Estadísticas Oficiales e Indicadores Sociales y Económicos
Master's Programme. Academic Year 2024/2025.
BIG DATA, OPEN DATA Y CLOUD DATA - 609796
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 067S - MÁSTER UNIVERSITARIO EN ESTADÍSTICAS OFICIALES E INDICADORES SOCIALES Y ECO (2022-23)
- Carácter: OBLIGATORIA
- ECTS: 3.0
SINOPSIS
COMPETENCIAS
Generales
CG2 - Conocer y aplicar la normativa y regulación local, autonómica, nacional e internacional en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG3 - Comprender y ser capaz de aplicar las herramientas básicas de investigación en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG4 - Comprender, analizar y evaluar teorías, resultados y desarrollos en el idioma de referencia, además de en la lengua materna, en el ámbito de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG5 - Poseer conocimientos racionales y críticos en el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG6 - Conocer los métodos, técnicas e instrumentos de análisis para el estudio de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG7 - Capacidad para encontrar soluciones alternativas en el planteamiento de un problema o en la utilización de Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG8 - Conocer los fundamentos y las implicaciones económicas de los procesos de producción y aplicación de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG9 - Resolver casos prácticos conforme al análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos, lo que implica la elaboración previa de material, la identificación de cuestiones problemáticas, la selección, interpretación y la exposición argumentada de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
CG10 - Estructurar el proceso de análisis de un problema con elementos aleatorios en el análisis de las Estadísticas Oficiales e Indicadores Sociales y Económicos.
Transversales
CT2 - Conocer y aplicar las políticas y prácticas de atención a colectivos sociales especialmente desfavorecidos e incorporar los principios de igualdad entre hombres y mujeres y de accesibilidad universal y diseño adaptado para todos a su ámbito de estudio.
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.
CT6 - Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y estructuradamente las ideas propias y ajenas, ejerciendo auténtico espíritu de liderazgo.
Específicas
CE8 - Conocer y manejar las nuevas fuentes de datos masivos vinculadas a los entornos digitales.
CE9 - Adquirir conocimientos sobre los métodos y técnicas para la correcta definición de un proceso de investigación cuantitativo, así como sobre las técnicas para garantizar la calidad de las herramientas técnicas utilizadas.
CE12 - Adentrarse en el manejo de técnicas estadísticas avanzadas aplicadas al estudio social, económico y demográfico.
Otras
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.
ACTIVIDADES DOCENTES
Clases teóricas
Clases prácticas
Presentaciones
Otras actividades
TOTAL
Presenciales
No presenciales
Semestre
Breve descriptor:
Aprender los paradigmas Big, Open y Cloud data mediante conceptos teóricos fundamentales y prácticas con herramientas informáticas relacionadas.
Objetivos
Ante el incremento del volumen de la información, las organizaciones tratan de abordar el análisis de grandes volúmenes de datos desde muchos ángulos diferentes. Las herramientas de Big Data utilizan tecnologías actuales para mejorar la capacidad de procesamiento a través de altas prestaciones, bases de datos de información estructurada y no estructurada. Entre los objetivos de la asignatura se encuentran conocer las características del Big Data y sus aplicaciones.
El movimiento de datos abiertos ofrece beneficios significativos a la economía, la sociedad, promueve la democracia y la responsabilidad de los gobiernos públicos incentivando la transparencia, participación y colaboración de los ciudadanos. Existen normas, métricas, estándares, técnicas y plataformas de procesado para la implantación de datos abiertos de manera automatizable y reusable en el contexto de Big Data que se detallarán en este módulo.
Cloud Computing es un nuevo modelo de provisión de recursos como servicio, bajo demanda, y de forma elástica y dinámica a través de Internet. El objetivo de este módulo es conocer las posibilidades del Cloud Computing y el impacto potencial de su adopción en entornos de análisis y/o evaluación de datos.
Contenido
1. Introducción al Big Data
- A qué llamamos Big Data
- El ecosistema Big Data
- Inteligencia artificial y Big Data
- Big Data y su impacto en la sociedad actual: nuevas profesiones, retos y oportunidades
2. Casos de uso en Big Data
3. Ciclo de vida de un proyecto en Big Data
- Identificación de las fuentes de datos, adquisición, limpieza, transformación e integración
- Almacenamiento:
- Necesidad de un nuevo tipo de almacenamiento
- Tipos de bases de datos NoSQL: características, ventajas, cuándo utilizarlas
- Análisis y modelado:
- Metodología del análisis y modelado
- Evaluación del modelo
- Algunos modelos y algoritmos de aprendizaje automático
- Visualización
4. Open data
- Qué es el movimiento Open Data
- La importancia de las bases de datos abiertas
- El valor de la reutilización de los datos
5. Cloud Data
- Este es no es un tema en sí mismo, es un tema transversal que se va explicando en los temas anteriores
Evaluación
Resolución de casos prácticos propuestos por el profesor: 25%
Evaluación continua atendiendo a los resultados de las adquisiciones de competencias prácticas y teóricas vinculadas a las materias del máster: 15%
Realización de una prueba escrita final que no puede ser, en ningún caso, el único procedimiento de evaluación: 50%
Bibliografía
-Big Data. La revolución de los datos masivos. Viktor Mayer-Schonberger y Kenneth Cukier.
-Big Data en la práctica. Cómo 45 empresas exitosas han utilizado análisis de big data para ofrecer resultados extraordinarios. Bernard Marr
- Open government data around the world, right now. | Global Open Data Index
by Open Knowledge, 2016
- Castro, D. Open Data in the G8: A Review of Progress on the Open Data Charter.
Bibliografía complementaria:
-Big Data con Phython (Recolección almacenamiento y proceso). Rafael Caballero, Enrique Martín y Adrián Riesco
- Big Data para Directivos. ALBERT SOLANA Y GENIS ROCA
-A lo largo del curso la profesora irá recomendando y poniendo en el Campus Virtual de la asignatura libros, vídeos y enlaces interesantes
Otra información relevante
- Entorno de programación en Python
Estructura
| Módulos | Materias |
|---|---|
| No existen datos de módulos o materias para esta asignatura. | |
Grupos
| Clases y/o prácticas | ||||
|---|---|---|---|---|
| Grupo | Periodos | Horarios | Aula | Profesor |
| Grupo único | 23/01/2025 - 10/04/2025 | JUEVES 17:00 - 19:00 | - | MARIA GUADALUPE MIÑANA ROPERO |