Guía docente de Introducción a la Programación para Ciencia de Datos (M51/56/3/31)

Curso 2022/2023
Fecha de aprobación por la Comisión Académica 05/07/2022

Máster

Máster Universitario en Ciencia de Datos e Ingeniería de Computadores

Módulo

Módulo Introductorio

Rama

Ingeniería y Arquitectura

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Presencial

Profesorado

  • Miguel García Silvente
  • Rocio Celeste Romero Zaliz
  • María Coral Del Val Muñoz

Tutorías

Miguel García Silvente

Email
  • Tutorías 1º semestre
    • Martes 10:30 a 11:30 (D30 Etsiit)
    • Martes 13:30 a 14:00 (D30 Etsiit)
    • Miércoles 10:30 a 11:30 (D30 Etsiit)
    • Miércoles 13:30 a 14:30 (D30 Etsiit)
    • Jueves 13:30 a 14:00 (D30 Etsiit)
    • Jueves 10:30 a 13:00 (D30 Etsiit)
    • Jueves 10:30 a 11:30 (D30 Etsiit)
    • Viernes 10:30 a 11:30 (D30 Etsiit)
    • Viernes 13:30 a 14:00 (D30 Etsiit)
  • Tutorías 2º semestre
    • Martes 10:30 a 13:30 (D30 Etsiit)
    • Jueves 10:30 a 13:30 (D30 Etsiit)

Rocio Celeste Romero Zaliz

Email
  • Tutorías 1º semestre
    • Martes 15:00 a 18:00 (M2 (F Ciencias))
    • Martes 9:00 a 12:00 (M2 (F Ciencias))
  • Tutorías 2º semestre
    • Martes 15:30 a 18:30 (Tut Etisiit)
    • Viernes 10:30 a 13:30 (Tut Etsiit)

María Coral Del Val Muñoz

Email
  • Tutorías 1º semestre
    • Martes 12:00 a 15:00 (M6 (F Ciencias))
    • Martes 9:00 a 10:00 (M6 (F Ciencias))
    • Miercoles 10:00 a 12:00 (M6 (F Ciencias))
    • Miércoles 10:00 a 12:00 (M6 (F Ciencias))
  • Tutorías 2º semestre
    • Lunes 10:00 a 14:00 (Me (F Ciencias))
    • Miércoles 10:00 a 12:00 (M6 (F Ciencias))
    • Miercoles 10:00 a 12:00 (M6 (F Ciencias))

Breve descripción de contenidos (Según memoria de verificación del Máster)

  • El lenguaje de Programación R: aplicación a la ciencia de datos.
  • Lenguaje de programación Python: aplicación a la ciencia de datos.

Prerrequisitos y/o Recomendaciones

Ninguno.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en 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.
  • 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.

Resultados de aprendizaje (Objetivos)

  • Aprender a utilizar el lenguaje de programación R para la resolución de problemas de análisis de datos en el ámbito de la ciencia de datos.
  • Aprender a utilizar el lenguaje de programación Python para la resolución de problemas de análisis de datos en el ámbito de la ciencia de datos.

Programa de contenidos Teóricos y Prácticos

Teórico

  • Parte I: Lenguaje R:
    • Introducción.
    • Tipos de datos:
      • Vectores.
      • Matrices.
      • Arrays.
      • Factores.
      • Listas.
      • Data Frames.
      • Strings.
    • Gráficas.
    • Ficheros.
    • Funciones.
    • Condicionales.
    • Ciclos.
    • Eficiencia
  • Parte II: Lenguaje Python:
    • Introducción la programación con Python.
    • Programación científica: numpy.
    • Módulos para manejo de datos complejos: pandas.
    • Machine learning con python: scikit-learn.

Práctico

Realización de ejercicios prácticos

Bibliografía

Bibliografía fundamental

  • Garret Grolemund. 2016. Hands-On Programming With R. O'Reilly Media, Inc.
  • Michael J. Crawley. Statistics: An Introduction using R. Wiley. 2005.
  • Torsten Hothorn and Brian S. Everitt. A Handbook of Statistical Analyses Using R. Chapman and Hall. 2009.
  • Norman Matloff. The Art of R Programming. No Starch Press. 2011.
  • Langtangen, H.P., A Primer on Scientific Programming with Python(3a ed), Springer, 2012.

Bibliografía complementaria

Ninguna

Metodología docente

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.

Consideraciones sobre la evaluación

  • 45% correspondiente a una prueba síncrona de carácter teórico-práctico sobre R.
  • 45% correspondiente a una prueba síncrona de carácter teórico-práctico sobre Python.
  • 10% de trabajo autónomo

Evaluación Extraordinaria

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.

La evaluación consistirá en:

  • un único acto académico.
  • Dicha prueba (evaluada de 0 a 10) incluirá pruebas tanto de tipo teórico como práctico que garanticen que el/la estudiante ha adquirido la totalidad de las competencias descritas en esta guía docente.

Evaluación única final

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.
Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.
La evaluación en tal caso consistirá en:

  • Un único acto académico. Dicha prueba se evaluará de 0 a 10.
  • Incluirá pruebas tanto de tipo teórico como práctico que garanticen que el estudiante ha adquirido la totalidad de las competencias descritas en esta guía docente.

Información adicional