• Descripción

La asignatura de Tipología y ciclo de vida de los datos se centra en las distintas visiones y dimensiones de los datos. Se presentan las principales características de los datos, como por ejemplo los principales tipos y formatos de datos que se pueden encontrar, y que por tanto serán (potencialmente) parte de las fuentes en los procesos de análisis de los datos.

A continuación, se muestran los principales métodos en la adquisición y captura de datos, como por ejemplo el web scraping, el acceso a los datos mediante API o SPARQL.

Finalmente, se explica los procesos relacionados con los datos, como la integración, validación, agregación, limpieza y el enriquecimiento.

• La asignatura en el conjunto del plan de estudios

La asignatura forma parte del conjunto de asignaturas obligatorias del máster, y se recomienda que sea cursada durante el primer o segundo semestre de estudios.

• Campos profesionales en el que se proyecta

Esta asignatura se proyecta en los diferentes perfiles de científicos de datos cómo son el científico/a de datos, el analista de datos, el ingeniero/a de datos, el estadístico/a, el administrador/a de base de datos o el/la líder de ciencia de datos.

• Conocimientos previos

En la realización de las actividades prácticas es recomendable conocimientos básicos de R y Python.

• Información previa a la matrícula

Algunos de los contenidos de esta asignatura deben estudiarse a partir de materiales y recursos escritos en inglés.

• Objetivos y competencias

Competencias básicas

• Saber 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.
• Adquirir las habilidades de aprendizaje que permitan continuar estudiando de manera auto-dirigida o autónoma.
• Adquirir la capacidad para extraer, interpretar y analizar los datos de distintos entornos.
• Adquirir la capacidad de búsqueda, gestión y uso de la información y los recursos en el ámbito de la ciencia de datos.

Competencias transversales

• Adquirir la capacidad de iniciativa, automotivación y trabajo de forma independiente.
• Adquirir la capacidad de comunicación oral y escrita para la vida académica y profesional.
• Adquirir la capacidad para proponer soluciones innovadoras y tomar decisiones.
• Adquirir la capacidad para trabajar en equipos multidisciplinares.

Competencias específicas

• Adquirir la destreza necesaria para la manipulación de datos, conversión de formatos y almacenamiento de los mismos.
• Aprender el uso avanzado de las herramientas de software estadístico adecuadas para los distintos problemas de modelización, análisis y visualización de datos.
• Aprender a capturar datos de distintas fuentes de datos (tales como redes sociales, web de datos o repositorios) y mediante diferentes mecanismos (tales como queries, API y scraping).
• Saber actuar con los principios éticos y legales relacionados con la manipulación de datos en función del ámbito de aplicación.

Objetivos específicos

• Conocer los distintos tipos de datos con que nos podemos encontrar y saber sus peculiaridades.
• Ser capaz de identificar las restricciones de privacidad que puedan tener los datos.
• Conocer los repositorios de datos más representativos.
• Ser capaz de extraer datos de distintos orígenes de datos de forma eficiente, mayoritariamente en el contexto web y empresarial.
• Ser capaz de procesar los datos (validarlos, integrar datos de distintas fuentes, mejorar su calidad, etc.) para su posterior análisis.
• Ser capaz de definir los procesos de extracción, transformación y carga para automatizar el pre-procesamiento de los datos.

• Contenidos

1. Introducción al ciclo de vida de los datos

1. ¿Qué son los datos?
2. Ciclo de vida de los datos

2. Web Scraping

1. ¿Por qué y cómo realizar web scraping?
2. Primeros pasos para realizar web scraping
3. Web scraping de contenido gráfico y audiovisual
4. Almacenamiento y compartición de datos
5. Prevención del web scraping
6. Resolución de obstáculos en web scraping
7. Aspectos legales
8. Mejores prácticas y consejos
9. Ejemplos de web scraping y casos de éxito

3. Introducción a la limpieza y análisis de los datos

1. Limpieza de datos
2. Análisis de datos
3. Visualización de datos

• Consulta de los recursos de aprendizaje de la UOC para la asignatura

• Información adicional sobre los recursos de aprendizaje y herramientas de apoyo

La asignatura está estructurada en tres bloques. El consultor os indicará en cada bloque cuales son los capítulos que tendréis que leer de los siguientes recursos de aprendizaje:

Bloque 1: Preliminares

• Subirats, L., Pérez, D., Calvo, M.(2019). Introducción al ciclo de vida de los datos. Editorial UOC. 
• Subirats, L., Calvo, M.(2019). Web Scraping. Editorial UOC. Capítulos 1 y 6.

Bloque 2: Web Scraping

• Subirats, L., Calvo, M. (2019). Web Scraping. Editorial UOC.
• Masip, David (2010). Llenguatge Python. Editorial UOC.
• Simon Munzert, Christian Rubba, Peter Meissner, Dominic Nyhuis. Automated Data Collection with R: A Practical Guide to Web Scraping and Text Mining. ISBN: 978-1-118-83481-7, 474 pages, December 2014.
• Tutorial de Github: https://guides.github.com/activities/hello-world.

Bloque 3: Limpieza y validación de datos

• Calvo, M., Pérez, D., Subirats, L. (2019). Introducción a la limpieza y análisis de datos. Editorial UOC. 
• Squire, Megan (2015). Clean Data. Packt Publishing Ltd. 272 p. ISBN 9781785289033
• Tutorial de Github: https://guides.github.com/activities/hello-world.

• Informaciones sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente.

La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación.

• Consulta del modelo de evaluación