Estudia > Oferta formativa > Oferta d'assignatures > Detall de l'assignatura
Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2021
Descripció:
L'objectiu d'aquest curs és introduir les eines tecnològiques per adquirir les dades així com la forma de preparar-les perquè es puguin utilitzar a les tècniques de ciència de dades. 1. Principals llenguatges de programació per a l'anàlisi de dades 2. Estàndards de dades 3. Fonts de dades i adquisició 4. Qualitat de les dades i neteja de dades (data cleansing)
Crèdits:
6

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
Adria Arnau Perez
Idioma de les classes:
Català (75%), Anglès (25%)

Competències

  • CB7 Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis relacionats amb la seva àrea d'estudi
  • CB10 Que els estudiants tinguin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma
  • CG4 Analitzar les implicacions ètiques de les actuacions professionals
  • CE1 Programar a un nivell avançat en els llenguatges i llibreries més utilitzades en la ciència de dades
  • CE2 Recollir i extreure dades de diferents fonts d'informació estructurades i no estructurades de forma ràpida i fiable considerant els principals estàndards de codificació
  • CE4 Preprocessar dades amb l'objectiu de crear un conjunt de dades de qualitat, informatiu i manejable
  • CE15 Aplicar els mètodes de protecció tècnica de dades necessaris per garantir la privacitat i la anonimització de les dades

Continguts

1. Introducció a l’Adquisió i Preparació de dades

2. Introducció a Python per a Machine Learning

3. Introducció a Dataframes

4. Fonts i adquisió de dades

5. Anàlisi exploratòria de dades

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Activitat col·laborativa 0 50,00 0 50,00
Elaboració individual de treballs 0 30,00 0 30,00
Sessió participativa 15,00 15,00 0 30,00
Sessió pràctica 15,00 15,00 0 30,00
Tutories individuals 5,00 0 5,00 10,00
Total 35,00 110,00 5,00 150

Bibliografia

  • lice Zheng, Amanda Casari (2018). Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists. O’Reilly.
  • Jacqueline Kazil, Katharine Jarmul (2016). Data Wrangling with Python: Tips and Tools to Make Your Life Easier. O’Reilly.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat % Recuperable
Compleció de treballs en avaluació continuada Es comprobarà l'adequació de les solucions aportades d'acord amb els conceptes explicats. 40 No
Pràctica final Es valorarà la correctesa de la solució així com de l'informe corresponent. 60

Qualificació

L'avaluació de l'assignatura tindrà dues parts: una avaluació continua amb forma d'activitats i pràctiques al llarg del curs, i una pràctica final on s'avaluaran els coneixements adquirits en tot el curs.

Criteris específics de la nota «No Presentat»:
No lliurar treballs d'avaluació continuada ni pràctica final.

Avaluació única:
L'avaluació única de l'assignatura s'acordarà amb el professor a principi de curs i pot consistir en un examen o pràctica final que inclourà els diferents blocs de l'assignatura.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0

Tutoria


Ens podreu fer arribar els vostres dubtes o concertar tutories (tant de teoria com de pràctiques i problemes) via mail en el corresponent professor.

Les tutories es podran realitzar individualment o per grups, i es faran presencialment o utilitzant videoconferència (google meet).

Comunicacio i interacció amb l'estudiantat

La comunicació habitual en l’assignatura es farà via moodle.

L'assignatura tindrà el fòrum d'avisos on es guardaran totes les notificacions relatives al curs i també es podran crear fòrums específics per cadascuna de les pràctiques.

L'interacció individual la podrem fer presencialment als despatxos dels professors sempre que les condicions ho permentin, o bé també via videoconferència (individualment o en grup).

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.