No se han establecido

La inclusión en el plan de estudios de esta asignatura viene motivada por la necesidad de gestionar y analizar los datos, en especial cuando su volumen es elevado y, en particular, son de tipo económico. En esta asignatura se presentan las principales tendencias actuales en el área de sistemas de bases de datos con el objetivo de determinar qué tipo de base de datos es más adecuada para cada caso real. Posteriormente se explican las tecnologías más actuales relacionadas con el Big Data para el almacenamiento y procesamiento de grandes volúmenes de información. Se finaliza explicando aquellas técnicas computacionales de Machine Learning que permiten construir modelos que generen conocimiento como resultado de un análisis basado en tecnología Big Data, bien sea en entornos de incertidumbre (Lógica Difusa y Métodos Bayesianos), o bien mediante técnicas de alto poder predictivo como las vinculadas a las Redes Neuronales y al Deep Learning. A su vez se presentan aquellos contenidos relacionados con la legislación vigente en cuanto a acceso y tratamiento de los datos. En todo caso, de acuerdo con la filosofía de aprendizaje que subyace al Máster, todas las metodologías y técnicas de análisis serán tratadas de modo eminentemente empírico mediante software especializado como el lenguaje de programación Python

Competencias propias de la asignatura
Código	Descripción
CB06	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
CB07	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
CB08	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
CB09	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.
CE07	Conocer las principales arquitecturas avanzadas de bases de datos, así como los entornos para su consulta, gestión y aprovechamiento.
CE08	Conocer los conceptos específicos asociados a los entornos Big Data, las herramientas más actuales para la gestión de datos en entornos Big Data, y ser capaz de aplicar al ámbito económico y empresarial modelos avanzados basados en la tecnología Big Data mediante software especializado.
CE09	Conocer la normativa legal relacionada con el tratamiento de datos y su anonimidad, y ser capaz de actuar en el tratamiento de datos conforme a dicha normativa y a los principios éticos que conlleva.
CG01	Saber trabajar en equipos multidisciplinares y gestionar el tiempo de trabajo, obteniendo resultados relevantes en el ámbito de la decisión empresarial o de la investigación avanzada de los fenómenos económicos.
CG02	Ser capaz de generar y desarrollar de forma independiente propuestas innovadoras y competitivas en la investigación y en la actividad profesional en el ámbito del análisis de datos económicos.
CG03	Ser capaz de identificar problemas y evaluar la aplicabilidad de las técnicas de análisis y modelización más adecuadas para su resolución, utilizando para ello software estadístico y econométrico especializado.
CG04	Ser capaz de presentar públicamente los resultados de una investigación o un informe técnico, por medio de software y aplicaciones tecnológicas y digitales en cualquier medio económico especializado (publicación científica) o ante cualquier foro profesional (académico o empresarial), a todos los niveles de especialización.
CT01	Fomentar el espíritu innovador, creativo y emprendedor.
CT02	Desarrollar el razonamiento crítico y la capacidad de crítica y autocrítica.
CT03	Ser capaz de realizar un proceso de aprendizaje autónomo y responsable.

Resultados de aprendizaje propios de la asignatura
Descripción
Conocer las principales arquitecturas avanzadas de bases de datos, así como los entornos para su consulta, gestión y aprovechamiento.
Conocer los conceptos específicos asociados a los entornos Big Data. Conocer las herramientas más actuales para la gestión de datos en entornos Big Data.
Construir modelos que generen conocimiento como resultado de un análisis basado en tecnología Big Data de grandes volúmenes de datos procedentes de entornos económico-financieros con incertidumbre: mercados financieros, mercado energético, medioambiente, etc.
Conocer y aplicar técnicas computacionales de Machine Learning avanzando como Redes Neuronales y Deep Learning a datos masivos en el ámbito económico-empresarial mediante el lenguaje de programación Python.
Conocer la legislación vigente asociada al acceso, gestión y análisis de los datos.
Resultados adicionales
No se han establecido.

• Tema 1: Bases de Datos Avanzadas. Lenguajes de Consultas sobre Bases de Datos.
• Tema 2: Big Data. Procesos avanzados de gestión de datos en Big Data.
• Tema 3: Técnicas para el análisis de datos socioeconómicos con incertidumbre. Lógica Difusa y Métodos Bayesianos
• Tema 4: Machine Learning avanzado con Python. Redes Neuronales y Deep Learning.
• Tema 5: Aspectos legales del análisis de datos.

