Que estás buscando?
Curso impartido en Inglés
CT1: Que los estudiantes conozcan una tercera lengua, que será preferentemente el inglés, con un nivel adecuado de forma oral y por escrito y de acuerdo con las necesidades que tendrán las graduadas y graduados en cada titulación.
CT2: Que los estudiantes tengan capacidad para trabajar como miembros de un equipo interdisciplinario ya sea como un miembro más, o realizando tareas de dirección con el fin de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
Asignatura optativa enmarcada en el bloque de la mención en Fabricación Inteligente en la Industria 4.0.
Su objetivo es ayudar al estudiante a dominar los fundamentos del Big Data, entender la importancia de la calidad de los datos e introducirse en el uso de herramientas analíticas aplicadas a entornos de big data.
El curso describe el proceso de examinar y tratar grandes cantidades de datos y de diferente naturaleza para descubrir patrones ocultos, obtener nuevas perspectivas y cómo visualizar los resultados obtenidos. Se presentan algunos de los avances más utilizados en la actualidad agrupados en lo que se denomina Deep Learning y se presenta la utilización de entornos de digital twin.
Esta asignatura dispone de recursos metodológicos y digitales para hacer posible su continuidad en modalidad no presencial en el caso de ser necesario por motivos relacionados con la Covidien-19. De esta forma se asegurará la consecución de los mismos conocimientos y competencias que se especifican en este plan docente.
El Tecnocampus pondrá al alcance del profesorado y el alumnado las herramientas digitales necesarias para poder llevar a cabo la asignatura, así como guías y recomendaciones que faciliten la adaptación a la modalidad no presencial.
Al finalizar la asignatura el estudiante debe ser capaz de:
Todos los conceptos teóricos de la materia expondrán en clases de teoría (grupos grandes) y / o en sesiones de laboratorio (grupos pequeños). En estas clases, ya discreción de los docentes impartidores, también se resolverán ejercicios y problemas de carácter más práctico. Asimismo y siempre a discreción de los impartidores, se podrá pedir a los estudiantes que resuelvan, de manera individual o en grupo, problemas y / o ejercicios breves. Estas actividades, que por su naturaleza de optatividad y brevedad servirán al estudiante como instrumento de autoevaluación de su adquisición de los contenidos de la materia y podrán ser utilizados por parte del docente para valorarla.
Los conceptos de carácter más práctico y todo lo que en esencia se pueda considerar la aplicación práctica de los conceptos teóricos serán trabajados en grupos pequeños (de laboratorio). En las sesiones que se programen al efecto se darán las herramientas adecuadas para resolver las actividades programadas. En ocasiones los estudiantes las deberán finalizar durante el tiempo de aprendizaje autónomo. Siempre que se considere oportuno se pondrá a disposición de los estudiantes actividades de tipo totalmente opcional que le ayuden a preparar ya prepararse para las de carácter obligatorio.
Esta asignatura dispone de recursos metodológicos y digitales para hacer posible su continuidad en modalidad no presencial en el caso de ser necesario por motivos relacionados con la Covidien-19. De esta forma se asegurará la consecución de los mismos conocimientos y competencias que se especifican en este plan docente.
