RA2- Conocer los fundamentos de los lenguajes de programación más utilizados en Ciencia de datos
RA9 - Comprender los fundamentos de almacenamiento y tratamiento de grandes bases de datos
RA12 - Seleccionar pertinentemente las fuentes e instrumentos de información disponible, creando una base de datos de estructura ágil y de fácil consulta
RA13 - Reunir, depurar y transformar los datos que la empresa almacena, en información estructurada y coherente para contrastar hipótesis que traten de responder a preguntas de investigación dentro del ámbito de la Inteligencia de Negocios
RA14 - Utilizar los distintos modelos de almacenamiento de datos y los sistemas de gestión de las bases de datos y utilizar un lenguaje de programación de definición, consulta y manipulación de los mismos
RA25 Investigar en nuevas metodologías y técnicas para la gestión y explotación de grandes bases de datos con las que crear conocimiento que apoye la toma de decisiones en la dirección estratégica y en la inteligencia empresarial
RA26 - Comunicar las conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

50%

25%

25%

,96

2,04

1

No haber cursado previamente la asignatura Programación en Ciencia de Datos.

El alumno tiene la posibilidad de aprobar la asignatura por evaluacion continua , que consistirá en:
a) 90% de la nota:
Exámenes teóricos: Evaluación de los conocimientos adquiridos mediante pruebas escritas.
Trabajos prácticos: Entrega de proyectos de programación y análisis de datos.
b) 10% de la nota
Participación en clase: Evaluación de la participación en discusiones y actividades en clase.

Aparte de ello, cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data. O'Reilly Media.
McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media.
Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media.
Grus, J. (2015). Data Science from Scratch: First Principles with Python. O'Reilly Media.
Raschka, S., & Mirjalili, V. (2019). Python Machine Learning. Packt Publishing.