La asignatura introduce al estudiantado en las principales tecnologías emergentes aplicadas al ámbito de las Smart Cities y a la gestión inteligente de datos en entornos urbanos y empresariales. A lo largo del curso se analizan los procesos de recogida, procesamiento y visualización de datos, así como las tecnologías y herramientas utilizadas para desarrollar sistemas inteligentes capaces de generar modelos predictivos y apoyar la toma de decisiones.
Mediante una metodología práctica y basada en proyectos, los estudiantes trabajarán con tecnologías de captura de datos, algoritmos, herramientas de visualización y modelos predictivos aplicados a casos reales relacionados con las ciudades inteligentes. El curso combina sesiones teóricas con ejercicios prácticos y el desarrollo de un proyecto en grupo orientado a la simulación del lanzamiento de un producto o servicio innovador vinculado al ecosistema Smart Cities.
Profesores Titulares
Profesores Docentes
Se recomienda que el estudiantado disponga de conocimientos básicos de informática y competencias digitales generales, así como nociones elementales de análisis de datos y uso de herramientas tecnológicas. También es conveniente tener una comprensión básica de conceptos relacionados con la tecnología, los sistemas de información y la gestión empresarial. Finalmente, se valorarán la capacidad de trabajo en equipo, el pensamiento analítico y la predisposición para el desarrollo de proyectos prácticos con herramientas digitales y tecnologías emergentes.
El objetivo de la asignatura es proporcionar al estudiantado una comprensión básica de las tecnologías emergentes aplicadas a las Smart Cities y al tratamiento inteligente de datos. El curso pretende introducir los principales procesos de recogida, procesamiento, visualización y análisis de datos, así como el funcionamiento de modelos predictivos y herramientas basadas en inteligencia artificial. Asimismo, se busca desarrollar la capacidad de aplicar estos conocimientos en entornos prácticos mediante proyectos orientados a la resolución de problemas y al desarrollo de productos o servicios innovadores.
Introducción: La primera sesión ofrece una visión general de la estructura del curso, los objetivos y los temas clave que se tratarán durante el semestre.
TEMA 1: Ciudades Inteligentes. ¿Qué son las Ciudades Inteligentes? Configuración del proyecto (configuración de grupos).
TEMA 2: Tipos de datos. Comprensión de los diferentes tipos de datos y sus posibles usos.
TEMA 3: Tecnologías para la adquisición de datos. Comprensión de los diferentes tipos de tecnologías para la adquisición de datos.
TEMA 4: Hardware y software. Implementación de sistemas de captura de datos.
TEMA 5: Visualización de datos. Principales “frameworks” para la visualización de datos existentes en el mercado.
TEMA 6: Algoritmos. Trabajo directo en la configuración de algoritmos para comprender su funcionamiento.
TEMA 7: Modelos predictivos. Entrenamiento de un modelo para hacer predicciones y reducir riesgos.
TEMA 8: Lanzamiento de un producto “Smart Cities” al mercado. Simulación del lanzamiento de un producto al mercado. ¿Cuáles son las variables más importantes a tener en cuenta?
Las clases seguirán una metodología práctica y orientada a proyectos, basada en el desarrollo de casos y productos lo más cercanos posible a entornos reales. La asignatura combinará explicaciones teóricas con ejercicios prácticos sobre adquisición y procesamiento de datos, algoritmos y modelos predictivos aplicados a tecnologías emergentes y Smart Cities. Los estudiantes trabajarán en grupos durante el semestre en el desarrollo progresivo de un proyecto vinculado a un producto o servicio innovador, integrando los conocimientos adquiridos en cada tema. El uso del ordenador portátil en clase será necesario para la realización de las actividades prácticas. Las principales metodologías utilizadas para este curso son:
- MD.0 Clase magistral
- MD.6 Aprendizaje basado en proyectos
Este curso consta de las siguientes actividades de evaluación:
Participación en clase y ejercicios prácticos (actividad de evaluación significativa) / 50% de la nota final. El porcentaje máximo de la calificación se obtiene cuando el estudiante asiste a todas o casi todas las sesiones programadas. Además de la asistencia, se tendrá en cuenta la puntualidad y la participación del estudiante en clase, ya sea respondiendo a las preguntas planteadas por el profesor o formulando preguntas relevantes y/o participando en discusiones con otros compañeros cuando la sesión lo permita. Finalmente, también se considerará la nota obtenida en los distintos ejercicios prácticos realizados en clase.
Proyecto Principal (actividad de evaluación significativa) / 50% de la nota final. Los estudiantes trabajarán en un proyecto semestral que deberá realizarse en grupo y entregarse en dos entregas: una primera en la evaluación intermedia (midterm evaluation) y una segunda en la evaluación final (final evaluation).
- La comprensión y correcta identificación de los distintos métodos de recogida de datos, así como su aplicación en diversos contextos, especialmente en entornos vinculados a las Smart Cities y a la gestión empresarial basada en datos.
- El conocimiento de los conceptos básicos de las tecnologías utilizadas para la captación de datos y su integración en sistemas reales, incluyendo la capacidad de seleccionar las herramientas más adecuadas en función del problema planteado.
- La capacidad de utilizar herramientas básicas de procesamiento de datos con rigor y coherencia, así como de interpretar correctamente los resultados obtenidos a partir de distintas técnicas de análisis.
- La comprensión del funcionamiento de los modelos predictivos y su aplicación a partir de datos reales, incluyendo la capacidad de analizar sus resultados y su impacto en la toma de decisiones en entornos inciertos.
- La habilidad para representar y comunicar datos y resultados mediante herramientas de visualización, garantizando claridad, coherencia y adecuación al contexto de aplicación.
- La capacidad de integrar los distintos conceptos trabajados a lo largo del curso en el desarrollo de un proyecto aplicado, incluyendo la recogida de datos, su procesamiento, la construcción de modelos y la interpretación de los resultados en un caso real.
- La calidad del trabajo desarrollado en actividades prácticas y proyectos, así como el grado de participación activa, rigor y contribución en las dinámicas de clase.
- La claridad, estructura y precisión en la presentación, tanto escrita como oral, de los resultados obtenidos y de las decisiones tomadas a lo largo del proceso de análisis y desarrollo del proyecto.
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.