Menú local
| CB10 | Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. |
| CB6 | Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
| CB7 | Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. |
| CB8 | Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. |
| CB9 | Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. |
| CG1MIC | Conocer y utilizar las Tecnologías de la Información y la Comunicación aplicadas a la Industria conectada. |
| CG3MIC | Comprender y ser capaz de aplicar herramientas de investigación en el ámbito de la Industria conectada. |
| CT3 | Conocer y aplicar las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento. |
| CT4 | Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad. |
| CT5 | Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y estructuradamente las ideas propias y ajenas. |
| E20MIC | Conocer y utilizar alguna de las herramientas de Big Data más recientes en el mercado. |
| E21MIC - | Tener conocimiento sobre algoritmos de aprendizaje automático para extraer información de interés de grandes volúmenes de información. |
| E22MIC | Ser capaz de diseñar, crear y determinar los mecanismos necesarios para usar Big Data y extraer conocimiento mediante aprendizaje automático sobre un problema determinado. |
| Resultado RB10 | Ser capaces de asumir la responsabilidad de su propio desarrollo profesional y de su especialización en uno o más campos de estudio. |
| Resultado RB6 | . Haber adquirido conocimientos avanzados y demostrado, en un contexto de investigación científica y tecnológica o altamente especializado, una comprensión detallada y fundamentada de los aspectos teóricos y prácticos y de la metodología de trabajo en uno o más campos de estudio. |
| Resultado RB7 | Saber aplicar e integrar sus conocimientos, la comprensión de estos, su fundamentación científica y sus capacidades de resolución de problemas en entornos nuevos y definidos de forma imprecisa, incluyendo contextos de carácter multidisciplinar tanto investigadores como profesionales altamente especializados. |
| Resultado RB7b | Ser capaces de predecir y controlar la evolución de situaciones complejas mediante el desarrollo de nuevas e innovadoras metodologías de tra- bajo adaptadas al ámbito científico/investigador, tecnológico o profesional concreto, en general multidisciplinar, en el que se desarrolle su actividad. |
| Resultado RB7c | Haber desarrollado la autonomía suficiente para participar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro su ámbito temático, en contextos interdisciplinares y, en su caso, con una alta componente de transferencia del conocimiento. |
| Resultado RB8 | Saber evaluar y seleccionar la teoría científica adecuada y la metodología precisa de sus campos de estudio para formular juicios a partir de in- formación incompleta o limitada incluyendo, cuando sea preciso y pertinente, una reflexión sobre la responsabilidad social o ética ligada a la solución que se proponga en cada caso. |
| Resultado RB9 | Saber transmitir de un modo claro y sin ambigüedades a un público especializado o no, resultados procedentes de la investigación científica y tecnológica o del ámbito de la innovación más avanzada, así como los fundamentos más relevantes sobre los que se sustentan. |
| Resultado RE23MIC | Demuestra que es capaz de utilizar alguna de las herramientas de Big Data más recientes en el mercado |
| Resultado RE24MIC | Conoce algoritmos de aprendizaje automático para extraer información de interés de grandes volúmenes de información. |
| Resultado RE25MIC | Es capaz de diseñar, crear y determinar los mecanismos necesarios para usar Big Data y extraer conocimiento mediante aprendizaje automático sobre un problema determinado. |
| Resultado RG1MIC | Demuestra que conoce y utiliza las Tecnologías de la Información y la Comunicación aplicadas a la Industria conectada. |
| Resultado RG3MIC | Demuestra que comprende y utiliza herramientas de investigación en el ámbito de la Industria de conectada. |
| Resultado RT3 | . Conoce y aplica las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento. |
| Resultado RT4 | Demuestra habilidades para el trabajo cooperativo, la participación en equipos y la negociación, incorporando los valores de cooperación, esfuer- zo, respecto y compromiso con la búsqueda de la calidad como signo de identidad. |
| Resultado RT5 | Analiza y razona críticamente, discutiendo asertiva y estructuradamente las ideas propias y ajenas, demostrando pensamiento creativo y capacidad para evaluar el propio proceso de aprendizaje |
En esta asignatura el alumno conocerá herramientas de Big Data que podrán ser empleadas junto con técnicas
de aprendizaje automático para extraer información útil aplicable a procesos industriales. En el laboratorio se
realizarán actividades prácticas sobre cada uno de esos aspectos:
· Introducción a aplicaciones de Big Data.
· Métodos de aprendizaje automático para extracción de información relevante.
· Estudio del empleo de esas técnicas en casos concretos del ámbito de la ingeniería.
Teoría
Tema 1. Ciencia de Datos, analítica avanzada y big data
o La era de los datos, científico de datos, minería de datos y KDD, aplicaciones
o Interpretabilidad vs. Precisión
o Big Data: las tres 'V'. Presencia en medios e impacto económico
o Casos reales: sistemas de recomendación en Amazon y Netflix, transacciones de tarjetas de crédito,
epidemiología, redes sociales
o Software: Weka, KNIME, KEEL, scikit-learn (Python), R...
o Hacia dónde vamos, errores comunes, tecnología emergente, evolución de popularidad
Tema 2. Preprocesamiento: selección y procesado de instancias y características, tratamiento del ruido
o Importancia del preprocesamiento
o Integración, limpieza, normalización, transformación...
o Valores perdidos
o Datos con ruido
o Selección de variable e instancias
o Discretización: CAIM
Tema 3. Fundamentos de clasificación: árboles de decisión, lazy, RNA, bayesianos, evaluación
o Definición del problema
o Etapas en el proceso de clasificación
o Clasificadores basados en instancias: lazy learning y vecinos cercanos
o Árboles de decisión e inducción de reglas: ID3 y C4.5
o Redes neuronales: MLP, RBFN
o Métodos bayesianos: Naïve Bayes,
o Evaluación: métricas, métodos, comparación
Tema 4. Segmentación y relaciones: clustering y reglas de asociación
o Aprendizaje no supervisado
o Clustering: definición, análisis, medidas de distancia y similaridad, métodos de particionamiento, k-means,
métodos jerárquicos aglomerativos y divisivos
o Reglas de asociación: market basket analysis, conceptos, asociaciones booleanas y cuantitativas,
unidimensionales y multidimensionales, soporte y confianza, algoritmo Apriori, medidas de interés.
Tema 5. Aprendizaje incremental y data stream mining
o Introducción y definición.
o Minería de flujo de datos.
o Software y plataformas de flujo de datos.
Tema 6. Exploración y visualización de los datos
o Introducción y ejemplos.
o Tipos de representaciones gráficas.
o Análisis exploratorio de datos
o Software para visualización de datos.
Tema 7. Big data: fundamentos y paradigmas
o Las 3+5 'V'
o Paradigma MapReduce
o Ecosistema Hadoop, Spark
o Mahout, MLlib, FlinkML, H2O...
o Big data preprocessing
o Bibliotecas para analítica de datos, casos de estudio
o Aplicaciones reales
Tema 8. Big data e Inteligencia Aritificial: ejemplos en Ingeniería
Entorno KNIME:
o Introducción
o Instalación de KNIME
o Introducción a la interfaz gráfica de KNIME: editor, nodos, manipulación de datos, visualización, etc.
o Creación de un flujo de dato básico (WorkFlow)
o Ejercicios básicos
o Scripting in KNIME
o Validación cruzada
o Preprocesamiento en KNIME: selección de características, normalización, selección de prototipos, discretización,
valores perdidos (missing values)
o Técnicas de comparación entre métodos
o Ejercicios avanzados
Desarrollo de un proyecto de Descubrimiento de Información en bases de datos haciendo uso de la plataforma
KNIME. El alumno escogerá un problema sobre el que trabajar de entre los ofrecidos y deberá realizar las diferentes
tareas del proceso de descubrimiento de conocimiento:
- Preparación de los datos (Práctica 1)
- Extracción de modelos mediante técnicas de minería de datos (Práctica 2)
- Visualización de los resultados (Práctica 3)
- Validación de los modelos (Práctica 4)
*M2 - Exposición de teoría y ejemplos generales
*M35 - Clases expositivas: Clases magistrales
*M4 - Conferencias, seminarios, etc
*M1 - Clases magistrales
*M101 - Debates, seminarios, etc
| ACTIVIDADES | HORAS PRESENCIALES | HORAS TRABAJO AUTÓNOMO | TOTAL HORAS | CRÉDITOS ECTS | COMPETENCIAS (códigos) |
|---|---|---|---|---|---|
A1 - Clases expositivas en gran grupo
|
16.0 | 34.0 | 50.0 | 2.0 |
|
A54 - Actividades prácticas: debates y seminarios
|
16.0 | 34.0 | 50.0 | 2.0 |
|
| TOTALES: | 32.0 | 68.0 | 100.0 | 4.0 |
S2 - 40%, S3 - 20%, S4 - 40%
| SISTEMA DE EVALUACIÓN |
PONDERACIÓN MÍNIMA |
PONDERACIÓN MÁXIMA |
| S1a Asistencia en actividades presenciales y/o virtuales |
0.0 |
10.0 |
| S2a Participación en actividades presenciales y/o virtuales |
20.0 |
40.0 |
| S3a Examen sobre los conceptos teóricos y prácticos de la materia |
20.0 |
40.0 |
| S4a Realización de trabajos, casos o ejercicios prácticos |
20.0 |
40.0 |
- Data Mining : The Textbook . Autor: Aggarwal, Charu C.. Editorial: Springer.(C. Biblioteca)
- Introduction To Machine Learning . Autor: Alpaydin, Ethem.. Editorial: MIT Press.(C. Biblioteca)
- Artificial Intelligence: A Modern Approach / . Autor: Russell, Stuart J.. Editorial: Pearson Education,.(C. Biblioteca)
- Big Data In Engineering Applications . Autor: Springer. Editorial: 9789811084751.
