Competències i objectius

 

Context de l'assignatura per al curs 2020-21

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. 

 

 

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

Competències transversals

  • CT1 : Ser capaç de liderar projectes relacionats amb la Ciència de Dades, així com dirigir equips de treball
  • CT2 : Mostrar competències informàtiques i informacionals en l'àmbit de la ciència de dades.
  • CT3 : Reunir competències en comunicació oral i escrita.

 

Competències generals

  • CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la ciència de dades.
  • CG10 : Saber utilitzar tècniques de la ciència de dades per a obtenir noves relacions i brindar informació sobre problemes d'investigació o processos organitzatius i recolzar la presa de decisions.
  • CG11 : Ser capaç d'utilitzar els principis d'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la ciència de dades.
  • CG12 : Ser capaç de desenvolupar experiments, processos, instruments, sistemes, infraestructures durant tot el cicle de vida de les dades.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma auto-dirigida o autònoma temes relacionats amb la ciència de dades.
  • CG3 : Saber desembolicar-se en contextos multidisciplinaris i/o internacionals aportant solucions des del punt de vista de la ciència de dades.
  • CG4 : Conèixer i aplicar en cada situació les responsabilitats socials, ètiques i legals vinculades a l'aplicació dels coneixements de la ciència de dades.
  • CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la ciència de dades, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7 : Ser capaç d'adaptar-se a l'ambient canviant propi de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la ciència de dades.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la ciència de dades, tenint en compte aspectes tècnics, econòmics i d'eficiència.
  • CG9 : Saber dirigir projectes relacionats amb la ciència de dades, complint la normativa vigent i assegurant la qualitat del servei.

 

Competències Específiques

  • CE11 : Dissenyar i utilitzar algorismes eficients per a accedir i analitzar grans quantitats de dades, i conèixer el maneig d'APIs per a la interconnexió de bases de dades i col·leccions de dades heterogènies.
  • CE12 : Dissenyar i utilitzar sistemes que inclouen la recopilació de dades (passiu i actiu) per a la prova d'hipòtesi i la resolució de problemes.
  • CE15 : Manejar i aplicar les eines informàtiques de càlcul numèric, optimització, simulació, visualització gràfica o unes altres per a experimentar i resoldre problemes.
  • CE6 : Determinar mètriques per a l'avaluació i validació d'anàlisi de dades.
  • CE7 : Determinar i utilitzar mètodes efectius de visualització i narració per a crear panells de control i informes d'anàlisis de dades.

 

Competències bàsiques

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Manejar tècniques per a la selecció i extracció de dades.
  • Aplicar mètodes per al pre-procés i la integració de dades.
  • Utilitzar tècniques: llibreries i algorismes de visualització de dades.

 

 

Objectius específics indicats pel professorat per al curs 2020-21

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.

 

 

;

Dades generals

Codi: 43460
Professor/a responsable:
TORTOSA GRAU, LEANDRO
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: 0,6
    Crèdits pràctics: 0,6
  • Dep.: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Àrea: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Crèdits teòrics: 0,6
    Crèdits pràctics: 0,6
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix