Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 76.5 Horas de Tutorías: 4.5 Clase Expositiva: 13.5 Clase Interactiva: 18 Total: 112.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo de esta materia es que el alumno comprenda como se está utilizando el paradigma Big Data para soportar y realizar decisiones óptimas en diferentes ámbitos de aplicación. Se comenzará explicando el problema de la toma de decisiones y cómo el nuevo paradigma basado en análisis de datos masivos puede ayudar a resolver las tareas relacionadas con dicho problema. A continuación se expondrán los fundamentos de la Ciencia de los Datos, se describirán conceptualmente las técnicas de análisis de datos, y cómo se están aplicando en áreas cómo el análisis del comportamiento de consumidores/usuarios, la optimización de procesos empresariales, el análisis de pacientes en medicina, o la predicción en mercados financieros. Por último, para entender cómo se aplica el paradigma de toma de decisiones basada en datos, se presentarán y discutirán casos de uso en ámbitos de aplicación relevantes como el marketing, la gestión empresarial, la biomedicina o las finanzas.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Contenidos expositivos:
1. Introducción: Toma de decisiones basada en datos
2. Modelos de Toma de Decisiones.
3. Sistemas predictivos
4. Ciencia de los Datos y Estrategia de Negocio
5. Casos empresariales: 5 casos de aplicaciones prácticas de la Ciencia de los Datos.
Contenidos interactivos:
1. Laboratorio: Prácticas de toma de decisiones
2. Laboratorio: Prácticas de sistemas predictivos
3. Proyecto o Casos de empresas
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Bibliografía básica:
1. Foster Provost and Tom Fawcett. 2013. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking (1st ed.). O'Reilly Media, Inc.
Bibliografía complementaria:
2. Stuart J. Russell and Peter Norvig. 2003. Artificial Intelligence: A Modern Approach (2 ed.). Pearson Education.
3. Dietmar Jannach, Markus Zanker, Alexander Felfernig, and Gerhard Friedrich. 2010. Recommender Systems: An Introduction (1st ed.). Cambridge University Press, New York, NY, USA
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Las principales competencias que adquirirá el alumno una vez superada la materia son:
• Entender los problemas y modelos de funcionamiento de ámbitos de aplicación relevantes.
• Conocer y saber aplicar el paradigma de toma de decisiones basada en datos.
• Conocer y saber aplicar los fundamentos de la ciencia de los datos para resolver los problemas relacionados con la toma de decisiones.
• Presentar propuestas de utilización de técnicas Big Data en ámbitos de aplicación.
• Trabajar en equipo.
• Planificar y organizar su tiempo y sus recursos.
• Llevar a cabo un aprendizaje autónomo.
• Manejar bibliografía y recursos web en otros idiomas.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Clases teóricas o expositivas, en las que se expone el contenido de cada tema. El profesor promoverá una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexión del alumno.
Clases prácticas o interactivas con uso de ordenador, que permiten al alumno familiarizarse desde un punto de vista práctico con las cuestiones expuestas en las clases teóricas.
• Actividades formativas de carácter presencial y su relación con las competencias de la titulación:
o Clases teóricas: impartidas por el profesor y exposición de seminarios por parte de empresas que usan BigData en su
quehacer habitual: CB9, CB10, T3,T4, G3, G5, E11, E12
o Clases prácticas de laboratorio, resolución en grupo de problemas y casos prácticos: CB7, CB10, T1, T5, G2, G3, E11, E12
o Tutorías programadas: orientación para la realización de los trabajos individuales o en grupo, resolución de dudas y
actividades de evaluación continua: CB9, CB10, T3,T4, G3, CB7, T1, T5, G2, G3, E11, E12
o Examen: CB7, CB9, T1, T3, G4, G5
• Actividades formativas de carácter no presencial y su relación con las competencias de la titulación:
o Trabajo personal del alumno: consulta de bibliografía, estudio autónomo, desarrollo de actividades programadas,
preparación de presentaciones y trabajos: CB7, CB10, T1, T5, G2, G3, E11, E12
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), ver el PLAN DE CONTINGENCIA en el apartado OBSERVACIONES.
Para superar la materia el alumno habrá de haber presentado el 50% del proyecto final de la materia.
La nota final se compondrá como sigue:
* Examen de teoría: 50%
* Realización de prácticas: 20%
* Realización de proyecto final de la materia: 30%
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación el recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de la revisión de calificaciones.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), ver el PLAN DE CONTINGENCIA en el apartado OBSERVACIONES.
Clases expositivas: 8 h presenciales + 17 h trabajo autónomo del alumno
Clases interactivas: 18 h presenciales + 38,5 h trabajo autónomo del alumno
Tutorías y Actividades de evaluación: 6 h presenciales + 13 h trabajo autónomo del alumno
Conferencias: 4 horas presenciales + 8 h trabajo autónomo del alumno
Total: 112,5 h
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
Se recomienda la asistencia rutinaria, tanto a clases interactivas como a las expositivas, así como el estricto cumplimiento de los plazos de entrega.
Nota.- en caso de tener que aplicar Escenarios 2 y/o 3 (según la situación), no se preveen cambios.
PLAN DE CONTINGENCIA ante un posible cambio de escenario
1) Objetivos: sin cambios
2) Contenidos: sin cambios
3) Material bibliográfico: sin cambios
4) Competencias: sin cambios
5) Metodoloxía:
Escenario 2
Clases Expositivas:
Las clases expositivas serán telemáticas, manteniendo el horario oficial de clases, y síncronas (de forma excepcional por causas de fuerza mayor, podrían ser asíncronas, pero se comunicaría al alumnado con anticipación).
Clases Interactivas:
Si las medidas adoptadas por las autoridades sanitarias lo permiten, las clases interactivas se realizarán de modo presencial, respetando el horario oficial de clases aprobado por el centro.
Si la limitación de capacidad dictada por las autoridades de salud no permite que todo el alumnado asista a clases interactivas de forma presencial, se transmitirá la clase por streaming al resto de alumnos. Los estudiantes se turnarán para asistir a clases presenciales. El número de estudiantes por turno estará condicionado por las reglas vigentes en cada momento dado.
Tutorías:
Las tutorias serán preferentemente telemáticas y requerirán cita previa.
Escenario 3
La enseñanza será telemática y las clases se desarrollarán sincrónicamente en el horario oficial de clases. Puede ser que, por razones de fuerza mayor, algunas de las clases se realicen de forma asincrónica, lo que se comunicaría al alumnado con anticipación.
Las tutorias serán telemáticas y requerirán cita previa.
6) Sistema de evaluación
Escenarios 2 y 3
El examen se realizará de forma telemática, a través del campus virtual y con el apoyo de la herramienta Teams.
7) Tiempo de estudio y de trabajo personal: sin cambios
8) Recomendaciones para el estudio de la asignatura: sin cambios
Eduardo Manuel Sánchez Vila
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881816466
- Correo electrónico
- eduardo.sanchez.vila [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Lunes | |||
|---|---|---|---|
| 18:30-19:45 | Grupo /CLE_01 | Castellano | PROXECTOS |
| 02.06.2025 16:00-19:45 | Grupo /CLIL_01 | IA.01 |
| 02.06.2025 16:00-19:45 | Grupo /CLE_01 | IA.01 |
| 26.06.2025 16:00-19:45 | Grupo /CLIL_01 | IA.01 |
| 26.06.2025 16:00-19:45 | Grupo /CLE_01 | IA.01 |