L’assignatura introdueix l’estudiantat a les principals tecnologies emergents aplicades a l’àmbit de les Smart Cities i a la gestió intel·ligent de dades en entorns urbans i empresarials. Al llarg del curs s’analitzen els processos de recollida, processament i visualització de dades, així com les tecnologies i eines utilitzades per desenvolupar sistemes intel·ligents capaços de generar models predictius i donar suport a la presa de decisions.
Mitjançant una metodologia pràctica i basada en projectes, els estudiants treballaran amb tecnologies de captura de dades, algoritmes, eines de visualització i models predictius aplicats a casos reals relacionats amb les ciutats intel·ligents. El curs combina sessions teòriques amb exercicis pràctics i el desenvolupament d’un projecte en grup orientat a la simulació del llançament d’un producte o servei innovador vinculat a l’ecosistema Smart Cities.
Professors Titulars
Professors Docents
Es recomana que l’estudiantat disposi de coneixements bàsics d’informàtica i competències digitals generals, així com nocions elementals d’anàlisi de dades i ús d’eines tecnològiques. També és convenient tenir una comprensió bàsica de conceptes relacionats amb la tecnologia, els sistemes d’informació i la gestió empresarial. Finalment, es valoraran la capacitat de treball en equip, el pensament analític i la predisposició per al desenvolupament de projectes pràctics amb eines digitals i tecnologies emergents.
L’objectiu de l’assignatura és proporcionar a l’estudiantat una comprensió bàsica de les tecnologies emergents aplicades a les Smart Cities i al tractament intel·ligent de dades. El curs pretén introduir els principals processos de recollida, processament, visualització i anàlisi de dades, així com el funcionament de models predictius i eines basades en intel·ligència artificial. Igualment, es busca desenvolupar la capacitat d’aplicar aquests coneixements en entorns pràctics mitjançant projectes orientats a la resolució de problemes i al desenvolupament de productes o serveis innovadors.
Introducció: La primera sessió del curs ofereix una visió general de l'estructura del curs, els objectius i els temes clau que es tractaran durant el semestre.
TEMA 1: Smart Cities.
Què són les Smart Cities? Configuració del projecte (Configuració de grups).
TEMA 2: Tipus de dades.
Comprensió dels diferents tipus de dades i el seus possibles usos.
TEMA 3: Tecnologies per a la adquisició de dades.
Comprensió dels diferents tipus de tecnologies per a la adquisició de dades.
TEMA 4: Hardware + software.
Implementació de sistemes de presa de dades.
TEMA 5: Visualització de dades.
Principals “frameworks” per a la visualització de dades existents en el mercat.
TEMA 6: Algoritmes
Treball directe en la configuració d’algoritmes per comprendre com és el seu funcionament.
TEMA 7: Models predictius.
Entrenar un model per poder fer prediccions i reduir riscos.
TEMA 8: Llançament d’un producte “Smart Cities” al mercat.
Simulació del llançament d’un producte al mercat. Quines són les variables més importants a tenir en compte.
Les classes seguiran una metodologia pràctica i orientada a projectes, basada en el desenvolupament de casos i productes el més propers possible a entorns reals. L’assignatura combinarà explicacions teòriques amb exercicis pràctics sobre adquisició i processament de dades, algoritmes i models predictius aplicats a tecnologies emergents i Smart Cities. Els estudiants treballaran en grups durant el semestre en el desenvolupament progressiu d’un projecte vinculat a un producte o servei innovador, integrant els coneixements adquirits a cada tema. L’ús de l’ordinador portàtil a classe serà necessari per a la realització de les activitats pràctiques. Les principals metodologies utilitzades per a aquest curs són:
Les principals metodologies utilitzades per a aquest curs són:
- MD.0 Classe magistral
- MD.6 Aprenentatge basat en projectes
Aquest curs consta de les següents activitats d'avaluació:
Participació a classe i exercicis pràctics (activitat d'avaluació significativa) / 50% de la nota final. El percentatge màxim de la nota s'obté quan l'estudiant assisteix a totes o gairebé totes les sessions programades. A més de l'assistència, es tindrà en compte la puntualitat i la participació de l'estudiant a classe, ja sigui responent a les preguntes plantejades pel professor o plantejant preguntes rellevants i/o participant en discussions amb altres companys sempre que la sessió ho permeti. Finalment, també es considerarà la nota obtinguda en els diferents exercicis pràctics resolts a classe.
Projecte Principal (activitat d'avaluació significativa) / 50% de la nota final. Els estudiants treballaran en un projecte de semestre que s'haurà de completar en grups i lliurar en dues entregues. Una 1ª al midterm evaluation i una segona al final evaluation.
