Universidad Pública de Navarra



Año Académico: 2024/2025
Graduado o Graduada en Ciencia de Datos/Graduado o Graduada en Biotecnología por la Universidad Pública de Navarra
Código: 508302 Asignatura: PREPARACIÓN DE DATOS
Créditos: 3 Tipo: Obligatoria Curso: 3 Periodo: 1º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
SANZ DELGADO, JOSÉ ANTONIO (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Materia Nivel 1: Minería de datos
  • Materia Nivel 2: Minería de datos

Subir

Descripción/Contenidos

Técnicas de integración, normalización y transformación de datos. Selección de variables e instancias. Detección de outliers. Tratamiento de valores perdidos y ruido.

Subir

Competencias genéricas

  • CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
  • CT3 - Capacidad para la búsqueda y utilización de la información, normativa y reglamentación relativa a su ámbito de actuación.
  • CT4 - Capacidad para el trabajo en equipos multidisciplinares y multiculturales.

Subir

Competencias específicas

  • CE4 - Conocer las principales técnicas que permitan realizar un análisis exploratorio preliminar de los datos.
  • CE14 - Manejar, organizar información estadística e interpretar las técnicas de visualización y preprocesamiento de datos.
  • CE15 - Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.

Subir

Resultados aprendizaje

  • RA1. Explicar cómo puede llevarse a cabo un preprocesamiento de datos por medio de técnicas estadísticas e inteligentes.
  • RA2. Describir las principales características de un conjunto de datos para facilitar su procesamiento.
  • RA3. Identificar relaciones entre los datos.
  • RA4. Extraer las características más relevantes de los datos.
  • RA5. Normalizar los datos para permitir su procesamiento.
  • RA6. Eliminar el ruido y las distorsiones que puedan afectar a los datos.

Subir

Metodología

Actividad formativa 

Horas presenciales 

Horas no presenciales 

A1. Clases expositivas/ participativas 

14 

0 

A2. Prácticas 

14 

0 

A3. Realización de trabajos/proyectos en grupo 

0 

5 

A4. Estudio y trabajo autónomo del estudiante 

0 

39 

A5. Tutorías 

0 

1 

A6. Pruebas de evaluación 

2 

0 

Total 

30 

45 

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA1, RA2, RA3, RA4, RA5, RA6  Pruebas escritas  50  Sí 5
RA1, RA2, RA3, RA4, RA5, RA6  Presentaciones orales  10  Sí 5
RA1, RA2, RA3, RA4, RA5, RA6  Trabajos e informes  30  Sí 5
RA1, RA2, RA3, RA4, RA5, RA6  Pruebas e informes de trabajo experimental  10  No  

Si en alguna de las actividades no se alcanzara la nota mínima requerida, la nota de la asignatura será el mínimo de las notas obtenidas en los apartados en los que no haya alcanzado.

Subir

Temario

  • Tema 1. Introducción al procesamiento de datos.
  • Tema 2. Limpieza de datos.
  • Tema 3. Transformación de datos.
  • Tema 4. Selección de variables.
  • Tema 5. Selección de instancias.

Subir

Programa de prácticas experimentales

Se realizarán varias prácticas a lo largo del semestre que afianzarán los contenidos teóricos. Además, se realizará un trabajo final en grupos que deberá ser expuesto oralmente.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La bibliografía de la asignatura es la siguiente:

  • Introducción a la Minería de Datos (2004). Hernández, Ramírez y Ferri. Prentice Hall. Editorial Pearson, ISBN: 8420540919
  • Data mining and knowledge discovery handbook. Odied Maimon y Lior Rokach (2010). Springer. ISBN: 978-0387098234
  • Data Preprocessing in Data Mining (2015). Salvador García, Julián Luengo, Francisco Herrera. Springer. ISBN online: 978-3-319-10247-4. ISBN printed: 978-3-319-10246-7

Subir

Idiomas

Castellano.

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir