Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura KNOWLEDGE DISCOVERY/APRENDIZAJE NO SUPERVISADO Código 01742007
Enseñanza
1742 - M.U. EN INTELIGENCIA DE NEGOCIO Y BIG DATA EN ENTORNOS SEGUROS - A DISTANCIA
Descriptores Cr.totales Tipo Curso Semestre
3 Obligatoria Primer Segundo
Idioma
Castellano
Prerrequisitos
Departamento DERECHO PRIV. Y DE LA EMPRESA
Responsable
ÁLVAREZ CUESTA , HENAR
Correo-e halvc@unileon.es
mcong@unileon.es
Profesores/as
ÁLVAREZ CUESTA , HENAR
CONDE GONZALEZ , MIGUEL ANGEL
Web http://ubuvirtual.ubu.es
Descripción general
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. MATELLAN OLIVERA , VICENTE
Secretario ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS
Vocal ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ LLAMAS , CAMINO
Tribunal suplente
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ DE SOTO , ADOLFO
Secretario ING.MECANICA,INFORMAT.AEROESP. ALFONSO CENDON , JAVIER
Vocal ING.MECANICA,INFORMAT.AEROESP. CASTEJON LIMAS , MANUEL

Competencias
Tipo A Código Competencias Específicas
  A17954 1742CSD3. Capacidad para el análisis, explotación y síntesis de conjuntos complejos de datos no estructurados y de diseñar soluciones que permitan extraer de los mismos información relevante y valiosa para el soporte a la toma de decisiones.
Tipo B Código Competencias Generales y Transversales
  B5577 1742CG1. Adquisición de competencias teóricas y prácticas para el análisis y diseño de soluciones empresariales en Big Data (almacenamiento y procesamiento de grandes volúmenes de información heterogénea).
  B5579 1742CG3. Capacidad de diseñar e implementar sistemas capaces de extraer conocimiento práctico de grandes volúmenes de datos aplicado al mundo de la empresa (Inteligencia de Negocio/Business Intelligence)
Tipo C Código Competencias Básicas

Resultados de aprendizaje
Resultados Competencias
Es capaz de analizar, explorar y sintetizar conjuntos complejos de datos no estructurados y de diseñar soluciones que permitan extraer de los mismos información relevante y valiosa para el soporte a la toma de decisiones. A17954
 B5577
B5579

Contenidos
Bloque Tema
Bloque de contenidos Búsqueda de elementos similares (minhasing, Jacquard similarity, Locally Sensitive Hashing).

Técnicas de agrupamiento (K-means, agrupamiento jerárquico).

•Visualización y reducción de la dimensionalidad (PCA, SVD).

•Problema de artículos frecuentes (modelados de cestas de la compra, reglas de asociación)

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Presentaciones/exposiciones 0 12 12
 
Dirigidas 0 45 45
Tutorías 0 8 8
Trabajos 0 5 5
 
Sesión Magistral 0 0 0
 
Pruebas mixtas 5 0 5
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías   ::  
  descripción
Presentaciones/exposiciones Clases (en remoto), conferencias y técnicas expositivas
Dirigidas Actividades autónomas y en grupo (trabajos y lecturas dirigidas)
Tutorías Tutoría individual, participación en foros y otros medios colaborativos.
Trabajos Pruebas de seguimiento y exposición de trabajos
Sesión Magistral

Tutorías
 
Trabajos
descripción
Por email o en el foro del moodle

Evaluación
  descripción calificación
Trabajos - Realización de trabajos, proyectos, resolución de problemas y casos. 30%-80%
Pruebas mixtas - Evaluación sumativa que incluye pruebas parciales individuales y prueba final. 20%-50%
Otros - Participación en foros y otros medios participativos. 10%-40%
 
Otros comentarios y segunda convocatoria

De confomidad con lo indicado para la primera convocatoria

Al ser un máster interuniversitario, las guías docentes de aplciación en su desarrollo completo son aquellas indicadas en la página web del máster interuniversitario de la Universidad coordinadorahttps://www.inf.uva.es/master-online/

Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica

Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman, Mining of Massive Datasets, 2014
Complementaria


Recomendaciones