Competencias y objetivos

 

Contexto de la asignatura para el curso 2026-27

La asignatura Preproceso, Recolección y Visualización de datos se enmarca dentro del contexto de la ciencia de los datos en su aspecto más práctico, como es la obtención, procesado y visualización de los datos. Se pretende que el estudiante sea capaz de manejar técnicas para la selección y extracción de datos, así como la aplicación de métodos para el pre-proceso y la integración de datos. Por último, la visualización de los datos constituye un aspecto esencial hoy día en la transmisión de la información. 

 

 

Resultados de aprendizaje / Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2026-27

Habilidades/ Destrezas

  • HAB1 : Saber aplicar los conocimientos adquiridos para resolver problemas reales en entornos nuevos o multidisciplinares relacionados con su área de estudio, y que posean las habilidades de aprendizaje necesarias para continuar estudiando de forma autodirigida y autónoma.
  • HAB2 : Aplicar los conocimientos adquiridos en ciencia de datos para resolver problemas reales, desarrollándose eficazmente en contextos multidisciplinares e internacionales, gestionando la información y los recursos disponibles, y demostrando competencias informáticas e informacionales propias del ámbito.
  • HAB6 : Utilizar y manejar eficazmente las infraestructuras y servicios big data para soportar y realizar toma de decisiones basadas en datos.
  • HAB8 : Manejar y aplicar las herramientas informáticas e informacionales de cálculo numérico, optimización, simulación, visualización gráfica u otras para experimentar y resolver problemas.

 

Conocimientos/Contenidos

  • CON1 : Poseer y comprender conocimientos que permitan la originalidad en el desarrollo y aplicación de ideas, en un contexto de investigación, integrando siempre las responsabilidades sociales, éticas y legales vinculadas a la aplicación de los conocimientos en ciencia de datos.
  • CON2 : Saber dirigir, proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la ciencia de datos, asegurando la calidad del servicio y cumpliendo la normativa vigente, así como considerando aspectos técnicos, económicos y de eficiencia.
  • CON3 : Saber utilizar técnicas de la ciencia de datos para obtener nuevas relaciones y brindar información sobre problemas de investigación o procesos organizativos y respaldar la toma de decisiones.
  • CON4 : Adquirir las habilidades, estrategias y procedimientos para saber actuar con ética y responsabilidad en la búsqueda de soluciones que fomenten el desarrollo sostenible, la igualdad de género, la no discriminación, la inclusión, la justicia, la paz y la equidad social.
  • CON6 : Determinar métricas para la evaluación y validación de análisis de datos.
  • CON7 : Determinar y utilizar métodos efectivos de visualización y narración para crear paneles de control e informes de análisis de datos.

 

Capacidades/Competencias

  • CC1 : Ser capaz de integrar conocimientos y formular juicios en contextos complejos con información incompleta o limitada, considerando las implicaciones sociales y éticas, comunicar de forma clara sus conclusiones y fundamentos a públicos especializados y no especializados, y desarrollar un aprendizaje autodirigido y autónomo en temas relacionados con la ciencia de datos.
  • CC2 : Ser capaz de adaptarse a entornos cambiantes propios de la ciencia de datos, fomentando el trabajo en equipo, la creatividad, la capacidad crítica y el espíritu emprendedor, así como comprendiendo y aplicando los avances técnico-científicos de la disciplina.
  • CC4 : Ser capaz de liderar proyectos y equipos de trabajo en Ciencia de Datos, reuniendo competencias efectivas en comunicación oral y escrita.
  • CC5 : Adoptar valores de sostenibilidad y equidad social, apoyando la igualdad de mujeres y hombres, la eliminación de toda práctica discriminatoria, la inclusión social, la justicia, la paz y los principios y valores democráticos y de los derechos humanos.
  • CC6 : Alcanzar una comprensión crítica de la complejidad de los retos y problemas socioambientales, incluidas las raíces de las desigualdades de género, de las situaciones de discriminación y exclusión social, de las amenazas a la paz y a la consecución de los derechos humanos, así como de los desafíos medioambientales.
  • CC8 : Diseñar y utilizar algoritmos eficientes para acceder y analizar grandes cantidades de datos, y conocer el manejo de APIs para la interconexión de bases de datos y colecciones de datos heterogéneos.
  • CC9 : Diseñar y utilizar sistemas para la recopilación de datos (pasiva y activa) orientados a la prueba de hipótesis y resolución de problemas, así como emplear métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.

 

 

 

Resultados de aprendizaje (Objetivos formativos)

 

Manejar técnicas para la selección y extracción de datos.
Aplicar métodos para el pre-proceso y la integración de datos.
Utilizar técnicas: librerías y algoritmos de visualización de datos.
  • Manejar técnicas para la selección y extracción de datos.
  • Aplicar métodos para el pre-proceso y la integración de datos.
  • Utilizar técnicas: librerías y algoritmos de visualización de datos.

 

 

 

Objetivos específicos indicados por el profesorado para el curso 2026-27

Los objetivos fundamentales se resumen en:

Manejar técnicas para la selección y extracción de datos.

Aplicar métodos para el pre-proceso y la integración de datos.

Utilizar diferentes técnicas para la visualización de datos de distintos tipos y fuentes.

 

 

Datos generales

Código: 43460
Profesor/a responsable:
Tortosa Grau, Leandro
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 Informáticos
    Créditos teóricos: 0,6
    Créditos prácticos: 0,6
  • Dep.: Ciencia de la Computación e Inteligencia Artificial
    Área: Ciencia de la Computación, Inteligencia Artificial
    Créditos teóricos: 0,6
    Créditos prácticos: 0,6
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte