Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 70.5 Horas de Titorías: 2 Clase Expositiva: 10 Clase Interactiva: 30 Total: 112.5
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Linguaxes e Sistemas Informáticos
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
Obxectivos da materia: O obxectivo desta materia céntrase en introducir os principais conceptos, arquitecturas, tecnoloxías e técnicas relacionados coa construcción e explotación de almacéns de datos no contorno da intelixencia de negocio, así como no contorno da minería de datos. Por iso se presentan os principais problemas, e descríbense os métodos representativos dos principais tipos e a súa aplicación a casos reais. Proporciónase unha visión xeral do modelado dimensional e descríbense os compoñentes básicos dun almacén de datos. Tamén se facilita unha introducción ás tecnoloxías existentes para a implantación eficiente de almacéns de datos de gran tamaño (Big Data), así como os principais procesos para a extracción de información e apoiar a toma de decisións.
Almacéns de Datos
Tipos e estrutura dos almacéns de datos
Modelado dimensional
Compoñentes dun almacén de datos
Extracción, Transformación e Carga (ETL)
Consulta e Visualización de datos.
Almacenamento orientado a columnas e Big Data.
Minería de Datos
Métodos de preprocesado
Métodos de verificación
Métodos descriptivos
Métodos predictivos
Métodos avanzados
Bibliografía básica e complementaria
Básica:
Ralph Kimball and Margy Ross. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling (3ª Edición). John Wiley and Sons, 2013 ISBN: 1-118-53080-2
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data mining: Practical machine learning tools and techniques. Burlington, MA: Morgan Kaufmann.3ª Edición.
Complementaria:
Kimball, R.; Ross, M.; Thornthwaite, W.; Mundy, J.; Becker, B. (2008). The Data Warehouse Lifecycle Toolkit, 2ª Edición. John Wiley and Sons
Pang-Ning Tan, Michael Steinbach and Vipin Kumar(2006). Introduction to Data Mining, Addison Wesley, Edición 2006.
Competencias
Tras cursar esta materia, o alumnado terá coñecementos avanzados sobre a arquitectura e deseño dos almacéns de datos, así como dos principais procesos implicados na súa implementación. Neste contorno, coñecerán técnicas para determinar patróns nos datos, e desenvolver e testear hipóteses.
Almacenes e Minería de datos desenvolve parcialmente as seguintes competencias do título GrEI da USC:
Básicas e xerais:
CG4 - Capacidade para definir, avaliar e seleccionar plataformas hardware e software para o desenvolvemento e a execución de sistemas, servizos e aplicacións informáticas, de acordo cos coñecementos adquiridos segundo o establecido no apartado 5 do devandito Acordo.
CG8 - Coñecemento das materias básicas e tecnoloxías, que capaciten, para o aprendizaxe e desenvolvemento de novos métodos e tecnoloxías, así como as que os doten dunha gran versatilidade para adaptarse a novas
situacións.
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos na resolución de problemas dentro da súa área de estudo.
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética.
CB4 - Que os estudantes podan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
CB5 - Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía.
Transversais:
TR1 - Instrumentais: Capacidade de organización e planificación. Comunicación oral e escrita en galego,
castelán e inglés. Capacidade de xestión da información. Resolución de problemas. Toma de decisións.
TR2 - Personais: Traballo en equipo. Traballo nun equipo multidisciplinar e multilingüe. Habilidades nas relacións interpersonais. Razoamento crítico. Compromiso ético.
TR3 - Sistémicas: Aprendizaxe autónomo. Adaptación a novas situacións. Creatividade. Iniciativae espíritu emprendedor. Motivación pola calidade. Sensibilidade por temas medioambientais.
Finalmente, desenvolveranse parcialmente as seguintes competencias específicas:
FB5 - Coñecemento dos fundamentos da programación dos sistemas informáticos, e a súa aplicación para a resolución de problemas propios da enxeñaría.
RI1 - Capacidade para deseñar, desenvolver, seleccionar e avaliar aplicacións e sistemas informáticos, asegurando a súa fiabilidade, seguridade e calidade, conforme aos principios éticos e a lexislación e normativa vixente.
RI5 - Coñecemento, administración e mantemento de sistemas, servizos e aplicacións informáticas.
RI6 - Coñecemento e aplicación dos procedementos algorítmicos básicos das tecnoloxías informáticas para deseñar solucións a problemas, analizando a idoneidade e complexidade dos algoritmos propostos.
RI7 - Coñecemento, deseño e utilización de forma eficiente dos tipos e estruturas de datos máis adecuados á resolución dun problema.
RI12 - Coñecemento e aplicación das características, funcionalidades e estrutura das bases de datos, que permitan o seu axeitado uso, e capacidade para o deseño, análise e implementación de aplicacións
baseadas neles.
TI2 - Capacidade para seleccionar, deseñar, desplegar, integrar, avaliar, construir, xestionar, explotar e manter as tecnoloxías de hardware, software e redes, dentro dos parámetros de coste e de calidade axeitados.
TI5 - Capacidade para seleccionar, despregar, integrar e xestionar sistemas de información que satisfagan as necesidades da organización, con criterios de custo e calidade identificados.
Activarase un curso na plataforma Moodle do Campus Virtual, que incluirá toda la información de interese para o alumnado, incluíndo o material docente.
Durante o desenvolvemento do curso se empregaranse diferentes metodoloxías docentes en función dos contidos cos que se esté traballando e os obxectivos de aprendizaxe que se pretenda obter en cada caso.
Clases de Teoría (10 horas)
En elas aplicaranse a partes iguais tanto a metodoloxía da clase maxistral, como o método do aula invertida no que o alumnado ten un rol máis activo.
Sesións prácticas en grupos reducidos (30 horas). Aplicaremos as metodoloxías ABP (Aprendizaxe Basado en Problemas) e ABC (Aprendizaxe Basado en Casos) ao longo desta fase, co propósito de estimular competencias transversais adicionais de tipo instrumental, personal e sistémica.
As clases expositivas traballarán as competencias CG4, CG8, CB2, CB3, CB4 y CB5, TR1, TR3, FB5, RI5, RI6, RI7, RI12, TI2 e TI5.
Nas clases interactivas se traballarán as competencias CG4, CB2, CB3, CB4, CB5, TR1, TR2, TR3, FB5, RI1, RI5, RI6, RI7, RI12, TI2 e TI5
Tanto a docencia expositiva como a interactiva será fundamentalmente de carácter presencial.
As titorías poderán ser presenciais ou telemáticas, e requerirase cita previa en ambos casos.
O sistema de avaliación consistirá dunha compoñente de avaliación contínua e outra de exame final. Para superar o curso será imprescindible ter a avaliación positiva en ambas. A avaliación da materia ao final do cuatrimestre levarase a cabo sobre:
Un exame obrigatorio e presencial referido aos conceptos teóricos: 35%
Prácticas propostas en clase: 65%
A parte teórica da materia terá en conta o grao de consecución das competencias básicas e xerais CG4, CG8, CB2, CB3, CB4 y CB5; as transversais TR1 e TR3; as asociadas coa informática RI5, RI6, RI7 e RI12; e as relacionadas con as tecnoloxías da información TI2 e TI5.
As prácticas individuais e grupais permitirán avaliar o grao de consecución das competencias CG4, CB2, CB3, CB4, CB5, TR1, TR2, TR3, FB5, RI1, RI5, RI6, RI7, RI12, TI2 e TI5.
Na oportunidade de xullo só poderán aprobar aqueles estudantes que entregaron as prácticas durante o semestre que se imparte a materia.
Considerarase presentado un estudante que realice máis do 40% das prácticas ou que se presente ao exame teórico.
Non se manterán notas entre as convocatorias para diferentes cursos. Por conseguinte, o alumnado repetidor serán avaliados do mesmo xeito que os estudantes de primeira matrícula.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións”.
A materia ten, segundo a memoria do GrEI da USC, unha carga de traballo de 4,5 ECTS.
Dado que a USC establece o número de horas correspondentes a cada ECTS en 25 (mínimo legal permitido), a carga de traballo total para a materia é de 112,5 horas (4,5 ECTS x 25 horas por ECTS).
A carga de traballo presencial establécese en 10 horas de docencia expositiva, 30 horas de docencia interactiva e 2 horas de titoría. Polo tanto, o traballo persoal do alumnado debe ser de 70,5 horas.
Dominar os conceptos básicos de bases de datos desenvolvidos na materia de Bases de datos I e Bases de datos II.
Idioma predominante de instrución: castelán
David Mera Perez
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Linguaxes e Sistemas Informáticos
- Correo electrónico
- david.mera [at] usc.es
- Categoría
- Profesor/a: Profesor Contratado/a Doutor
Luns | |||
---|---|---|---|
11:30-14:00 | Grupo /CLIL_02 | Castelán | IA.03 |
Mércores | |||
11:30-14:00 | Grupo /CLIL_01 | Castelán | IA.04 |
16:30-17:30 | Grupo /CLE_01 | Castelán | IA.S1 |
22.01.2025 10:00-14:00 | Grupo /CLE_01 | Aula A2 |
22.01.2025 10:00-14:00 | Grupo /CLIL_02 | Aula A2 |
22.01.2025 10:00-14:00 | Grupo /CLIL_01 | Aula A2 |
02.07.2025 10:00-14:00 | Grupo /CLIL_01 | Aula A3 |
02.07.2025 10:00-14:00 | Grupo /CLE_01 | Aula A3 |
02.07.2025 10:00-14:00 | Grupo /CLIL_02 | Aula A3 |