Profesores Titulares
Profesores Docentes
Los resultados de Aprendizaje de esta asignatura son:
R1. Comprender el concepto de gobierno de datos
R2. Definir una correcta estrategia de datos alineada con la estrategia de negocio
R3. Definir una correcta estrategia de gobierno de datos
R4. Comprender cómo proteger los datos
R5. Manipular y codificar algoritmos de aprendizaje automático supervisados y no supervisados
El procesamiento y análisis de datos avanzados involucra acciones y métodos realizados en datos que ayudan a describir hechos, detectar patrones, desarrollar explicaciones y probar hipótesis. Esto incluye:
- Gobierno de datos
- Análisis de datos estadísticos
- Modelado
- Interpretación de resultados
La asignatura tiene un funcionamiento semanal con dos sesiones lectivas. Cada sesión es divide en dos partes: una primera parte es magistral en la que el profesor explica a los nuevos Contenidos y una segunda en la que a los alumnos trabajan en nuevos Ejercicios para consolidar la materia. Cada dos o tres sesiones se realizan actividades evaluativas individuales o en grupo mediante Pruebas escritas, Recogida de los Ejercicios realizados en casa, etc.
En la siguiente tabla se ponen en relación los resultados de aprendizaje con el contenido impartido para alcanzarlos
R1. Comprender el concepto de gobernanza de datos
- Reconocer los activos de datos de los sistemas de información
- Definiciones de gobierno de datos
- Principios de orientación ISO para la gestión
- Beneficios de un buen gobierno de los datos
- ¿Cree que el gobierno de datos y los resultados empresariales están correlacionados?
R2. Definir una correcta estrategia de datos alineada con la estrategia empresarial
- Componentes del gobierno de datos
- Componentes del plan de gestión de datos
- Ciclo de vida de los datos
- Examinar la relación entre la gestión de datos y el gobierno de datos
R3. Definir una correcta estrategia de gobernanza de datos
- Estrategia de gobierno de datos
- Estrategia de datos en la era del Big Data
- Plantilla de gobierno de datos
R4. Comprender cómo proteger los datos
- Seguridad de datos, conformidad y copias de seguridad y MIS2
- Recuperación en caso de catástrofe y continuidad de la actividad
R5. Manipular y codificar algoritmos supervisados y no supervisados de aprendizaje automático: Código básico, ejemplos, script
Para evaluar si el alumno ha alcanzado en un grado adecuado los objetivos perseguidos en la asignatura, se utilizan diferentes actividades de evaluación (con una frecuencia de aproximadamente semanal).
La siguiente tabla muestra el porcentaje de evaluación de cada actividad sobre la nota final:
SISTEMA DE EVALUACIÓN CONTINUA:
R2 - 15% - 20% - ACTIVIDADES EN CLASE (DEBERES)
R4 - 35% - 20% - TRABAJO EN GRUPO
R5 - 15% - 20% - TRABAJO EN GRUPO
R6 - 35%
- 20% - PROYECTO EN GRUPO
- 20% - EXAMEN FINAL (CONVOCATORIA ORDINARIA)
Los estudiantes que no pasen la convocatoria regular tendrán una Convocatoria Extraordinaria en julio. Los alumnos que no realicen ninguno de los exámenes de descanso tendrán una nota final de la asignatura NP (No Presentada) en la convocatoria extraordinaria.
Objetivos de la evaluación continua:
- El objetivo principal es ayudar a los alumnos a actualizar la asignatura y conseguir un buen método de trabajo, de manera que les ayude a asimilar la asignatura, impartida de forma progresiva, y en la obtención de buenos resultados académicos.
- También permite valorar el trabajo que realiza el alumno día a día, sin que su nota dependa únicamente de los exámenes realizados durante los semestres del curso académico.
- Como docente, ayuda tener más información sobre el trabajo realizado por los alumnos y un mejor conocimiento de los mismos, tanto académica como personalmente.
Política de repetición del examen: si no aprueba el curso en general, tendrá la oportunidad de volver a realizar un examen, siempre que se hayan presentado las tareas y los proyectos.
La nota será entonces: 40% la repetición de examen y 60% la evaluación continúa obtenida durante el curso.
- Data Strategy - how to profit from a World of big data, analytics and artificial intelligence (2022). Bernard Marr. 2nd Edition. KoganPage
- Data Governance. How to design, deploy and sustain and effective data governance program (2020). John Ladley. 2nd Edition. Elsevier.
- DAMA-DMBOK (Data Management Body of Knowledge) 2017. 2nd Edition. Technics Publications. Basking Ridge, New Jersey.
- ISO/IEC 38505-1:2017. International Standard. Information Technology - Governance of IT - Governance of data. Part1: Application of ISO/IEC 38500 to the governance of data
- James et al. - 2021 - An Introduction to Statistical Learning
- Easy Steps To Managing Cyber Security Risk Edited By Jonathan Reuvid