Inteligencia de negocio
GUÍA DOCENTE Curso 2022-23
Titulación: | Máster universitario en Ciencia de Datos y Aprendizaje Automático | 855M |
Asignatura: | Inteligencia de negocio | 5229 |
Materia: | Almacenamiento y recuperación de datos avanzados |
Módulo: | Técnicas avanzadas de almacenamiento y recuperación de datos |
Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Obligatoria |
Curso: | 1 | Créditos ECTS: | 3,00 | Duración: | Semestral (Segundo 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: | Rubio García, Ángel Luis | Responsable de la asignatura |
Teléfono: | 941299449 | Correo electrónico: | arubio@unirioja.es |
Despacho: | 3222 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Profesor: | Jaime Elizondo, Arturo |
Teléfono: | 941299439 | Correo electrónico: | arturo.jaime@unirioja.es |
Despacho: | 3234 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
Inteligencia de negocio. Integración de datos mediante ETL. Almacenes de datos. Construcción de informes y cuadros de mandos. Técnicas de autoservicio en inteligencia de negocio. Técnicas de diseño de visualización de datos. Casos de uso.
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Ninguno especificado.
Contexto
Esta asignatura pertenece a la materia "Almacenamiento y recuperación de datos avanzados" dentro del Plan de Estudios del Máster. En ella se presenta una introducción a los conceptos avanzados de inteligencia de negocio (tales como almacenes de datos, ETL, OLAP o técnicas de visualización de datos).
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
CG05 - Habilidad para formular por escrito a nivel avanzado temas del ámbito de la ciencia de datos y aprendizaje automático usando correctamente diferentes tipos de enfoques académicos relacionados con su campo de estudio
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
CE03 - Capacidad para analizar las necesidades de información que se plantean en un entorno y llevar a cabo el proceso de construcción de un sistema de información haciendo uso de las tecnologías más actuales disponibles en cada momento en el ámbito de la ciencia de datos y el aprendizaje automático
Resultados del aprendizaje
- Conoce distintos modelos asociados a bases de datos (relacionales, dimensionales, no relacionales, almacenes de datos), así como lenguajes de consulta asociados a los mismos.
- Comprende la problemática asociada a la captación, gestión y procesamiento de grandes volúmenes de datos.
- Conoce y sabe aplicar las técnicas más comunes para la interacción y análisis de grandes repositorios de datos, con el objetivo de extraer conclusio- nes sobre los datos contenidos en ellos.
- Es capaz de elegir el sistema de información más adecuado para las problemáticas habituales en la ciencia de datos.
Temario
- Qué es BI
- Almacenes de datos: arquitectura y modelado
- ETL
- OLAP
- Herramientas de autoservicio
- Cuadros de mando e informes
- De los datos a la visualización
- Principios y técnicas para la visualización efectiva
Bibliografía
Tipo: | Título |
Básica | Introducción al Business Intelligence Absys |
Básica | Pentaho solutions : business intelligence and data warehousing with Pentaho and MySQL Absys |
Básica | Fundamentals of Data Visualization Absys |
Básica | Effective Data Visualization Absys |
Básica | Data visualization: a practical introduction Absys |
Básica | Sistemas multidimensionales Absys |
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 | 15,00 |
Estudio y trabajo autónomo individual | 30,00 |
Total de horas de trabajo autónomo | 45,00 |
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Informes y memorias de prácticas | 40% | |
Trabajos y proyectos | 40% | |
Pruebas escritas | 20% | |
Total | 100% |
15/03/2023 10:34:51 - G 2022-23 - 855M - 5229