Competencias y objetivos

 

Contexto de la asignatura para el curso 2025-26

La asignatura Adquisición y Preparación de datos se cursa durante el primer cuatrimestre del tercer curso del Grado en Ingeniería en Inteligencia Artificial. Es recomendable haber superado previamente la asignatura "Fundamentos de las Bases de Datos para la Inteligencia Artificial". Para Procesamiento Masivo de Datos y Visualización se recomienda haber superado previamente esta asignatura.


Esta asignatura introduce diferentes aproximaciones de la curación de datos y ciclo de vida del dato, centradas en los procesos de adquisición y preparación de los datos. En un primer paso, la adquisición como el proceso por el cual se recopila información de diversas fuentes y después la preparación, proceso meticuloso que abarca transformación y organización de los datos. La curación de datos es esencial para garantizar que los datos sean confiables, útiles y relevantes. Esto es especialmente importante en el contexto de la Inteligencia Artificial, donde la calidad de los datos influye directamente en el rendimiento y la fiabilidad de los modelos de IA. De esta forma se garantiza que los algoritmos puedan identificar patrones relevantes, más precisos y generar resultados confiables.

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2025-26

Competencias Transversales

  • CT01 : Utilizar de forma habitual las herramientas informáticas, así como las tecnologías de la información y las comunicaciones, en todo su desempeño profesional.
  • CT02 : Comunicar de forma oral y escrita transmitiendo información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

Competencias Generales

  • CG1 : Analizar, diseñar, implementar e implantar soluciones completas de inteligencia artificial utilizando las infraestructuras, tecnologías, métodos, herramientas y plataformas adecuadas a cada problema
  • CG4 : Obtener soluciones eficientes, óptimas y/o probables aplicando los principios propios de la ingeniería y el método científico, describiendo de forma adecuada el problema y realizando una evaluación sólida de la propuesta.
  • CG8 : Concebir, desarrollar e implantar sistemas de inteligencia artificial teniendo en cuenta aspectos de calidad y seguridad, dentro del marco normativo, además de atender a criterios medioambientales y de uso racional, ético y eficiente de recursos e información

 

Competencias Específicas

  • CE19 : Seleccionar e implementar las principales técnicas de adquisición y transformación de la información en el ámbito de la inteligencia artificial.

 

Competencias Básicas

  • CB2 : Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

1. Reconocer las diversas fases del ciclo de vida del dato y su aplicación al ámbito de la inteligencia artificial.

2. Descubrir fuentes de datos útiles en el ámbito de la inteligencia artificial a partir de unas necesidades concretas.

3. Desarrollar procesos de raspado web (scraping) para extraer datos estructurados que se encuentran embebidos en sitios web.

4. Usar APIs de terceros para adquirir datos de fuentes de diversa naturaleza como, por ejemplo, redes sociales, portales de datos abiertos o sensores de redes IoT.

5. Diseñar e implementar procesos de integración que permitan preparar datos heterogéneos para el posterior uso de técnicas de inteligencia artificial.

6. Diferenciar diversas técnicas de almacenamiento de datos masivos y describir sus principales beneficios en el ámbito de la inteligencia artificial.

 

 

Objetivos específicos indicados por el profesorado para el curso 2025-26

1. Reconocer las diversas fases del ciclo de vida del dato y su aplicación al ámbito de la inteligencia artificial.
2. Descubrir fuentes de datos útiles en el ámbito de la inteligencia artificial a partir de unas necesidades concretas.
3. Desarrollar procesos de raspado web (scraping) para extraer datos estructurados que se encuentran embebidos en sitios web.
4. Usar APIs de terceros para adquirir datos de fuentes de diversa naturaleza como, por ejemplo, redes sociales, portales de datos abiertos o sensores de redes IoT.
5. Diseñar e implementar procesos de integración que permitan preparar datos heterogéneos para el posterior uso de técnicas de inteligencia artificial.
6. Diferenciar diversas técnicas de almacenamiento de datos masivos y describir sus principales beneficios en el ámbito de la inteligencia artificial.

 

 

Datos generales

Código: 33671
Profesor/a responsable:
Trujillo Mondejar, Juan Carlos
Crdts. ECTS: 6,00
Créditos teóricos: 1,20
Créditos prácticos: 1,20
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: Lenguajes y Sistemas Informáticos
    Área: LENGUAJES Y SISTEMAS INFORMATICOS
    Créditos teóricos: 1,2
    Créditos prácticos: 1,2
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte