Programación para la ciencia de datos
GUÍA DOCENTE Curso 2022-23
Titulación: | Máster universitario en Ciencia de Datos y Aprendizaje Automático | 855M |
Asignatura: | Programación para la ciencia de datos | 5216 |
Materia: | Programación y preparación de datos |
Módulo: | Programación y lenguajes para la ciencia de datos |
Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Obligatoria |
Curso: | 1 | Créditos ECTS: | 3,00 | Duración: | Semestral (Primer Semestre) |
Horas presenciales: | 30,00 | Horas estimadas de trabajo autónomo: | 45,00 |
Idiomas en que se imparte la asignatura: | Español |
Idiomas del material de lectura o audiovisual: | Inglés, Español |
Departamentos responsables de la docencia
MATEMÁTICAS Y COMPUTACIÓN | R111 |
Dirección: | C/ Madre de Dios, 53 | Código postal: | 26006 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
Profesor: | Lamban Pardo, Laureano | Responsable de la asignatura |
Teléfono: | 941299446 | Correo electrónico: | lalamban@unirioja.es |
Despacho: | 3227 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
Metodologías y tecnologías de programación para la ciencia de datos: lenguajes de programación, lenguajes de script, módulos y librerías
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Ninguno especificado.
Competencias
Competencias generales
CG01 - Capacidad de análisis y síntesis a nivel avanzado en el ámbito de la ciencia de datos y aprendizaje automático
CG02 - Capacidad de iniciativa y autonomía para llevar a cabo proyectos relacionados con la ciencia de datos y aprendizaje automático
CG03 - Habilidad para dar un uso avanzado a las herramientas de búsqueda de información relevante en el ámbito de la ciencia de datos y aprendizaje automático y, en particular, a las disponibles en la web
CG06 - Capacidad de iniciativa y autonomía para las distintas tareas propias de la actividad investigadora en el ámbito de la ciencia de datos y aprendizaje automático
Competencias específicas
CE01 - Habilidad para utilizar lenguajes de programación específicos para la ciencia de datos, que sirvan de base para el posterior aprendizaje y desarrollo de técnicas más complejas, así como aplicar herramientas software para el tratamiento y modelado de gran cantidad de información
CE02 - Capacidad para analizar, aplicar y diferenciar métodos de transformación de datos que permiten simplificar un problema de tratamiento de información
Resultados del aprendizaje
- Es capaz de utilizar técnicas de programación para el diseño de programas que resuelvan problemas propios del tratamiento de datos.
- Conoce y sabe emplear lenguajes de programación, junto a sus correspondientes módulos y librerías, que se consideran apropiados para la ciencia de datos.
- Es capaz de realizar transformaciones de problemas mediante la aplicación de técnicas de preprocesamiento.
Temario
Metodologías y tecnologías de programación para la ciencia de datos.
Lenguajes de programación, lenguajes de script.
Lenguaje Python:
-Programación estructurada.
-Estructuras de datos y técnicas de iteración.
-Clases y objetos.
-Librerías (Python) útiles en ciencia de datos: numpy y pandas.
Casos pácticos.
Bibliografía
Tipo: | Título |
Básica | Pyhon 3: los fundamentos del lenguaje |
Básica | Data Science from scratch: first pinciples with Python |
Básica | Learn Data Analysis with Python |
Básica | Pyhon Programming: an introduction to computer science |
Básica | Introducción a la práctica de la programación con Python |
Complementaria | Python 3 tutorial (python.org) |
Complementaria | Numpy User Guide (numpy.org) |
Recursos en Internet |
El material didáctico (ejercicios prácticos, cuestiones, actividades ...etc) se encontrará disponible en el aula virtual para todos los alumnos matriculados en esta asignatura. |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Tutorías
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo
Organización
Actividades presenciales | Tamaño de grupo | Horas |
Clases teóricas | Grande | 10,00 |
Seminarios y talleres | Grande | 8,00 |
Clases prácticas | Informática | 10,00 |
Tutorías | Grande | 2,00 |
Total de horas presenciales | 30,00 |
Trabajo autónomo del estudiante | Horas |
Estudio y trabajo en grupo | 10,00 |
Estudio y trabajo autónomo individual | 35,00 |
Total de horas de trabajo autónomo | 45,00 |
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Informes y memorias de prácticas | 40% | |
Trabajos y proyectos | 30% | |
Pruebas escritas | 30% | |
Total | 100% |
15/03/2023 10:34:45 - G 2022-23 - 855M - 5216