• Descripción

Esta asignatura presenta una introducción a la programación en lenguaje Python centrada en la resolución de problemas del ámbito de la ciencia de datos.

La ciencia de datos es un campo interdisciplinar en el cual se estudian métodos para extraer conocimiento a partir de datos. Así, la ciencia de datos utiliza técnicas de disciplinas como matemáticas, estadística o ciencias de la computación, con el objetivo común de obtener conocimiento de datos.

El curso tiene un enfoque eminentemente práctico, y es por este motivo que está compuesto de pequeñas introducciones teóricas a los diferentes temas que se tratan y multitud de ejemplos sobre cómo ponerlos en práctica. El curso está estructurado en tres grandes bloques. En primer lugar, presenta una introducción básica a Python y, con ello, a la programación. Se describirán los conceptos de programación básicos así como las principales estructuras de control, viendo ejemplos prácticos de cómo implementarlos en Python. En segundo lugar, se presentan las librerías de Python más usadas en el ámbito de la ciencia de datos. Por último, el curso propone seguir el ciclo habitual en ciencia de datos (captura, preprocesamiento, análisis y visualización), repasando las técnicas básicas de cada etapa y mostrando cómo implementarlas en Python. De este modo, al acabar el curso, se espera que el estudiantado haya adquirido unas bases de programación en Python que le permitan afrontar pequeños proyectos de análisis de datos y que sirvan como base para el aprendizaje de técnicas más complejas a lo largo del grado.

• La asignatura en el conjunto del plan de estudios

La asignatura es obligatoria en el Grado de Ciencia de Datos Aplicada y un complemento de formación dentro del Máster en Ciencia de Datos. Además, la asignatura puede cursarse como libre (bajo el nombre Fundamentos de programación para la ciencia de datos, en Python).

• Objetivos y competencias

El objetivo principal de la asignatura es proporcionar al estudiantado una introducción a la programación con el lenguaje Python a través de ejemplos de los problemas típicos que se enfrentan en el campo de la ciencia de datos. Además, la asignatura ofrece también una introducción a las librerías de Python más usadas en el ámbito de la ciencia de datos.

Esta asignatura puede cursarse dentro del programa del Grado de Ciencia de Datos Aplicada, como complemento de formación del Máster en Ciencia de Datos, o como asignatura libre. A continuación se detallan las competencias concretas a las que hace referencia la asignatura para el grado y el máster.

Para el estudiantado que cursa el Grado de Ciencia de Datos Aplicada, las competencias del grado que se trabajan en la asignatura son:

• CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
• CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
• CG3 - Buscar, gestionar y usar la información más adecuada para modelizar problemas concretos y aplicar adecuadamente procedimientos teóricos para su resolución de manera autónoma y creativa.
• CT1 - Uso y aplicación de las TIC en el ámbito académico y profesional.
• CE6 - Entender cómo los algoritmos y las estructuras de datos son diseñados, optimizados y aplicados según la escala del volumen de datos.
• CE7 - Diseñar y construir aplicaciones analíticas mediante técnicas de desarrollo, integración y reutilización de componentes software.

Para el estudiantado que cursa el Máster en Ciencia de Datos, las competencias que se trabajan en la asignatura son:

• CE - Adquirir habilidades técnicas básicas con lo que respecta a la programación en Python para la ciencia de datos, que servirán como base para el aprendizaje de técnicas más complejas.
• CT2 - Capacidad para la comunicación oral y escrita para la vida académica y profesional.
• CT3 - Capacidad para proponer soluciones innovadoras y tomar de decisiones.
• CT5 - Capacidad para la comprensión, el análisis y la síntesis.

• Contenidos

Módulo 1: Instalación y configuración del entorno de programación Python

• Presentación del entorno de programación

Módulo 2: Breve introducción a la programación en Python

• Sintaxis básica
• Variables y tipos de variables

Módulo 3: Estructuras de control y funciones en Python

• Operadores
• Estructuras de control
• Funciones
• Escritura y lectura de ficheros

Módulo 4: Librerías científicas en Python

• Numpy
• Matplotlib
• SciPy
• Pandas

Módulo 5: Captura de datos en Python

• Obtención de datos mediante APIs
• Obtención de datos mediante crawling de sitios web

Módulo 6: Preprocesamiento de datos en Python

• Preparación de datos
• Reducción de datos

Módulo 7: Introducción al análisis de datos en Python

• Estadística
• Aprendizaje supervisado: clasificación
• Aprendizaje no supervisado: clústering
• Evaluación de modelos

Módulo 8: Visualización de datos en Python

• Tipos de visualizaciones de datos
• Librerías de 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

En cada unidad encontraréis el material necesario para realizar un trabajo práctico. Esto incluye teoría, referencias bibliográficas, enlaces, ejemplos prácticos, enunciados de problemas a resolver y software necesario. Con esto se pretende que os familiariceis con el contenido a través de la práctica ( learn by doing ).

Todo el material está disponible en el repositorio de gitlab de la asignatura.

El entorno de programación que se propone es google colaboratory (colab). Éste es un entorno online que no necesita instalación en las máquinas del estudiantado, de manera que se pueden consultar los recursos de la asignatura y realizar las actividades desde cualquier ordenador con conexión a Internet. Los módulos con los contenidos son notebooks de jupyter que permiten ejecutar los ejemplos y ejercicios propuestos desde el navegador web y con la posibilidad de modificarlos para su mejor comprensión.

• Informaciones sobre la evaluación en la UOC

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 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, software o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.

Estas conductas irregulares pueden 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, sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas, como por ejemplo 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 de otros estudiantes, etc.) sin la citación correspondiente, o porque se ha llevado a cabo cualquier otra conducta irregular.

Así mismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.

En el marco del proceso de evaluación, la UOC se reserva la potestad de:

• Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
• Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto evaluación continua como evaluación final, por medio de una prueba oral o los medios síncronos o asíncronos que establezca la universidad. Estos medios tendrán por objeto verificar los conocimientos y las competencias que garanticen la autoría; en ningún caso implicarán una segunda evaluación. Si no es posible garantizar la autoría del estudiante, la prueba será calificada con D, en el caso de la evaluación continua, o con un Suspenso, en el caso de la evaluación final.

  A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación; será responsabilidad del estudiante asegurar que tales dispositivos funcionan correctamente.

• Consulta del modelo de evaluación