Profesores Titulares
La asignatura tiene en cuenta los conocimientos y capacidades adquiridos y desarrolladas en las demás asignaturas del programa.
Inglés (deseable)
Esta asignatura no presupone ningún conocimiento previo de management.
Los objetivos se centrarán en:
Entender que es una organización basada en datos y qué beneficios aporta
Identificar el impacto de la inteligencia artificial y la ciencia de datos en los negocios
Cómo implementar un proyecto basado en datos
1. Big Data y ciencia de datos en las empresas
a. Definición
b. Big data antes del Big Data
c. Ciencia de los datos
d. Pensando como un científico de datos
e. Sesgos cognitivos
f. Visualización de datos
2. Inteligencia artificial para empresas
a. ¿Cómo funciona la inteligencia artificial en una empresa?
b. Sistema de recomendación de Spotify
c. Inteligencia artificial en Netflix
d. Creando castillo de naipes
3. (Brother)Big Data
a. Más allá de la punta del iceberg
b. Consumidores y corretaje de datos
c. Análisis predictivo en Facebook
d. Big Data en Tinder: las grandes mentiras que dice la gente
4. Encontrar la evidencia en los negocios
a. Causalidad
b. Variables instrumentales
c. Experimentos naturales
d. Discontinuidad de regresión
e. Pruebas A / B
f. Ejecución de experimentos
g. ¿Cómo recaudó Obama 60 millones de dólares?
5. Negocios con datos geolocalizados
a. Predecir el movimiento humano
b. Lugar de venta
c. Datos del teléfono móvil
6. Lienzo de modelo de negocio de IA
a. Presentaciones
Nota: los temas pueden ajustarse y/o modificarse a criterio de la coordinación del máster.
La metodología utilizada combina clases magistrales, participación de los estudiantes, ejercicios y prácticas. Para el alumno, esto implicará tanto trabajos individuales como en grupo, así como ejercicios conceptuales, ejercicios escritos y presentaciones orales.
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
Evaluación continua
Esta asignatura se evaluará de manera continuada a partir de ejercicios, trabajos, prácticas y presentaciones en clase.
La nota final será una ponderación de:
- Ejercicio escrito: 30%
- Participación: 10%
- Proyecto: 40%
- Presentación oral: 20%
Convocatoria extraordinaria
Se determinará el examen y/o trabajos de convocatoria extraordinaria desde la coordinación de la asignatura.
Normativa de copias
La asignatura se rige por la normativa de copias general de La Salle Campus BCN:
https://www.salleurl.edu/es/normativa-de-copias
Las actividades formativas se considerarán que tienen la siguiente categoría:
Ejercicios: moderadamente significativa
Proyecto: altamente significativa
Evaluación Final: altamente significativa
La bibliografía se irá detallando a lo largo de la asignatura:
Apuntes de clase
Documentación y artículos subidos 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).
Todo el material de clase (presentaciones, ejercicios, artículos, documentos, etcétera) se compartirán en la carpeta de la asignatura de la Intranet de La Salle: eStudy.