Proyecto de Explotación de la Información (PEI)

-

Conocimientos

1. Proporcionar un conocimiento general del papel de los datos, la información y el conocimiento en los procesos empresariales.
2. Planificación y diseño de un proceso de explotación de la información.
3. Integración de técnicas de gestión de la información, técnicas cuantitativas y técnicas cualitativas de tratamiento de la información y del conocimiento.
4. Introducir al estudiante en la utilización tanto de funciones matemáticas como de modelos de conocimiento para el modelado de relaciones de variables de negocio en el ámbito empresarial.
5. Concepción de sistemas de presentación de resultados.
6. Conocer proyectos empresariales y herramientas de explotación de la información y extracción del conocimiento.
7. Conocimiento y utilización de herramientas específicas de programación.

Habilidades

1. Identificar situaciones empresariales de explotación de la información y extracción del conocimiento.
2. Identificar las técnicas cuantitativas (estadísticas, de investigación operativa y/o informáticas) y las cualitativas (de inteligencia artificial, de aprendizaje inductivo y de minería de datos) más apropiadas al problema a resolver.
3. Desarrollar mecanismos de confianza y de competencia en términos de métodos analíticos cuantitativos y/o métodos inductivos cualitativos de apoyo a la toma de decisiones.
4. Implementar sistemas informáticos de recogida de datos.
5. Implementación y/o integración de componentes de software de tratamiento de la información.
6. Saber determinar la mejor forma de interacción con el usuario.
7. Documentación de todas las fases del proyecto.
8. Presentación gráfica de resultados.
9. Planificación y temporalización del proyecto y metas a lograr.

Competencias

1. Trabajo en equipo.
2. Capacidad de resolución de problemas cuantitativos y/o cualitativos en un contexto empresarial, para el apoyo a la toma de decisiones.
3. Redacción de informes y defensa oral de los mismos.
4. Capacidad integradora de las herramientas y resultados de un sistema de explotación de la información y de extracción del conocimiento.

Descripción

Los proyectos propuestos a los estudiantes tienen las siguientes características:

- Se proponen diferentes proyectos empresariales de explotación de la información y del conocimiento. Todos ellos permiten una solución mínima, pero de complejidad creciente según la motivación de los estudiantes.

- El proyecto comporta la integración de diferentes componentes.

- El proyecto tiene un fuerte componente de estructuras de datos, algorítmico y de tratamiento estadístico y/o de investigación operativa, así como de técnicas de minería de datos y/o de inteligencia artificial.

- El objetivo del estudiante es realizar un sistema completo de explotación de la información y de extracción de conocimiento, comprendiendo todas sus fases.

- Para su implementación, se fomentará el trabajo en equipo de varias personas y la aportación de componentes a otros proyectos.



El sistema de trabajo será el siguiente:



- Los estudiantes se organizan en grupos de hasta un máximo de 4 personas.

- Cada grupo tendrá un profesor tutor asignado.

- Habrá un mínimo de 4 enunciados diferentes cada cuatrimestre. Cada grupo deberá escoger un problema para su resolución o negociar con el/los profesor/es su propia propuesta.

- Dentro de cada grupo, un estudiante y tan sólo uno será el responsable de cada parte integrante del proyecto.

Plan de desarrollo

La primera semana del curso se destinará a la presentación de los proyectos y a la constitución de los grupos de trabajo.Cada grupo deberá formalizar la temporalización de su proyecto. El momento de las entregas viene definida en esta temporalización.

Las entregas previstas son las siguientes:



- Primera entrega: Informe de definición del proyecto: proyecto escogido, componentes del proyecto, responsable de cada componente y temporalización. Explicación del problema a resolver y de los requisitos de usuario y técnicos del programa. Se entregará un enunciado ampliado en lenguaje natural, una descripción detallada de las funcionalidades a desarrollar, un modelo del dominio del problema y la lista de requisitos no funcionales del programa.



- Segunda entrega: Especificación, diseño y análisis del proyecto global y de cada uno de sus componentes. Con objeto de evitar la repetición de trabajo, creemos interesante hacer primero el análisis de la adecuación de la especificación a los objetivos propuestos previa a la entrega del diseño definitivo. Esto implicará, en consecuencia, un desdoblamiento de la entrega en dos partes:

a) Especificación del proyecto global y de cada uno de sus componentes. Habrá una sesión específica de evaluación preliminar.

b) Diseño y análisis del proyecto global y de cada uno de sus componentes.



- Tercera entrega: Informe de mitad de ejecución del proyecto.



- Cuarta entrega: Informe final del proyecto. La presentación consiste en una presentación pública de cada grupo de aproximadamente una hora de duración, en la cual los estudiantes hacen una "demo" de su sistema y responden a las posibles preguntas del tutor.

El aprendizaje se hará por grupos, siguiendo la metodología de los casos, a partir de una lista de proyectos propuestos. Por otra parte la asignatura fomentará el contacto con las empresas punteras con proyectos importantes de explotación de la información: TSS, AIS, LCFIB, TNS, Aleasoft, ...

Las clases de teoría sirven para presentar los contenidos generales de la asignatura, las explicaciones sobre los enunciados del proyecto, la metodología general a seguir en cada etapa, las diferentes opciones de resolución y el material que hace falta incluir en cada entrega.



Con respecto a las clases de laboratorio sirven para que el profesor presente brevemente las notaciones, lenguajes, librerías y herramientas a utilizar. En la mayoría de clases de laboratorio no es el profesor quien lleva la iniciativa; son unas horas que cada grupo de proyecto puede usar para trabajar en común o bien para consultar dudas con el profesor y recibir comentarios sobre las entregas anteriores.

Dado que se trata de una asignatura de proyecto, una parte importante del trabajo corresponde a la propia autogestión de los estudiantes en cada grupo, fuera de horas de clase regladas.

La evaluación se hará a partir de los cuatro entregas según las siguientes ponderaciones:

Entrega 1 (Definición y diseño global del sistema): 10%

Entrega 2 (Especificaciones y análisis de cada componente): 15%

Entrega 3 (Mid-term report): 15%

Entrega 4 (Final): 60%



Estas entregas se distribuirán de forma equilibrada en el tiempo, a lo largo del cuatrimestre, de forma que garanticen un desarrollo adecuado del proyecto.



La evaluación del proyecto tendrá en cuenta tanto la aportación individual del estudiante como los resultados de su grupo, lo que se reflejará en la nota de cada estudiante. La nota final del grupo (NG) se calculará aplicando los porcentajes mencionados para cada entrega. La nota de participación del estudiante (NE) tendrá en cuenta las diferentes fases del proyecto por lo que respecta a las tareas asignadas al estudiante. La nota final de la asignatura para cada estudiante será



N = 0.5*NG + 0.5*NE.



En el informe final se evalúa por una parte el logro de los objetivos previstos, hasta qué punto el sistema es completo y funciona correctamente y también la calidad del trabajo realizado, de cada una de sus componentes, del diseño efectuado, de la codificación, de la interficie, la presentación de los resultados y la existencia de documentación de usuario y técnica suficiente del proyecto.

• Dewhurst, F. Quantitative Methods for Business and Management, McGraw-Hill, 2002.
• Vasant Dhar, Roger Stein Intelligent decision support methods : the science of knowledge work, Prentice Hall, 1997.
• George M. Marakas Decision support systems in the 21st century, Pearson Education, 2003.
• Clare Morris Quantitative approaches in business studies, Prentice Hall-Financial Times, 2003.
• James A. Senn Information technology : principles, practices, and opportunities, Pearson Prentice Hall, 2004.

• Jon Curwin and Roger Slater Quantitative methods for business decisions, Thomson, 2002.
• Vasant Dhar, Roger Stein Seven methods for transforming corporate data into business intelligence, Prentice-Hall,, 1997.
• Usama M. Fayyad ... [et al.], [editors] Advances in knowledge discovery & data mining, AAA/MIT Press, 1996.
• Michel R. Klein, Leif B. Methlie Knowledge-based decision support systems with applications in business, John Wiley & Sons, 1995.
• Tom M. Mitchell Machine learning, The McGraw-Hill Companies, 1997.
• Ian H. Witten, Eibe Frank Data mining : practical machine learning tools and techniques with java implementations, Morgan Kaufmann Publishers, 1999.

1. http://stats.gla.ac.uk
   



2. http://www.idescat.es
   



3. http://www.europa.eu.int/comm/eurostat
   



4. http://www.ics.uci.edu/~mlearn/MLRepository.html
   



5. http://www.scd.ucar.edu/hps/GROUPS/dm/dm.html
   



6. http://www.cacs.louisiana.edu/~arlab/repos/sortedSites.html
   



7. http://www.cs.waikato.ac.nz/~ml/
   



8. http://www.r-project.org/
   

Para seguir la asignatura es conveniente que el estudiante haya adquirido una serie de conceptos, en particular:

- Conocimiento de los mecanismos de estructuración de la información. Capacidad para usar y programar estructuras de datos (tablas, estructuras lineales, diccionarios, etc.).
- Diseño de sistemas informáticos.
- Métodos de tratamiento de la Información y de extracción del Conocimiento (Minería de Datos, Aprendizaje automático, Previsiones, Modelos de la Investigación Operativa, Simulación, ...).