Grau en Business Intelligence i Data Analytics

Lidera la transformació de les empreses mitjançant l'ús i l'anàlisi de dades.

Fonaments de programació

Tornar al pla d'estudis

Descripció
L'anàliside dades és una disciplina apassionant que permet convertir les dades brutes en comprensió, visió i coneixement. L'objectiu de "Principis de programació" és ajudar als estudiants a aprendre les eines fonamentals en R que els permetrà començar a analitzar dades. Després d'aquest curs, es disposaran les primeres eines per afrontar alguns desafiaments d'anàlisi de dades utilitzant algunes parts del software R.
Tipus assignatura
Primer - Obligatoria
Semestre
Primer
Curs
1
Crèdits
5.00

Professors Titulars

Didier Grimaldi
Professor/a

Professors Docents

Didier Grimaldi
Andrew Ashton
Clàudia Xifra i Montesinos
Objectius

Els Resultats d'Aprenentatge d'aquesta assignatura són:
R1. Entendre el món de la computació
R2. Entendre les etapes del desenvolupament d'un projecte de programació
R3. Conèixer els fonaments de la programació
R4. Saber importar i visualitzar dades estructurades
R5. Saber analitzar dades estructurades
R6. Saber comunicar amb dades

Continguts

Primera part del quatrimestre
- Entendre el món de la computació.
- Diferents formes de computar. API, scrapping.
- Dades estructurades i no estructurades
- Local versus Cloud
- Aplicació: codi R, Python versus Appliance (BigML, Gephi, QGIS)
- Quins problemes resolen els programadors/data scientists?
- La contribució de la data science en el món dels negocis.

Segon part del quatrimestre
- Que són els diferents perfils: Data Scientist, Data Engineer, Programmer, Functional Analyst, Technical Analyst, Big Data Expert, etc.?
- Quina és la metodologia a seguir quan es programa?
- Què és la Metodologia CRISP?
- On són les fonts disponibles?
- Com es pot demanar accés a fonts tipus Twitter?
- Problemes més freqüents

Metodologia

L'assignatura té un funcionament setmanal de dues sessions lectives. Cada sessió es divideix en dues parts. La primera part es basa en una classe magistral en la qual el professor explica els nous continguts. La segona part permet als alumnes treballar en nous exercicis per a consolidar la matèria. Cada dues o tres sessions es realitzaran activitats avaluatives individuals o en grup mitjançant proves escrites, recollida d'exercicis realitzats a casa, etc.

Avaluació

R2- 15% - ACTIVITATS A CLASSE (TEST, QÜESTIONARI, DEURES, ETC.)

R4 35%:
- 15% TREBALL EN GRUP
- 20% 1st MIDTERM

R5 15% - TREBALL EN GRUP

R6 35%:
- 15% PROJECTE EN GRUP
- 20% FINAL EXAM (CONVOCATÒRIA ORDINÀRIA)

Bibliografia bàsica

- Laudon, Kenneth C. and Laudon, Jane P. (2014). Management Information Systems: Managing the Digital Firm. Global Edition. 13th edition.
- Davenport, T & Harris, J. Competing on Analytics: The New Science of Winning (2014, 2017). Havard Business School
- Foster Provost and Tom Fawcett. Data Science for Business. O'Reilly (2013).
- Carl Anderson. Creating a Data-Driven Organization. O'Reilly. (2015).
- DJ Patil. Building Data Science Teams. O'Reilly. (2011).
- DJ Patil and Hilary Mason. Data Driven: Creating a Data Culture. O'Reilly. (2015).