- Inteligencia Artificial, Inteligencia Computaciones Y Big Data / . Autor: Herrera Triguero, Francisco. Editorial: Universidad de Jaén, Servicio de publicaciones.
Responsable del tratamiento: Universidad de Jaén, Paraje Las Lagunillas, s/n; Tel.953 212121; www.ujaen.es
Delegado de Protección de Datos (DPO): TELEFÓNICA, S.A.U. ; Email: dpo@ujaen.es
Finalidad del tratamiento: Gestionar la adecuada grabación de las sesiones docentes con el objetivo de hacer posible la enseñanza en un escenario de docencia multimodal y/o no presencial.
Plazo de conservación: Las imágenes serán conservadas durante los plazos legalmente previstos en la normativa vigente.
Legitimación: Los datos son tratados en base al cumplimiento de obligaciones legales (Ley Orgánica 6/2001, de 21 de diciembre, de Universidades) y el consentimiento otorgado mediante la marcación de la casilla habilitada a tal efecto.
Destinatarios de los datos (cesiones o transferencias): Toda aquella persona que vaya a acceder a las diferentes modalidades de enseñanza.
Derechos: Ud. podrá ejercitar los derechos de Acceso, Rectificación, Cancelación, Portabilidad, Limitación del tratamiento, Supresión o, en su caso, Oposición. Para ejercitar los derechos deberá presentar un escrito en la dirección arriba señalada dirigido al Servicio de Información, Registro y Administración Electrónica de la Universidad de Jaén, o bien, mediante correo electrónico a la dirección de correo electrónico. Deberá especificar cuál de estos derechos solicita sea satisfecho y, a su vez, deberá acompañarse de la fotocopia del DNI o documento identificativo equivalente. En caso de que actuara mediante representante, legal o voluntario, deberá aportar también documento que acredite la representación y documento identificativo del mismo. Asimismo, en caso de considerar vulnerado su derecho a la protección de datos personales, podrá interponer una reclamación ante el Consejo de Transparencia y Protección de Datos de Andalucía www.ctpdandalucia.es
Responsable del tratamiento: Universidad de Jaén, Campus Las Lagunillas, s/n, 23071 Jaén
Delegado de Protección de Datos:dpo@ujaen.es
Finalidad: Conforme a la Ley de Universidades y demás legislación estatal y autonómica vigente, realizar los exámenes correspondientes a las asignaturas en las que el alumno o alumna se encuentre matriculado. Con el fin de evitar fraudes en la realización del mismo, el examen se realizará en la modalidad de video llamada, pudiendo el personal de la Universidad de Jaén contrastar la imagen de la persona que está realizando la prueba de evaluación con los archivos fotográficos del alumno en el momento de la matrícula. Igualmente, con la finalidad de dotar a la prueba de evaluación de contenido probatorio de cara a revisiones o impugnaciones de la misma, de acuerdo con la normativa vigente, la prueba de evaluación será grabada.
Legitimación: cumplimiento de obligaciones legales (Ley de Universidades) y demás normativa estatal y autonómica vigente.
Destinatarios: prestadores de servicios titulares de las plataformas en las que se realicen las pruebas con los que la Universidad de Jaén tiene suscritos los correspondientes contratos de acceso a datos.
Plazos de conservación: los establecidos en la normativa aplicable. En el supuesto en concreto de las grabaciones de los exámenes, mientras no estén cerradas las actas definitivas y la prueba de evaluación pueda ser revisada o impugnada.
Derechos: puede ejercitar sus derechos de acceso, rectificación, cancelación, oposición, supresión, limitación y portabilidad remitiendo un escrito a la dirección postal o electrónica indicada anteriormente. En el supuesto que considere que sus derechos han sido vulnerados, puede presentar una reclamación ante el Consejo de Transparencia y Protección de Datos de Andalucía www.ctpdandalucia.es