Análisis de Datos Masivos

Créditos
4.5
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
URV;CS
El análisis de datos masivas está afectando a muchas áreas de la ciencia, la ingeniería y la industria; planteando nuevos retos que abarcan desde el análisis de datos meteorológicos hasta la modelización de patrones de tráfico en el procesamiento de millones de clientes en línea. Para hacer frente a estos retos, hay que tener la formación para almacenar, gestionar, procesar y analizar datos de esta magnitud. La complejidad de los datos requiere nuevas técnicas analíticas potentes y diseñadas a tal efecto.

Profesorado

Responsable

  • Antonio Moreno Ribas (antonio.moreno@urv.cat)

Otros

  • Monir Yahya Ali Salmony (moniryahyaali.salmony@urv.cat)

Horas semanales

Teoría
2
Problemas
0
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
0

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG3 - Capacidad para la modelización, cálculo, simulación, desarrollo e implantación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Inteligencia Artificial.

    • Competencias Técnicas de cada especialidad

    Académicas

  • CEA8 - Capacidad de realizar investigación en nuevas técnicas, metodologías, arquitecturas, servicios o sistemas en el área de la Inteligencia Artificial.

    • Profesionales

  • CEP1 - Capacidad de resolver las necesidades de analisis de la informacion de las diferentes organizaciones, identificando las fuentes de incertidumbre y variabilidad.

    • Competencias Transversales

    Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

    • Razonamiento

  • CT6 - Capacidad de evaluar y analizar de manera razonada y critica sobre situaciones, proyectos, propuestas, informes y estudios de caracter cientifico-tecnico. Capacidad de argumentar las razones que explican o justifican tales situaciones, propuestas, etc.

    • Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

    • Básicas

  • CB6 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

    • Objetivos

    1. Entender la problemática de los datos masivos.
      Competencias relacionadas: CEA8, CG3, CEP1, CT6, CT7, CB6,
    2. Capacidad de análisis de grandes volúmenes de datos.
      Competencias relacionadas: CEA8, CG3, CEP1, CT3, CT6, CT7, CB6,

    Contenidos

    1. Introducción
      Contexto de datos masivos
    2. Recogida de datos
      El problema de la recogida de grandes volumnes de datos.
    3. Almacenamiento de datos.
      Cómo almacenar y acceder a grandes volúmenes de datos.
    4. Exploración de datos
      Cómo exploramos los datos.
    5. Pre-procesamiento de datos.
      Cómo pre-procesar grandes volúmenes de datos.
    6. De los datos a los modelos.
      Cómo modelizar los datos.

    Actividades

    Actividad Acto evaluativo


    Clases presenciales

    Explicaciones en pizarra.
    • Teoría: Teoria

    Contenidos:
    Teoría
    16h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Examen

    Examen
    Objetivos: 1 2
    Semana: 10
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Laboratorios de prácticas



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

    Metodología docente

    Explicaciones y fondo bibliográfico.

    Método de evaluación

    Evaluación continua de temas.

    Tema 2: 20%
    Tema 3: 20%
    Tema 4: 20%
    Tema 5: 40%