|
||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción La asignatura en el conjunto del plan de estudios Campos profesionales en el que se proyecta Conocimientos previos Objetivos y competencias Contenidos Consulta de los materiales de los que dispone la asignatura Informaciones sobre la evaluación a la UOC Consulta del modelo de evaluación | ||||||||||||||||||||||||||||||
ATENCIÓN: Esta información recoge los apartados del plan docente de la asignatura durante el último semestre con docencia. Al iniciar el periodo de matrícula, podrás consultar el calendario y modelo de evaluación para el siguiente semestre en Secretaría/ Matrícula / Horarios pruebas de evaluación final. | ||||||||||||||||||||||||||||||
Desde el inicio mismo de la digitalización masiva de todo tipo de contenidos y servicios, las empresas y administraciones han sido conscientes del potencial de todos esos datos almacenados. Ha sido solo recientemente, no obstante, que existe la posibilidad de gestionar y analizar dichas cantidades ingentes de datos, especialmente teniendo en cuenta el volumen generado por la interacción con los usuarios finales de dichos contenidos y servicios. La capacidad de cálculo de los ordenadores actuales, unida a la posibilidad de disponer de datos almacenados en la nube (incluyendo tambien su análsis posterior) permiten hacer frente a las necesidades de una inteligencia de negocio basada en Big Data. Lo que se conoce como Big Data es, básicamente, el resultado de disponer de muchos datos (en forma de variables o indicadores) de muchas muestras (individuos, sensores, etc.) a lo largo de mucho tiempo (con mayor o menor frecuencia). Esta tripleta de factores puede generar volúmenes de datos tan fuera de escala como los casi 30 petabytes diarios que procesa Google, por ejemplo. Sin tener que llegar a semejante escala, las empresas y administraciones, pero tambien los usuarios finales, han empezado a plantearse la necesidad de extraer información y conocimiento de los datos recogidos y almacenados durante años, con el objetivo de comprender mejor una realidad que, por primera vez, puede tratarse a una escala cercana al 1:1, superando los límites del muestreo y accediendo a (casi) toda la población relacionada con un escenario. Por ejemplo, vendedores de contenidos audiovisuales pueden hacer recomendaciones basándose en el historial de miles de clientes con perfiles e intereses similares. O las administraciones pueden hacer un mejor uso del espacio público ajustando las tarifas del párquing en función de la oferta y la demanda en cada momento. Desde la generación de los datos (o de su captura si se trata de una fuente externa) y su procesado hasta su utilización en forma de conocimiento válido, es necesario gestionar todo su ciclo de vida, teniendo en cuenta aspectos tecnológicos pero tambien legales y éticos que surgen del hecho de trabajar con datos que, principalmente, provienen de los usuarios de los servicios siendo analizados. Es necesario plantearse (y responder) preguntas relativas a:
A través de material teórico y casos prácticos, el contenido de esta asignatura se centra en plantear y responder estas preguntas y otras relacionadas con el uso de Big Data en un entorno de inteligencia de negocio. |
||||||||||||||||||||||||||||||
Esta asignatura, en el contexto del Programa de Business Intelligence, forma parte de la especialidad de Fundamentos de inteligencia de negocio y big data. En dicha especialidad se trabaja lo que algunos analistas han llamado "la gestión extrema de la información", o sea la transformación del enorme volumen de datos oculto en la propia organización o presente a su alrededor en información y conocimiento útil para el negocio. Esta especialidad incluye, además de la asignatura objeto de este plan docente, las siguientes asignaturas:
|
||||||||||||||||||||||||||||||
Todos los sectores profesionales basan la toma de decisiones en datos, información, conocimiento. Esta información existe en múltiples formas aunque esta información no esté almacenada en una base de datos. Por ejemplo, un trabajador del campo utiliza el conocimiento adquirido para saber cuándo debe plantar, regar y sembrar. Este conocimiento no es más que el resultado de las observaciones a lo largo de siglos y de su transmisión a través de generaciones. Es decir, es el resultado de un análisis de datos masivos. Basándonos en este ejemplo, vemos que esta asignatura tiene una gran utilidad en todos los sectores profesionales, ya que Big Data trabaja a partir de datos masivos y éstos pueden estar presentes en todos los niveles de decisión (operacional, táctico y estratégico) de las organizaciones de todos los sectores productivos. Otro ejemplo es la F1: La telemetría durante una carrera permite dar indicaciones al piloto sobre cómo pilotar para obtener los mejores resultados en carrera (operacional), durante los entrenamientos permite elegir la mejor configuración del coche para la situación concreta de carrera (táctico), y todos los datos recopilados durante la pretemporada y la temporada permiten modificar componentes del coche (chasis, escapes de aire, suspensiones, etc.) para obtener una máquina mejor (estratégico). El análisis de datos masivos es uno de los campos que más están potenciando las empresas y tiene un largo recorrido por delante. Así, después de cursar esta asignatura, el estudiante será capaz de ver oportunidades de uso del análisis de datos masivos donde inicialmente no los veía. |
||||||||||||||||||||||||||||||
El curso requiere que los estudiantes tengan la capacidad de leer y comprender el idioma inglés puesto que una parte importante de los recursos utilizados están en dicho idioma. Para realizar algunos de los ejercicios prácticos optativos relacionados con la manipulación de grandes conjuntos de datos, es necesario un cierto conocimiento de algún lenguaje de programación de alto nivel, como puede ser R o Python. Se proporcionarán materiales para poder alcanzar un nivel mínimo para aquellos estudiantes que desconozcan dicho entorno. |
||||||||||||||||||||||||||||||
Los objetivos que se desea que el estudiante alcance mediante esta asignatura son los siguientes:
|
||||||||||||||||||||||||||||||
El contenido que se trabaja en esta asignatura se estructura de la siguiente manera, siguiendo aproximadamente un orden cronológico para su utilización prevista: Módulo 1: Introducción al Big Data Módulo 2: Tecnologías de Big Data Módulo 3: Herramientas de Big Data Módulo 4: Nuevas tendencias en Big Data |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves. El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular. La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente). Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso. Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda. |
||||||||||||||||||||||||||||||
|