| Captura y preparación de datos | Código: 22.515 : 6 |
COMPETENCIAS BÁSICAS
- Que los estudiantes hayan demostrado tener y entender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y que se pueda encontrar a un nivel que pueda ser reforzado con libros de texto avanzados y que también implican conocimientos procedentes de la vanguardia de su campo de estudio.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y que tengan competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente de su área de estudio) para realizar juicios que incluyen una reflexión sobre temas relevantes de índole social, científico o ético.
- Buscar, gestionar y utilizar la información más adecuada para modelar problemas concretos y aplicar adecuadamente procedimientos teóricos para su resolución de manera autónoma y creativa.
- Comunicar y transmitir conocimientos, habilidades y destrezas de la profesión en el marco de la ciencia de datos.
COMPETENCIAS TRANSVERSALES
- Utilización y aplicación de las TIC en el ámbito académico y profesional.
- Comunicarse en una lengua extranjera.
- Expresarse de forma escrita de forma adecuada al contexto académico y profesional.
COMPETENCIAS ESPECÍFICAS
- Diseñar un marco experimental teniendo en cuenta los métodos más adecuados para la captura, el procesamiento, el almacenamiento, el análisis y la visualización de datos.
- Utilización de forma combinada los fundamentos matemáticos, estadísticos y de programación para desarrollar soluciones a problemas del ámbito de la ciencia de datos.
- Aplicar técnicas específicas de captura, tratamiento y análisis de datos estructuradas, semi-estructuradas y no estructuradas.
OBJETIVOS ESPECÍFICOS
- Conocer qué son los datos y cuál es su ciclo de los datos
- Conocer los diferentes tipos de datos con las que nos podemos encontrar y saber sus particularidades.
- Conocer los diferentes procesos o técnicas que nos permitió hacer captura de datos.
- Ser capaz de llevar a cabo captura de datos. Conocer y ser capaz de realizar con éxito el pre-procesado y limpieza de los datos.
- Entender cuál es la finalidad de realizar ingeniería de características a un conjunto de datos.
- Ser capaz de realizar satisfactoriamente ingeniería de características sobre un conjunto de datos de estudio.
RETO 1: ¿Qué son los datos y cuál es su ciclo de vida?
Una de las características de la sociedad de la información y el conocimiento es el número creciente de datos generados, tanto a nivel de individuos como de empresas. Un ejemplo de este hecho es la estimación del Computer Sciences Corporation de que en el año 2020 habrá 44 veces más datos de los que había en 2009.
RETO 2: ¿Cómo podemos capturar los datos de la web?
Internas es actualmente el mayor repositorio de datos, accesibles de forma gratuita en su mayoría. La interoperabilidad, y la colaboración en la red han hecho que los usuarios pasan a formar parte activa de la red, no sólo utilizando internet como una herramienta de búsqueda de información, sino también como un medio para comunicarse y generar contenido y conocimiento. De este modo, la World Wide Web se ha convertido en una fuente inagotable de información.
Aunque en algunos casos es posible recuperar información de forma estructurada, la mayoría de los datos en internet se encuentran integradas en la estructura y estilo de las diferentes páginas web. Como podemos, por tanto, acceder a estos datos y trabajar con ellas? Pues, en este punto es donde toma protagonismo la web scraping o rastreo de la web.
RETO 3: Es posible capturar los datos en tiempo real?
Como no es lo mismo contarlo que hacerlo, este reto será un caso práctico de trabajo y utilización de la web scraping, particularmente con un caso de web scraping en streaming.
RETO 4: Es necesario pre-procesar los datos? Como realizamos la limpieza de datos?
En la actualidad, grandes cantidades de datos son almacenados a diario; por tanto, la aplicación de métodos robustos para analizar y extraer información de estos datos es relevante en el campo de la ciencia de datos.
Para dotar de robustez a análisis aplicados con el objetivo de obtener conocimiento a partir de los datos, es clave la calidad de los datos. Por ello, la limpieza de los datos es una etapa importante y determinante en el ciclo de vida de los datos. Durante este proceso, se identifican datos incompletos, incorrectos, inexactos o no pertinentes, con el fin de eliminarlos o corregirlos para obtener así bases de datos de mayor calidad.
RETO 5: ¿Cuál es el último paso? Preparación de datos
El destino de los datos preprocessades y del dataset obtenido tras el proceso de limpieza, en la mayoría de los casos, es la aplicación de algoritmos de aprendizaje automático. Antes de ser utilizados por estos algoritmos, hay que llevar a cabo una preparación de éstas mediante una fase conocida como ingeniería de características.
La ingeniería de características intenta aumentar la eficiencia de los algoritmos de aprendizaje automático creando características, seleccionando o filtrando características, realizando transformaciones, etc., dependiendo de lo que sea más adecuado en cada caso. Por lo tanto, realizar de forma apropiada y adecuada esta fase, garantiza el éxito de la aplicación posterior de los diversos algoritmos.
| Fundamentos de data science |
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 asignatura solo puede aprobarse con el seguimiento y la superación de la evaluación continua (EC). La calificación final de la asignatura es la nota obtenida en la EC. |