Contenidos
Título contenido 1: Introducción al Big Data |
dedicación: |
Grupo Grande: 4 Grupo Pequeño: 2 Aprendizaje autónomo: 9 |
|
Descripción |
|
||
actividades vinculadas |
Activ1, Activ 2 y Activ 3 |
||
Título contenido 2: Preparación de Datos |
dedicación: |
Grupo Grande: 8 Grupo Pequeño: 4 Aprendizaje autónomo: 18 |
|
Descripción |
|
||
actividades vinculadas |
Activ1, Activ 2, Act3 y Activ 4 |
||
Título contenido 3: Métodos de Aprendizaje Supervisado |
dedicación: |
Grupo Grande: 12 Grupo Pequeño: 6 Aprendizaje autónomo: 27 |
|
Descripción |
|
||
actividades vinculadas |
Activ1, Activ 2, Act3 y Activ 4 |
||
Título contenido 4: Métodos de Aprendizaje No Supervisado |
dedicación: |
Grupo Grande: 8 Grupo Pequeño: 4 Aprendizaje autónomo: 18 |
|
Descripción |
|
||
actividades vinculadas |
Activ1, Activ 2, Act3 y Activ 4 |
||
Título contenido 5: Visualización de resultados |
dedicación: |
Grupo Grande: 4 Grupo Pequeño: 2 Aprendizaje autónomo: 9 |
|
Descripción |
|
||
actividades vinculadas |
Activ 2, Act3 y Activ 4 |
||
Título contenido 6: métodos Avanzados |
dedicación: |
Grupo Grande: 4 Grupo Pequeño: 2 Aprendizaje autónomo: 9 |
|
Descripción |
|
||
actividades vinculadas |
Activ2, Activ 3 y Activ 4 |
Se pone a disposición de los estudiantes una serie de actividades de carácter eminentemente práctico (ejercicios cortos, problemas ...) que son la base de las actividades de aprendizaje de la asignatura. Estas actividades los estudiantes / se las tendrán que resolver, a menudo de manera no presencial, siguiendo las indicaciones de los docentes y también serán trabajadas en clase, ya sea como ejemplos en las sesiones de teoría, ya sea en las sesiones de laboratorio. Si bien estas actividades tendrán carácter optativo (los docentes no verificarán de manera individualizada la realización por parte de los estudiantes), serán imprescindibles para alcanzar los conocimientos teórico-prácticos de la asignatura.
Con el objetivo de recoger evidencias del logro de los resultados de aprendizaje esperados se realizan las siguientes actividades de carácter evaluativo:
Título de la actividad 1: Prueba escrita (Pex1) 25%
|
dedicación: |
Grupo Grande: Grupo Pequeño: Aprendizaje autónomo: |
|
Descripción general |
La prueba incluirá los contenidos asociados a todos los resultados de aprendizaje |
||
Material de apoyo |
Se facilitará a través del ecampus o en clase |
||
Competencias |
[Relacionada con las competencias CE3, CB5 y CT1] |
||
Entregables y vínculos con la evaluación |
Peso dentro de la evaluación: 25% |
||
Objetivos específicos |
Evaluar unidades 1-6 |
||
Título de la actividad 2: Proyecto (Proy) 35% |
dedicación: |
Grupo Grande: Grupo Pequeño: Aprendizaje autónomo: |
|
Descripción general |
Realización de un proyecto de tratamiento de datos donde se muestren algunas de las diferentes técnicas vistas al curso. (RA1: RA6) |
||
Material de apoyo |
Se facilitará a través del ecampus o en clase |
||
Competencias |
[Relacionada con las competencias CE3, CB5 y CT1] |
||
Entregable y vínculos con la evaluación |
Peso dentro de la evaluación: 35% |
||
Objetivos específicos |
Evaluar logro competencias y resultados de aprendizaje |
||
Título de la actividad 3: Ejercicios y Participación (ExiPar) 15% |
dedicación: |
Grupo Grande: Grupo Pequeño: Aprendizaje autónomo: |
|
Descripción general |
Los estudiantes y / o grupos que participen en la resolución de problemas, incluirá los contenidos asociados a todos los resultados de aprendizaje |
||
Material de apoyo |
Se facilitará a clase y / oa través del ecampus o en clase |
||
Competencias |
[Relacionada con todas las competencias] |
||
Entregable y vínculos con la evaluación |
Peso dentro de la evaluación: 15% |
||
Objetivos específicos |
Poner en práctica resolución de problemas |
||
Título de la actividad 4: Prácticas (Lab) 25% |
dedicación: |
Grupo Grande: Grupo Pequeño: Aprendizaje autónomo: |
|
Descripción general |
Prácticas Laboratorio [Relacionada con todas las competencias] |
||
Material de apoyo |
Se facilitará a clase y / oa través del ecampus |
