidades adquiridas a lo largo del curso. 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. MD6: PRÁCTICAS DE LABORATORIO. Docencia aplicada/experimental a talleres y laboratorios bajo la supervisión de un tutor.