Ir a cuerpo Ir a Estudios, Gobernanza y organización
Logo UA
Realizar búsqueda
Guies docents
EXPLOTACIÓ DE LA INFORMACIÓ

Competències i objectius

 

Context de l'assignatura per al curs 2019-20

La asignatura “Explotación de la Información” es optativa y de duración semestral, con una carga docente de 6 créditos ECTS, repartidos entre 3 créditos de teoría y 3 de prácticas. Se imparte en el segundo semestre del tercer curso del Grado en Ingeniería Informática, y se incluye en el módulo de computación.

La asignatura no tiene dependencias con otras asignaturas del Grado en Ingeniería Informática.

Es una asignatura que muestra la importancia para una empresa de la explotación, análisis y uso adecuado de la información desestructurada como es la que aparece en la Web, en las redes sociales, en los e-mails de la empresa y los documentos internos (actualmente alrededor del 70% de la información de una empresa).

Se estudiarán los tópicos que se referencian en esta oferta de trabajo de Google:

Big-O notations also known as "the run time characteristic of an algorithm".  You may want to refresh hash tables, heaps, binary trees, linked lists, depth-first search, recursion.

Coding: You should know at least one programming language really well, and it should preferably be C++ or Java. C# is OK too, since it's pretty similar to Java. You will be expected to write some code in at least some of your interviews. You will be expected to know a fair amount of detail about your favorite programming language.

Hashtables: Arguably the single most important data structure known to mankind. You absolutely should know how they work. Be able to implement one using only arrays in your favorite language, in about the space of one interview.

Trees: Know about trees; basic tree construction, traversal and manipulation algorithms. Familiarize yourself with binary trees, n-ary trees, and trie-trees. Be familiar with at least one type of balanced binary tree, whether it's a red/black tree, a splay tree or an AVL tree, and know how it's implemented. Understand tree traversal

Graphs: Graphs are really important at Google. There are 3 basic ways to represent a graph in memory (objects and pointers, matrix, and adjacency list); familiarize yourself with each representation and its pros & cons. You should know the basic graph traversal algorithms: breadth-first search and depth-first search. Know their computational complexity, their tradeoffs, and how to implement them in real code. If you get a chance, try to study up on fancier algorithms, such as Dijkstra and A*.

Other Data Structures: You should study up on as many other data structures and algorithms as possible. You should especially know about the most famous classes of NP-complete problems, such as traveling salesman and the knapsack problem, and be able to recognize them when an interviewer asks you them in disguise. Find out whatNP-complete means.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)

Competències específiques (tecnologia específica):>>Computació

  • CEC1 : Capacitat per a tenir un coneixement profund dels principis fonamentals i models de la computació i saber-los aplicar per a interpretar, seleccionar, valorar, modelar, i crear nous conceptes, teories, usos i desenvolupaments tecnològics relacionats amb la informàtica.
  • CEC4 : Capacitat per a conèixer els fonaments, paradigmes i tècniques pròpies dels sistemes intel·ligents i analitzar, dissenyar i construir sistemes, serveis i aplicacions informàtiques que utilitzen aquestes tècniques en qualsevol àmbit d'aplicació.
  • CEC5 : Capacitat per a adquirir, obtenir, formalitzar i representar el coneixement humà en una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
  • CEC7 : Capacitat per a conèixer i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzen, incloent-hi les dedicades a l'extracció automàtica d'informació i coneixement a partir de grans volums de dades.

 

Competències Bàsiques

  • CB3 : Que els estudiants tinguen la capacitat de reunir i interpretar dades rellevants (normalment dins de la seua àrea d'estudi) per a emetre judicis que incloguen una reflexió sobre temes rellevants d'índole social, científica o ètica

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Capacitat per a dirigir les activitats dels projectes de l'àmbit de la informàtica, d'acord amb els coneixements adquirits segons la planificació dels ensenyaments.
  • Capacitat per a definir, avaluar i seleccionar plataformes de maquinari i programari per a desenvolupar i executar sistemes, aplicacions i serveis informàtics, d'acord amb els coneixements adquirits segons la planificació dels ensenyaments.
  • Capacitat per a concebre i desenvolupar arquitectures o sistemes informàtics centralitzats o distribuïts, integrant maquinari, programari i xarxes, d'acord amb els coneixements adquirits segons la planificació dels ensenyaments. 
  • Coneixement de les matèries bàsiques i tecnologies que capaciten per a aprendre i desenvolupar nous mètodes i tecnologies, a més de les que donen versatilitat per a adaptar-se a noves situacions.

 

 

Objectius específics indicats pel professorat per al curs 2019-20

Que el alumno conozca:

- Tipos de información: estructurada (bases de datos) vs. desestructurada (textual, vídeo, imágenes, sonido, etc.)
- Las diferentes formas de representación, almacenado y acceso de la información.
- Concepto y tipos de minería de datos.
- Las aplicaciones de minería de datos desestructurados más importantes en la actualidad: recuperación, extracción y clasificación de información.
- La arquitectura tradicional de las aplicaciones de minería de datos desestructurados.
- Los tipos de datos habituales utilizados en las aplicaciones de minería de datos desestructurados, sus representaciones más comunes, su eficiencia y su utilidad.
- Las técnicas de aprendizaje automático computacional utilizadas en las aplicaciones de minería de datos desestructurados.
- Herramientas específicas de programación.

Que el alumno comprenda:

- La necesidad actual de las empresas de analizar la información desestructurada (actualmente alrededor del 70% de la información de una empresa)
- La necesidad de adaptar la representación interna de la información a los requerimientos de la aplicación a resolver.

Que el alumno sea capaz de:

- Distinguir entre las representaciones alternativas de la información y razonar sobre la solución escogida en cuanto a coste computacional se refiere.
- Organizar un determinado volumen de información de la forma más racional posible para optimizar su posterior acceso por las aplicaciones de minería de datos.
- Analizar, diseñar y construir sistemas aplicaciones de minería de datos desestructurados.
- Evaluar comparativamente sistemas de minería de datos desestructurados en función de su consumo de recursos (eficiencia espacial y eficiencia temporal).
- Plantear arquitecturas alternativas que resuelvan los problemas encontrados en las arquitecturas tradicionales de las aplicaciones de minería de datos desestructurados.
- Desarrollar el hábito de trabajar en equipos de programación.

 

 

Dades generals

Codi: 34035
Professor/a responsable:
FERRANDEZ RODRIGUEZ, ANTONIO
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 INFORMÀTICS
    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