Análisis de Datos y Explotación de la Información

Usted está aquí

Inicio » Estudios » Grados » Grado en Ingeniería Informática » Plan de estudios » Asignaturas » Análisis de Datos y Explotación de la Información
Créditos
6
Tipos
Obligatoria de especialidad (Sistemas de Información)
Requisitos
  • Prerrequisito: PE
Departamento
EIO
El objetivo de ADEI es dotar a los estudiantes de los conocimientos y habilidades para poder hacer frente a las necesidades de información de las organizaciones, esto es, saber aprovechar los datos almacenados por los SI de las organizaciones para integrar sistemas automáticos ayuda a la toma de decisiones. La idea subyacente es que los datos son un tesoro para las organizaciones y que mediante su explotación se pone de manifiesto la información que contienen. La asignatura se desarrolla a partir de la resolución de los problemas de un caso práctico real. Se divide en cuatro bloques: Calidad de los datos y descripción sumaría. Herramientas de predicción en las organizaciones, análisis multivaraint de los datos y establecimientos de tipologías. El curso incluye la presentación de resultados obtenidos en caso de estudio.

Profesorado

Responsable

  • Lidia Montero Mercadé ( )
  • Xavier Angerri Torredeflot ( )

Otros

  • Bhumika Ashvinbhai Patel ( )
  • Josep Franquet Fàbregas ( )

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Técnicas de cada especialidad

Especialidad sistemas de información

  • CSI2 - Integrar soluciones de Tecnologías de la Información y las Comunicaciones y procesos empresariales para satisfacer las necesidades de información de las organizaciones, permitiéndoles llegar a sus objetivos de forma efectiva
    • CSI2.1 - Demostrar comprensión y aplicar los principios y las técnicas de gestión de calidad y de innovación tecnológica en las organizaciones.
    • CSI2.3 - Demostrar conocimiento y capacidad de aplicación de los sistemas de extracción y de gestión del conocimiento.

Competencias Transversales

Razonamiento

  • G9 [Avaluable] - Capacidad de razonamiento crítico, lógico y matemático. Capacidad para resolver problemas dentro de su área de estudio. Capacidad de abstracción: capacidad de crear y utilizar modelos que reflejen situaciones reales. Capacidad de diseñar y realizar experimentos sencillos, y analizar e interpretar sus resultados. Capacidad de análisis, síntesis y evaluación.
    • G9.3 - Capacidad crítica, capacidad de evaluación.

Lengua extranjera

  • G3 [Avaluable] - Conocer el idioma inglés con un nivel adecuado de forma oral y por escrito, y con consonancia con las necesidades que tendrán los graduados y graduadas en ingeniería informática. Capacidad de trabajar en un grupo multidisciplinar y en un entorno multilingüe, y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la profesión de ingeniero técnico en informática.
    • G3.2 - Estudiar con materiales escritos en inglés. Redactar un informe o trabajo de tipo técnico en inglés. Participar en una reunión técnica llevada a cabo en inglés.

Objetivos

  1. Saber identificar los tres niveles de toma de decisiones en una empresa
    Competencias relacionadas: CSI2.1,
  2. Fundamentos del control de calidad
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  3. Control de indicadores discretos
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  4. Determinación de los factores de influencia de variables de respuesta continuas
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  5. Efectuar la validación de un modelo estadístico
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  6. Modelización de alternativas discretas
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  7. Modelización de la propensión
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  8. Análisis de Bases de Datos. Determinación de las características significativas de grupos de individuos.
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  9. Concepto y medida de intangibles en una empresa
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  10. Visualización multivariante de la información
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  11. Definición de tipologias
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  12. Modelización de intangibles. Modelos para la satisfacción del consumidor
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  13. Herramientas estadísticas de soporte a la toma de decisiones
    Competencias relacionadas: G9.3, CSI2.3, G3.2, CSI2.1,
  14. Control de procesos continuos
    Competencias relacionadas: G9.3, CSI2.3, CSI2.1,
  15. Saber hacer un informe sobre la calidad de los datos
    Competencias relacionadas: G9.3, CSI2.1,

Contenidos

  1. Bloque 1: Niveles de decisión en una empresa
  2. Bloque 2: Descripcion y calidad de los datos
  3. Bloque 3: Modelización Estadística
  4. Bloque 4: Análisis Multivariante de Datos y medida de intangibles
  5. Bloque 5: Definición de tipologias y perfiles

Actividades

Actividad Acto evaluativo


Quiz bloques 2 y 3


Objetivos: 1 15 2 4 5 6
Semana: 8
Teoría
0h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Presentación del Caso de Estudio


Objetivos: 1 15 2 14 3 4 5 6 7 8 9 10 11 12 13
Semana: 15
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Quiz bloques 4 y 5


Objetivos: 1 8 9 10 11 12
Semana: 14
Teoría
0h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Bloque 1. Niveles de decisión en una empresa