La comprensió i correcta identificació dels diferents mètodes de recollida de dades, així com la seva aplicació en contextos diversos, especialment en entorns vinculats a les smart cities i a la gestió empresarial basada en dades.
El coneixement dels conceptes bàsics de les tecnologies utilitzades per a la captació de dades i la seva integració en sistemes reals, incloent la capacitat de seleccionar les eines més adequades en funció del problema plantejat.
La capacitat d’utilitzar eines bàsiques de processament de dades amb rigor i coherència, així com d’interpretar correctament els resultats obtinguts a partir de diferents tècniques d’anàlisi.
La comprensió del funcionament dels models predictius i la seva aplicació a partir de dades reals, incloent la capacitat d’analitzar-ne els resultats i el seu impacte en la presa de decisions en entorns incerts.
L’habilitat per representar i comunicar dades i resultats mitjançant eines de visualització, garantint claredat, coherència i adequació al context d’aplicació.
La capacitat d’integrar els diferents conceptes treballats al llarg del curs en el desenvolupament d’un projecte aplicat, incloent la recollida de dades, el seu processament, la construcció de models i la interpretació dels resultats en un cas real.
La qualitat del treball desenvolupat en activitats pràctiques i projectes, així com el grau de participació activa, rigor i contribució en les dinàmiques de classe.
La claredat, estructura i precisió en la presentació, tant escrita com oral, dels resultats obtinguts i de les decisions preses al llarg del procés d’anàlisi i desenvolupament del projecte.
Agrawal, A., Gans, J., & Goldfarb, A. Prediction Machines: The Simple Economics of Artificial Intelligence.
Allam, Z. Rethinking Smart Cities: ICT for New-Type Urbanization and Urban Prosperity.
Gassmann, O., Böhm, J., & Palmié, M. Smart Cities: Introducing Digital Innovation to Cities.
Gilthorpe, O. Smart Cities: A Spatial Perspective.
Green, B. The Smart Enough City: Putting Technology in Its Place to Reclaim Our Urban Future.
Isson, J. P. (2018). Unstructured Data Analytics: How to Improve Customer Acquisition, Customer Retention, and Fraud Detection and Prevention.
Kirwan, C. G., & Oliveira, R. G. Smart Cities and Artificial Intelligence: Convergent Systems for Planning, Design, and Operations.
Kitchin, R., Lauriault, T. P., & McArdle, G. Data and the City.
Landeta Echeberria, A. Artificial Intelligence for Business: Innovation, Tools and Practices.
Panda, S. K., Mishra, V., Balamurali, R., & Elngar, A. A. Artificial Intelligence and Machine Learning in Business Management.
Ratti, C., & Claudel, M. The City of Tomorrow: Sensors, Networks, Hackers, and the Future of Urban Life.
Reichental, J. Making Sense of Smart Cities: A Human-Driven Approach.
Song, H., Srinivasan, R., Sookoor, T., & Jeschke, S. Smart Cities: Foundations, Principles, and Applications.
Teoh, T. T., & Goh, Y. J. Artificial Intelligence in Business Management.
Townsend, A. M. Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia.
Agrawal, A., Gans, J., & Goldfarb, A. Prediction Machines: The Simple Economics of Artificial Intelligence.
Allam, Z. Rethinking Smart Cities: ICT for New-Type Urbanization and Urban Prosperity.
Gassmann, O., Böhm, J., & Palmié, M. Smart Cities: Introducing Digital Innovation to Cities.
Gilthorpe, O. Smart Cities: A Spatial Perspective.
Green, B. The Smart Enough City: Putting Technology in Its Place to Reclaim Our Urban Future.
Isson, J. P. (2018). Unstructured Data Analytics: How to Improve Customer Acquisition, Customer Retention, and Fraud Detection and Prevention.
Kirwan, C. G., & Oliveira, R. G. Smart Cities and Artificial Intelligence: Convergent Systems for Planning, Design, and Operations.
Kitchin, R., Lauriault, T. P., & McArdle, G. Data and the City.
Landeta Echeberria, A. Artificial Intelligence for Business: Innovation, Tools and Practices.
Panda, S. K., Mishra, V., Balamurali, R., & Elngar, A. A. Artificial Intelligence and Machine Learning in Business Management.
Ratti, C., & Claudel, M. The City of Tomorrow: Sensors, Networks, Hackers, and the Future of Urban Life.
Reichental, J. Making Sense of Smart Cities: A Human-Driven Approach.
Song, H., Srinivasan, R., Sookoor, T., & Jeschke, S. Smart Cities: Foundations, Principles, and Applications.
Teoh, T. T., & Goh, Y. J. Artificial Intelligence in Business Management.
Townsend, A. M. Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia.