Competències i objectius

Informació provisional. Pendent d'aprovació per la Junta de Centre.

 

Context de l'assignatura per al curs 2025-26

El análisis de datos y la aplicación de Inteligencia Artificial (IA) se han convertido en un componente esencial para la mayoría de organizaciones. La implementación efectiva de estas metodologías exige el procesamiento de grandes volúmenes de datos heterogéneos, asegurando su calidad a lo largo del proceso. Sin un procesamiento adecuado, resulta imposible aprovechar la información disponible para generar valor y ofrecer nuevos servicios. De igual forma, la ausencia de mecanismos de control de calidad sobre los datos compromete la precisión y la confiabilidad de los modelos analíticos y de aprendizaje automático. Datos incompletos, inconsistentes o sesgados pueden derivar en interpretaciones erróneas y, en consecuencia, en el fracaso de las soluciones fundamentadas en IA.

El objetivo de esta asignatura es conocer y aplicar las técnicas para el procesamiento eficiente y escalable de datos. Se abordarán aspectos clave como el almacenamiento, la transformación y la explotación de los datos, así como la evaluación sistemática de su calidad para asegurar su idoneidad en los procesos analíticos y de IA. También se explorarán herramientas y técnicas de visualización de datos que permitan facilitar su interpretación, detectar patrones y comunicar resultados de forma clara y comprensible, contribuyendo así a la toma de decisiones informadas en distintos ámbitos profesionales.

 

 

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
  • CG5 : Comunicar de manera clara i precisa coneixements, metodologies, idees, problemes i solucions en l'àmbit de la intel·ligència artificial
  • CG6 : Concebre, desenvolupar i aplicar sistemes d'intel·ligència artificial per a millorar els sectors productius i la societat actual, determinant la seua idoneïtat i àmbit d'aplicació
  • 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

  • CE20 : Dissenyar i implementar mètodes per al processament, anàlisi i visualització de grans volums de dades de manera eficient.

 

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
  • CB4 : Que els estudiants puguen transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat

 

 

 

Resultats d'aprenentatge (Objectius formatius)

Sense dades

 

 

Objectius específics indicats pel professorat per al curs 2025-26

1. Implementar procesos de extracción, transformación y carga para el procesamiento paralelo y eficiente de datos.
2. Implementar consultas sobre almacenes de datos distribuidos para la búsqueda en grandes volúmenes de datos.
3. Desplegar sistemas de big data para el almacenamiento y lectura de grandes volúmenes de datos.
4. Listar las dimensiones relevantes de calidad de datos y sus métricas asociadas para los entornos de inteligencia artificial.
5. Listar al menos tres métodos para reducir la dimensionalidad de un conjunto de datos.
6. Generar visualizaciones estáticas e interactivas, complementadas con narrativas adecuadas, para apoyar la exploración y el análisis de datos y la toma de decisiones.

 

 

Dades generals

Codi: 33676
Professor/a responsable:
Mate Morga, Alejandro
Crèdits ECTS: 6,00
Crèdits teòrics: 1,20
Crèdits pràctics: 1,20
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: LLENGUATGES I SISTEMES INFORMATICS
    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