Dades generals
-
Curs acadèmic:
- 2021
-
Descripció:
- Definició, tipologia i font de les dades massives (Big Data). Transformació de les dades massives. Tècniques, eines i mètodes avançats d'anàlisi: anàlisi estadística (mètodes d'associació i d'agrupació); mineria de dades; tècniques de visualització.
-
Crèdits:
- 6
Grups
Grup A
-
Durada:
- Semestral, 1r semestre
-
Professorat:
- Georgia Escaramis Babiano
-
Idioma de les classes:
- Català (80%), Anglès (20%)
Competències
- CG.2. Cercar, generar i seleccionar informació i dades rellevants, tant quantitatives com qualitatives, i analitzar-les per estudiar un problema empresarial.
- CG.3. Comunicar conclusions, coneixements i arguments davant diferents tipus de públic i en condicions de negociació o debat.
- CG.4. Elaborar informes, estudis tècnics o tesi a partir del coneixement i anàlisi crítica.
- CE.4. Aplicar les metodologies quantitatives i qualitatives necessàries per resoldre problemes propis de l'empresa
- CE.5. Usar i construir sistemes d'intel·ligència de negoci.
Continguts
1. Introducció al Big Data i la Mineria de Dades
2. Tècniques de reducció de la dimensionalitat de la base de dades respecte les variables: Anàlisi en Components Principals. Anàlisi de Correspondències Múltiples.
3. Relacions entre dos conjunts de variables numèrques amb reducció de la dimensionalitat: regressió en mínims quadrats parcials
4. Tècniques de reducció de la dimensionalitat de la base de dades respecte les observacions. Tècniques de classificació: Anàlisi Clúster, arbres de classificació, random forest.
5. Reducció simultània de les observacions i les variables d'una base de dades: anàlisi discriminant a partir de mínims quadrats parcials (PLSDA).
Activitats
| Tipus d’activitat |
Hores amb professor |
Hores sense professor |
Hores virtuals amb professor |
Total |
| Anàlisi / estudi de casos |
7,50 |
18,00 |
0
|
25,50 |
| Prova d'avaluació |
10,50 |
57,00 |
0
|
67,50 |
| Sessió participativa |
27,00 |
30,00 |
0
|
57,00 |
| Total |
45,00 |
105,00 |
0
|
150 |
Bibliografia
- Hair, Joseph F (1999). Análisis multivariante (5ª ed). Madrid: Prentice-Hall. Catàleg
- Bagozzi, Richard P (1994). Advanced methods of marketing research. Cambridge, Mass.: Blackwell. Catàleg
- James, Witten, Haslie and Tibshirani (2013). An introduction to statistical learning with applications in R. Springer.
Avaluació i qualificació
Activitats d'avaluació:
| Descripció de l'activitat |
Avaluació de l'activitat |
% |
Recuperable |
| Exercicis amb el programa R. Es començaran a l'aula i s'acabaran fora de l'aula |
Lliurament de casos pràctics en grups en funció de la matrícula. |
60 |
Sí |
| Prova d'avaluació |
Prova final d'avaluació individual. |
40 |
Sí |
Qualificació
D'acord amb la normativa d'avaluació de la UdG:
a) Els exercicis amb el programa R són activitats recuperables.
b) La prova d'avaluació final és recuperable.
c) La realització fraudulenta d'algun o alguns exercicis exigits en l'avaluació de l'assignatura comporta la nota final de suspens amb independència del procés disciplinari que es pugui seguir respecte l'alumne infractor.
Criteris específics de la nota «No Presentat»:
Obtindrà una qualificació numèrica qui compleixi alhora les condicions següents:
a) Lliuri almenys la meitat dels exercicis d'avaluació en grup.
b) Faci l'examen individual d'avaluació.
Qui no compleixi alguna constarà com a No Presentat.
Avaluació única:
L'avaluació única consistirà en un únic examen final de tota la matèria de l'assignatura valorat amb el 100% de la nota, que tindrà lloc el dia que els estudiants d'avaluació continuada fan l'examen d'avaluació.
Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0 després de fer la mitjana ponderada entre examen i exercicis pràctics.
Tutoria
El canal preferit de tutoria és al despatx del professorat.
Com a canal addicional s'obrirà en el moodle un fòrum de dubtes. D'aquesta manera els dubtes i les seves respostes es posen en comú. El professorat no resoldrà dubtes per correu electrònic.
Comunicacio i interacció amb l'estudiantat
Vegeu apartat tutoria
Observacions
Coneixements mínims d'estadística i programació
Modificació del disseny
Modificació de les activitats:
En un escenari de classes semipresencials a causa de la COVID-19:
-Demanem als estudiants una lectura prèvia del temari. Dedicarem les sessions presencials sobretot a fer resums, resoldre dubtes i fer tasques de resolució de problemes, amb mètodes de classe inversa.
En un escenari de classes totalment virtuals a causa de la COVID-19:
-El plantejament és el mateix, per videoconferència a través d'alguna de les plataformes recomanades per la UdG.
Modificació de l'avaluació:
En un escenari de classes semipresencials a causa de la COVID-19 no es preveuen canvis significatius. Segons el que s'estableixi per a l'ús de les aules informàtiques i el distanciament quan s'utilitzin, els lliuraments telemàtics de les pràctiques es podran fer en format individual.
En un escenari de classes totalment virtuals a causa de la COVID-19:
-Els lliuraments telemàtics de les pràctiques es continuaran fent, adaptant el temps per executar-les i lliurar-les des de casa. Es permet la realització en format individual.
-L'examen serà on-line, en streaming, a partir de qüestionaris de Moodle.
Tutoria i comunicació:
En un escenari de classes semipresencials a causa de la COVID-19 no es preveuen canvis significatius, tret de la cita prèvia per a les tutories presencials al despatx, durant les quals no podran canviar de mans dispositius electrònics o documents.
En un escenari de classes totalment virtuals a causa de la COVID-19:
-Mantenim comunicació via moodle en un fòrum de dubtes.
-S'afegeix com a canal addicional les tutories individualitzades o per grups reduïts, a través d'alguna de les plataformes de videoconferència recomanades per la UdG.
L'alumnat diagnosticat, que hagi estat en contacte amb persones infectades, o que tingui símptomes s'acollirà en tot cas a l'escenari virtual.