||
Competencias |
[Relacionada con todas las competencias] |
||
Entregable y vínculos con la evaluación |
Peso dentro de la evaluación: 25% |
||
Objetivos específicos |
Las prácticas permitirán al estudiante comprender una problemática que implique su resolución haciendo uso de soluciones informáticas |
||
ACTIVIDADES |
PES |
EXÁMENES |
Pex1 25% |
EJERCICIOS |
ExiPar 15% |
PRÁCTICAS |
Lab 25% |
PROYECTO |
Proy 35% |
La calificación final es la suma ponderada de las calificaciones de las actividades de aprendizaje:
Q = 0.25:1 Pex0.35 + 0.15:0.25 Proy + XNUMX:XNUMX ExiPar + XNUMX:XNUMX Lab
Observaciones relativas a la Recuperación
La parte de teoría de la asignatura Pex1 sí es recuperable así como la parte de Proyecto. El resto de partes no son recuperables. Para los estudiantes que asistan al examen de recuperación su calificación Pex1 será la obtenida en esta prueba y su calificación final (Q) se calculará con las fórmulas anteriormente detalladas y en ningún caso será superior a 7.
Normas de realización de las actividades
Observaciones:
Para superar las actividades evaluativas, los estudiantes deberán demostrar el Nivel MECES - 2:
• (punto c) tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea necesario y sea pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de su campo de estudio
• (punto e) saber comunicar a todo tipo de audiencias (especializadas o no) de manera clara y precisa, conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de su campo de estudio;
• (punto f) ser capaces de identificar sus propias necesidades formativas en su campo de estudio y entorno laboral o profesional y de organizar su propio aprendizaje con un alto grado de autonomía en todo tipo de contextos
Para cada actividad, los docentes informarán de las normas y condiciones particulares que las rijan
Las actividades unipersonales presuponen el compromiso del estudiante de realizarlas de manera individual y sin ningún tipo de colaboración con otras personas. Se considerarán suspendidas (calificación 0) todas aquellas actividades en que el estudiante no se ajuste a este compromiso de individualidad, independientemente de su papel (emisor o receptor) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.
Igualmente, las actividades que se deban realizar en grupo presuponen el compromiso por parte de los estudiantes que lo integran de realizarlas en el seno del grupo y sin ningún tipo de colaboración con otros grupos o personas que sean ajenas (individualidad grupal). Se considerarán suspendidas (calificación 0) todas aquellas actividades en las que el grupo no haya respetado este compromiso con independencia de su papel (emisor o receptor) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.
En el caso de actividades que puedan hacerse en grupo, cuando en alguna de ellas no se respete el compromiso de individualidad grupal y / o utilicen medios fraudulentos en su realización, la calificación de la actividad será, para todos los miembros del grupo, de 0 puntos (Nota Actividad = 0) y sin que ello excluya la posible aplicación de otras sanciones de acuerdo con el Régimen Disciplinario vigente.
Cualquier actividad no entregada se considerará puntuada con cero puntos
Es potestativo de los docentes aceptar o no entregas fuera de los plazos que se indiquen. En caso de que estas entregas fuera de plazo se acepten, es potestativo del docente decidir si aplica alguna penalización y la cuantía de esta
Fundamentals of Machine Learning for Predictive Fecha Analytics: Algorithms, worked Examples, and Case Studies (MIT Press) 1st Edition John D. Kelleher, Brian Mac Namee and Aoife D'Arcy
The MIT Press; 1 edition July - 2015
ISBN-978 0262029445
Practical Machine Learning with H2O: Powerful, Scalable Technical for Deep Learning and AI 1st Edition Darren Cook
O'Reilly Media; 1 edition, December 2016
ISBN-978 1491964606
Practical Big Data Analytics: Hands-on techniques para implementar enterprise analytics and machine learning usando Hadoop, Spark, NoSQL and R. by Nataraj Dasgupta (Packt Publishing; 1st Ed - 2018)