Professors Titulars
L'assignatura té en compte els coneixements i capacitats adquirides i desenvolupades en les altres assignatures del programa.
Anglès (desitjable)
Aquesta assignatura no pressuposa cap coneixement previ de management.
Els objectius es centraran en:
Entendre que és una organització basada en dades i quins beneficis aporta
Identificar limpacte de la intel·ligència artificial i la ciència de dades als negocis
Com implementar un projecte basat en dades
1. Big Data i Data Science a l'empresa
a. Definició
b. Big Data abans que Big Data
c. Ciència de dades
d. Pensant com un científic de dades
e. Biaixos cognitius
f. Visualització de dades
2. Intel·ligència artificial per a empreses
a. Com funciona la intel·ligència artificial en una empresa?
b. Sistema de recomanacions de Spotify
c. Intel·ligència artificial a Netflix
d. Creació de House of Cards
3. Big (Brother) Data
a. Més enllà de la punta de l'iceberg
b. Intermediació de dades i consumidors
c. Analítica predictiva a Facebook
d. Big Data a Tinder: les grans mentides que diuen la gent
4. Trobar l'evidència en els negocis
a. Causalitat
b. Variables instrumentals
c. Experiments naturals
d. Discontinuïtat de regressió
e. Prova A/B
f. Experiments en execució
g. Com Obama va recaptar 60 milions de dòlars?
5. Negoci amb dades geolocalitzades
a. Predicció del moviment humà
b. Localització comercial
c. Dades del telèfon mòbil
6. IA Business Model Canvas
a. Presentacions
Nota: els temes poden ajustar i/o modificar-se a criteri de la coordinació del màster.
La metodologia utilitzada combina classes magistrals, participació dels estudiants, exercicis i pràctiques. Per a l'estudiant, això implicarà treballs individuals i en grup, així com exercicis conceptuals, exercicis escrits i presentacions orals.
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe.
Avaluació continua
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de:
- Exercici escrit: 30%
- Participació: 10%
- Projecte: 40%
- Presentació oral: 20%
Convocatòria extraordinària
Es determinarà lexamen i/o treballs de convocatòria extraordinària des de la coordinació de lassignatura.
Normativa de còpies
Lassignatura es regeix per la normativa de còpies general de La Salle Campus BCN:
https://www.salleurl.edu/ca/normativa-de-copies
Les activitats formatives es consideraran que tenen la següent categoria:
Exercicis: moderadament significativa
Projecte: altament significativa
Avaluació final: altament significativa
La bibliografia s'anirà detallant al llarg de l'assignatura:
Apunts de classe
Documentació i articles que es penjaran a la Intranet (eStudy)
Hadley Wickham - R for Data Science: Import, Tidy, Transform, Visualize, and Model Data (2021)
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).
Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.