Actividad formativa	Metodología	Competencias relacionadas (para títulos anteriores a RD 822/2021)	ECTS	Horas	Ev	Ob	Descripción
Enseñanza presencial (Teoría) [PRESENCIAL]	Combinación de métodos	CB06 CB07 CB08 CB10 CE07 CE08 CE09 CG02 CG03 CT01 CT02 CT03	0.4	10	N	N	Método expositivo/Lección magistral Lectura y análisis de artículos y recensiones
Prácticas en aulas de ordenadores [PRESENCIAL]	Combinación de métodos	CB06 CB07 CB08 CB09 CE07 CE08 CG01 CG03 CT02 CT03	0.8	20	S	N	Estudio de casos Resolución de problemas y/o casos Prácticas Talleres y Seminarios
Presentación de trabajos o temas [PRESENCIAL]	Otra metodología	CB09 CE07 CE09 CG01 CG04 CT01 CT02	0.2	5	S	N	Metodología empleada: Presentación de memorias, informes o trabajos; de modo individual y/o colectivo
Otra actividad presencial [PRESENCIAL]	Trabajo dirigido o tutorizado	CB06 CB07 CB08 CB09 CB10 CE07 CE08 CE09 CG01 CG02 CG03 CG04 CT01 CT02	0.5	12.5	N	N	Esta actividad incluye: tutorías tanto individuales como grupales.
Prueba final [PRESENCIAL]	Pruebas de evaluación	CB06 CB07 CB08 CB09 CB10 CE07 CE08 CE09 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.1	2.5	S	N
Estudio o preparación de pruebas [AUTÓNOMA]	Trabajo autónomo	CB06 CB07 CB08 CB10 CE07 CE08 CE09 CG02 CG03 CT02 CT03	1.6	40	N	N
Elaboración de informes o trabajos [AUTÓNOMA]	Combinación de métodos	CB06 CB07 CB08 CB09 CB10 CE07 CE08 CE09 CG01 CG02 CG03 CG04 CT01 CT02 CT03	2.4	60	S	N	Metodologías empleadas: Trabajo dirigido o tutorizado; trabajo autónomo; trabajo en grupo.
Total:			6	150
Créditos totales de trabajo presencial: 2			Horas totales de trabajo presencial: 50
Créditos totales de trabajo autónomo: 4			Horas totales de trabajo autónomo: 100

Ev: Actividad formativa evaluable
Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)

Sistema de evaluación	Evaluacion continua	Evaluación no continua *	Descripción
Trabajo	40.00%	0.00%	Presentación de trabajos o temas Elaboración de informes o trabajos.Se evaluarán los informes y trabajos que han sido propuestos a lo largo del curso
Realización de actividades en aulas de ordenadores	20.00%	0.00%	Se evaluarán actividades realizadas en el aula tales como la presentación de trabajos y temas, resolución de ejercicios y problemas en clase, o el aprovechamiento de las clases
Prueba final	40.00%	100.00%
Total:	100.00%	100.00%

No asignables a temas
Horas	Suma horas

Tema 1 (de 5): Bases de Datos Avanzadas. Lenguajes de Consultas sobre Bases de Datos.
Actividades formativas	Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	2
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	4
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	1
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	2.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	8
Prueba final [PRESENCIAL][Pruebas de evaluación]	.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	12

Tema 2 (de 5): Big Data. Procesos avanzados de gestión de datos en Big Data.
Actividades formativas	Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	2
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	4
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	1
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	2.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	8
Prueba final [PRESENCIAL][Pruebas de evaluación]	.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	12

Tema 3 (de 5): Técnicas para el análisis de datos socioeconómicos con incertidumbre. Lógica Difusa y Métodos Bayesianos
Actividades formativas	Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	2
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	4
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	1
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	2.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	8
Prueba final [PRESENCIAL][Pruebas de evaluación]	.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	12

Tema 4 (de 5): Machine Learning avanzado con Python. Redes Neuronales y Deep Learning.
Actividades formativas	Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	2
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	4
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	1
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	2.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	8
Prueba final [PRESENCIAL][Pruebas de evaluación]	.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	12

Tema 5 (de 5): Aspectos legales del análisis de datos.
Actividades formativas	Horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	2
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	4
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	1
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	2.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	8
Prueba final [PRESENCIAL][Pruebas de evaluación]	.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	12

Actividad global
Actividades formativas	Suma horas

Autor/es	Título	Libro/Revista	Población	Editorial	ISBN	Año	Descripción	Enlace Web	Catálogo biblioteca
Dr. Avishek Pal, Dr. PKS Prakash	Practical Time Series Analysis	Libro		Packt Publishing	9781788290227	2017	Introducción general al análisis de series temporales. Con un capítulo "Deep Learning for Time Series Forecasting"	https://learning.oreilly.com/library/view/practical-time-series/9781788290227/
Francois Chollet	Deep Learning with Python	Libro		Manning Publications	9781617294433	2017	Libro del creador de la librería Keras para la implementación en python de los modelos "Deep Laerning"	https://learning.oreilly.com/library/view/deep-learning-with/9781617294433/
James Ma Weiming	Mastering Python for Finance - Second Edition	Libro		Packt Publishing	9781789346466	2019	Libro avanzado en el uso de librerías para el análisis de datos financieros con el lenguaje python	https://learning.oreilly.com/library/view/mastering-python-for/9781789346466/
K Sundareswaran	A Learner¿s Guide to Fuzzy Logic Systems			CRC Press	9780429287831		Este libro presenta una introducción a la lógica borrosa incluyendo los principios básicos desde una perspectiva interdisciplinar
Nataraj Dasgupta	Practical Big Data Analytics			Packt Publishing	9781783554393	2018	Introducción práctica a las tecnologías de almacenamiento y gestión de datos en entornos Big Data	https://www.packtpub.com/big-data-and-business-intelligence/practical-big-data-analytics
Upom Malik, Matt Goldwasser, Et al	SQL for Data Analytics			Packt Publishing	9781789807356	2019	El libro cubre todo lo que se necesita para progresar, desde el simple conocimiento del SQL básico hasta el análisis avanzado de datos.	https://www.packtpub.com/big-data-and-business-intelligence/sql-data-analysis
Yves Hilpisch	Python for Finance, 2nd Edition	Libro		O'Reilly Media, Inc.	9781492024330	2018	Introducción del lenguaje python para el análisis financiero	https://learning.oreilly.com/library/view/python-for-finance/9781492024323/