Se trata de presentar los tres niveles de toma de decisiones en las empresas. ¿Cuáles son los procesos de negocio principales y cómo se almacenan los datos que se generan.
Objetivos: 1
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
1h

Bloque 2. Descripción y calidad de los datos

Problemas en la calidad de los datos: Se trata de ver en el Caso de Estudio los problemas que presentan o pueden presentar los datos: inconsistencia, redundancia. Datos faltantes. Outliers. ¿Cómo se hace un Informe de calidad de los datos. En que consiste la estandarización de los datos.
Objetivos: 15
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Bloque 2. Visualización de los datos

Tipología de la Recogida de datos y aplicabilidad al control operacional. Indicadores habituales en control de procesos continuos
Objetivos: 15 2 13
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 3. Modelización Estadística

Perspectiva del modelatge per tècniques de regressió lineal : components estadístiques implicades. Rols: variables de resposta/explicatives
Objetivos: 4 13
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Bloque 3. Estimación de los parámetros

Estimació per mínims quadrats
Objetivos: 4
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 3. Validación de la modelización estadística

Elementos que intervienen en la validación del modelado por regresión. Valores influyentes y / o atípicos
Objetivos: 5
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloc 3. Modelización estadística de indicadores discretos


Objetivos: 5 6
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Bloc 4. Anàlisis Multivariante de Datos

Problemes multivariants en l'empresa
Objetivos: 9 10
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
1h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 4. El Anàlisis de Componentes Principales


Objetivos: 9 10
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
5h

Bloque 4. Medida de intangibles


Objetivos: 9 10
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 4. Práctica del Análisis de Componentes Principales

Práctica del Análisis de Componentes Principales, interpretación de las representaciones obtenidas. Posicionamiento de la información suplementaria.
Objetivos: 9 10 13
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 5. Definición de tipologias


Objetivos: 11
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 4. Práctica de la definición de Tipologías

Presentación de los métodos k-means y jerárquico.
Objetivos: 11 13
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
1h
Aprendizaje dirigido
0h
Aprendizaje autónomo
3h

Bloque 5. Caracterización estadística de Bases de Datos


Objetivos: 8 13
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Metodología docente

El aprendizaje de la asignatura consta de tres fases diferenciadas: 1. Adquisición de los conocimientos específicos mediante el estudio de la bibliografía y del material proporcionado por los profesores. 2. La adquisición de las destrezas en las técnicas específicas de análisis de datos y explotacion de la información y 3. Integración de los conocimientos, destrezas y competencias (específicas y transversales) mediante la resolución de un Caso de Estudio real. En las clases de Teoría exponen los fundamentos de las metodologías y técnicas propias de la asignatura ADEI. Las clases de laboratorio sirven para aprender la utilización de las técnicas específicas para la resolución de problemas, utilizando las herramientas informáticas adecuadas, en este sentido los alumnos deberán primero de repetir un problema solucionado por los profesores y después solucionar uno similar al primero . Mientras que el Caso de Estudio, resuelto en grupos y en horas básicamente de autoaprendizaje, sirve para poner en práctica los conocimientos, destrezas y competencias en la resolución de un caso real de ADEI.

Método de evaluación

La evaluación de la asignatura integra las tres fases de aprendizaje descritas: conocimientos, destrezas y competencias.
Los conocimientos se evalúan mediante dos examenes cortos realizados en la mitad y la última semana del curso. En caso de suspender este examen, el alumno podrá repetirlo como examen final. (Nota T). Para aprobar la asignatura, es obligatorio presentarse a los 2 exámenes y obtener una calificación mínima de media un 3 entre ambos. De lo contrario, no se podrá aprobar la asignatura.

Las destrezas se evaluarán a partir de la entrega entre 2 y 5 prácticas del curso. Los bloques 2 a 5 definen las prácticas. El alumno deberá realizar las prácticas de forma individual o en grupos de dos. Su promedio dara la Nota L.
El Caso de Estudio como conjunto se evaluará a partir de su presentación oral (nota P). Es en el informe del caso de estudio que se evaluarán las competenecies transversales. En cualquier casola presentación del caso de estudio es obligatoria.

La nota de la asignatura se obtendrá por ponderación de las tres notas: Nota Final = 0.4P + 0.3T + 0.3L.

Las competencias transversales se evaluarán en la escala: Deficiente, Regular, Bien y Muy bien (D,C,B y A).
Para evaluar la competencia sobre Inglés, se pedirá que el informe sobre el Caso de Estudio esté redactado en inglés y que a comienzos del su presentación, se haga una síntesis del mismo en lengua inglesa. En cuanto a la capacidad de razonamiento, se evaluará a partir de las respuestas dadas a raíz del Caso de Estudio presentado.

Bibliografía

Básica:

Web links

Capacidades previas

Los alumnos deben haber cursado un curso de probabilidad y estadística y un curso sobre empresa y entorno económico