Competencies and objectives

 

Course context for academic year 2022-23

Podemos considerar como minería de textos cualquier proceso automático cuyo fin sea extraer información relevante y no explícita de documentos escritos en lenguaje natural. La minería de textos guarda una estrecha relación con el procesamiento del lenguaje natural, disciplina casi tan antigua como la informática misma, que a su vez tiene relación con disciplinas como la lingüística, la computación o la inteligencia artificial. Esta asignatura explora tanto desde la perspectiva simbólica como del aprendizaje automático las técnicas y métodos actuales de recuperación y extracción de información a partir de grandes corpus de textos, así como algunas de sus aplicaciones más relevantes.

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees)

Transversal Competences

  • CT1 : Ser capaz de liderar proyectos relacionados con la Ciencia de Datos, así como dirigir equipos de trabajo
  • CT2 : Mostrar competencias informáticas e informacionales en el ámbito de la ciencia de datos.
  • CT3 : Reunir competencias en comunicación oral y escrita.

 

General Competences

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la ciencia de datos.
  • CG10 : 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.
  • CG11 : Ser capaz de utilizar los principios de ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la ciencia de datos.
  • CG12 : Ser capaz de desarrollar experimentos, procesos, instrumentos, sistemas, infraestructuras durante todo el ciclo de vida de los datos.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la ciencia de datos.
  • CG3 : Saber desenvolverse en contextos multidisciplinares y/o internacionales aportando soluciones desde el punto de vista de la ciencia de datos.
  • CG4 : Conocer y aplicar en cada situación las responsabilidades sociales, éticas y legales vinculadas a la aplicación de los conocimientos de la ciencia de datos.
  • CG5 : Saber gestionar la información y los recursos disponibles relacionados con ciencia de datos.
  • CG6 : Ser capaz de adaptarse a entornos relacionados con la ciencia de datos, fomentando el trabajo en equipo, la creatividad, la capacidad crítica y el espíritu emprendedor.
  • CG7 : Ser capaz de adaptarse al ambiente cambiante propio de la disciplina y de comprender y aplicar los nuevos avances técnicocientíficos relacionados con la ciencia de datos.
  • CG8 : Saber proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la ciencia de datos, teniendo en cuenta aspectos técnicos, económicos y de eficiencia.
  • CG9 : Saber dirigir proyectos relacionados con la ciencia de datos, cumpliendo la normativa vigente y asegurando la calidad del servicio.

 

Specific Competences

  • CE1 : Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado, no supervisado o reforzado).
  • CE2 : Identificar y utilizar técnicas avanzadas de minería de datos y minería de textos.
  • CE7 : Determinar y utilizar métodos efectivos de visualización y narración para crear paneles de control e informes de análisis de datos.
  • CE8 : Analizar y utilizar métodos de procesamiento de lenguaje natural.

 

Basic Competences

  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • CB6 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB8 : Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

 

 

 

Learning outcomes (Training objectives)

No data

 

 

Specific objectives stated by the academic staff for academic year 2022-23

No data

 

 

;

General

Code: 43459
Lecturer responsible:
PEREZ ORTIZ, JUAN ANTONIO
Credits ECTS: 6,00
Theoretical credits: 1,20
Practical credits: 1,20
Distance-base hours: 3,60

Departments involved

  • Dept: LANGUAGES AND COMPUTING SYSTEMS
    Area: LANGUAGES AND COMPUTING SYSTEMS
    Theoretical credits: 1,2
    Practical credits: 1,2
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught