Competències i objectius

 

Context de l'assignatura per al curs 2025-26

L'assignatura Adquisició i Preparació de dades es cursa durant el primer quadrimestre del tercer curs del Grau en Enginyeria en Intel·ligència Artificial. És recomanable haver superat prèviament l'assignatura "Fonaments de les Bases de dades per a la Intel·ligència Artificial". Per a Processament Massiu de Dades i Visualització es recomana haver superat prèviament aquesta assignatura.


Aquesta assignatura introdueix diferents aproximacions de la curació de dades i cicle de vida de la dada, centrades en els processos d'adquisició i preparació de les dades. En un primer pas, l'adquisició com el procés pel qual es recopila informació de diverses fonts i després la preparació, procés meticulós que abasta transformació i organització de les dades. La curació de dades és essencial per a garantir que les dades siguen de confiança, útils i rellevants. Això és especialment important en el context de la Intel·ligència Artificial, on la qualitat de les dades influeix directament en el rendiment i la fiabilitat dels models de IA. D'aquesta forma es garanteix que els algorismes puguen identificar patrons rellevants, més precisos i generar resultats de confiança.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2025-26

Competències transversals

  • CT01 : Utilitzar de manera habitual les eines informàtiques, així com les tecnologies de la informació i les comunicacions, en tot el seu acompliment professional.
  • CT02 : Comunicar de manera oral i escrita transmetent informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

 

Competències generals

  • CG1 : Analitzar, dissenyar, implementar i implantar solucions completes d'intel·ligència artificial utilitzant les infraestructures, tecnologies, mètodes, eines i plataformes adequades a cada problema
  • CG4 : Obtindre solucions eficients, òptimes i/o probables aplicant els principis propis de l'enginyeria i el mètode científic, descrivint de forma adequada el problema i realitzant una avaluació sòlida de la proposta
  • CG8 : Concebre, desenvolupar i implantar sistemes d'intel·ligència artificial tenint en compte aspectes de qualitat i seguretat, dins del marc normatiu, a més d'atendre criteris mediambientals i d'ús racional, ètic i eficient de recursos i informacióndas

 

Competències Específiques

  • CE19 : Seleccionar i implementar les principals tècniques d'adquisició i transformació de la informació en l'àmbit de la intel·ligència artificial.

 

Competències bàsiques

  • CB2 : Que els estudiants sàpien aplicar els seus coneixements al seu treball o vocació d'una forma professional i posseïsquen les competències que solen #demostrar per mitjà de l'elaboració i defensa d'arguments i la resolució de problemes dins de la seua àrea d'estudi

 

 

 

Resultats d'aprenentatge (Objectius formatius)

1. Reconéixer les diverses fases del cicle de vida de la dada i la seua aplicació a l'àmbit de la intel·ligència artificial.

2. Descobrir fonts de dades útils en l'àmbit de la intel·ligència artificial a partir d'unes necessitats concretes.

3. Desenvolupar processos de raspat web (scraping) per a extraure dades estructurades que es troben embeguts en llocs web.

4. Usar APIs de tercers per a adquirir dades de fonts de diversa naturalesa com, per exemple, xarxes socials, portals de dades obertes o sensors de xarxes IoT.

5. Dissenyar i implementar processos d'integració que permeten preparar dades heterogènies per al posterior ús de tècniques d'intel·ligència artificial.

6. Diferenciar diverses tècniques d'emmagatzematge de dades massives i descriure els seus principals beneficis en l'àmbit de la intel·ligència artificial.

 

 

Objectius específics indicats pel professorat per al curs 2025-26

1. Reconéixer les diverses fases del cicle de vida de la dada i la seua aplicació a l'àmbit de la intel·ligència artificial.
2. Descobrir fonts de dades útils en l'àmbit de la intel·ligència artificial a partir d'unes necessitats concretes.
3. Desenvolupar processos de raspat web (scraping) per a extraure dades estructurades que es troben embeguts en llocs web.
4. Usar APIs de tercers per a adquirir dades de fonts de diversa naturalesa com, per exemple, xarxes socials, portals de dades obertes o sensors de xarxes IoT.
5. Dissenyar i implementar processos d'integració que permeten preparar dades heterogènies per al posterior ús de tècniques d'intel·ligència artificial.
6. Diferenciar diverses tècniques d'emmagatzematge de dades massives i descriure els seus principals beneficis en l'àmbit de la intel·ligència artificial.

 

 

Dades generals

Codi: 33671
Professor/a responsable:
Trujillo Mondejar, Juan Carlos
Crèdits ECTS: 6,00
Crèdits teòrics: 1,20
Crèdits pràctics: 1,20
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: Llenguatges i Sistemes Informàtics
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 1,2
    Crèdits pràctics: 1,2
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix