Guías Docentes Electrónicas
1. DATOS GENERALES
Asignatura:
MINERÍA DE DATOS
Código:
42348
Tipología:
OPTATIVA
Créditos ECTS:
6
Grado:
406 - GRADO EN INGENIERÍA INFORMÁTICA (AB)_20
Curso académico:
2022-23
Centro:
604 - E.S. DE INGENIERÍA INFORMÁTICA ALBACETE
Grupo(s):
15 
Curso:
4
Duración:
Primer cuatrimestre
Lengua principal de impartición:
Español
Segunda lengua:
Inglés
Uso docente de otras lenguas:
Inglés en documentación y material en inglés para alumnos Erasmus y otros intercambios.
English Friendly:
S
Página web:
Bilingüe:
N
Profesor: JOSE ANTONIO GAMEZ MARTIN - Grupo(s): 15 
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
ESII/1.C.13
SISTEMAS INFORMÁTICOS
2473
jose.gamez@uclm.es

2. REQUISITOS PREVIOS

Para cursar esta materia es aconsejable haber cursado los módulos de Formación Básica (Módulo I) y el módulo Común a la Rama de Informática (Módulo II).

Esta asignatura se apoya en las competencias y los conocimientos adquiridos en las asignaturas:

- Lógica

- Estadística

- Diseño de Algoritmos

- Sistemas Inteligentes

- Sistemas Basados en el Conocimiento

3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN

La asignatura se ubica en la intensificación de Computación, en el ámbito de las asignaturas de la Inteligencia Artificial. La Minería de datos, y el aprendizaje automático en general, están ligados al campo de la estadística y de la algorítmica, y abordan las técnicas para la extracción de conocimiento implícito en conjuntos de datos. En los últimos años, estas disciplinas están ganando importancia debido al incremento en la producción de datos -propiciado por fenómenos como por ejemplo el auge de internet o las redes sociales - o el desarrollo de nuevas técnicas para la obtención de información genética. Desde el punto de vista profesional, cada vez existe una mayor demanda de analistas de datos en ámbitos tan diversos como el márketing, el análisis de mercados, la seguridad, o la biología. 


4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
Competencias propias de la asignatura
Código Descripción
CM05 Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
CM07 Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.
INS05 Capacidad para argumentar y justificar lógicamente las decisiones tomadas y las opiniones.
UCLM03 Correcta comunicación oral y escrita.
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
Resultados de aprendizaje propios de la asignatura
Descripción
Describir y aplicar las distintas fases del proceso de descubrimiento de extracción del conocimiento a partir de grandes volúmenes de datos.
Conocer y desarrollar técnicas de aprendizaje computacional, tanto supervisado como no supervisado, y diseñar e implementar aplicaciones y sistemas que las utilicen.
Desarrollar e implementar un sistema de recuperación de la información de tamaño pequeño a mediano.
Resultados adicionales
Descripción
Obtener resultados concluyentes fruto del proceso de extracción del conocimiento y ser capaz de presentarlos y justificarlos
6. TEMARIO
  • Tema 1: Introducción a la minería de datos.
  • Tema 2: Proceso de descubrimiento de conocimiento a partir de datos.
  • Tema 3: Validación y evaluación de modelos.
  • Tema 4: Métodos basados en analogía (kNN)
  • Tema 5: Predicción numérica: regresión.
  • Tema 6: Árboles: clasificación y regresión.
  • Tema 7: Clasificadores probabilísticos.
  • Tema 8: Reducción de la dimensionalidad.
  • Tema 9: Multiclasificadores (ensembles).
  • Tema 10: Redes neuronales.
  • Tema 11: Clustering
  • Tema 12: Reglas de asociación.
7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
Actividad formativa Metodología Competencias relacionadas ECTS Horas Ev Ob Descripción
Enseñanza presencial (Teoría) [PRESENCIAL] Método expositivo/Lección magistral CM05 CM07 INS05 1.26 31.5 N N Se usará para introducir los principales conceptos de cada tema.
Prueba final [PRESENCIAL] Pruebas de evaluación CM05 CM07 INS05 UCLM03 0.1 2.5 S S Corresponde al examen oficial de la asignatura. De carácter individual.
Talleres o seminarios [PRESENCIAL] Método expositivo/Lección magistral CM05 CM07 INS05 0.08 2 N N Se realizará un seminario en laboratorio de las herramientas/APIs usadas para la implementación de las prácticas e ilustración de los casos de estudio (Python, Weka, etc). Corresponde a la práctica 0.
Enseñanza presencial (Prácticas) [PRESENCIAL] Método expositivo/Lección magistral CM05 CM07 INS05 0.06 1.5 N N Se usará la primera media hora de la primera sesión correspondiente a cada una de las tres prácticas obligatorias para describir el trabajo a realizar, el material disponible y el entregable a presentar.
Prácticas en aulas de ordenadores [PRESENCIAL] Trabajo dirigido o tutorizado CM05 CM07 INS05 0.66 16.5 S S Trabajo del alumno con supervisión del profesor en las prácticas de la asignatura.
Resolución de problemas o casos [PRESENCIAL] Resolución de ejercicios y problemas CM05 CM07 INS05 0.24 6 N N Resolución en clase de problemas y casos de estudio relacionados con los distintos temas estudiados.
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo CM05 CM07 INS05 1.56 39 N N Se estima que el alumno dedicará aproximadamente 1.3 horas de estudio autónomo por cada hora de lección magistral recibida. Esto incluye la búsqueda y lectura de material adicional.
Otra actividad no presencial [AUTÓNOMA] Prácticas CM05 CM07 INS05 0.84 21 N N Horas adicionales a las presenciales para completar las prácticas/proyectos de programación.
Elaboración de memorias de Prácticas [AUTÓNOMA] Trabajo autónomo CM05 CM07 INS05 UCLM03 0.42 10.5 S S Los alumnos han de plasmar en una memoria el trabajo realizado en la práctica, presentar de forma coherente los resultados y obtener las conclusiones de acuerdo a los objetivos inicialmente fijados. En caso de no superarse las prácticas en evaluación continua, se podrán recuperar en la entrega correspondiente a la convocatoria ordinaria, si bien, el enunciado podrá ser ligeramente diferente. Las prácticas se diseñan para ser realizadas y defendidas por parejas. No obstante en situaciones particulares y pactadas de antemano con el profesor, podrán realizarse de forma individual.
Elaboración de informes o trabajos [AUTÓNOMA] Aprendizaje basado en problemas (ABP) CM05 CM07 INS05 UCLM03 0.78 19.5 S N Se facilitarán casos de estudio o ejercicios seleccionados para que el alumno trabaje sobre ellos. La entrega y comentarios sobre los mismos en los foros, de carácter voluntario, será evaluada como participación en clase. Este actiividad es de carácter individual.
Total: 6 150
Créditos totales de trabajo presencial: 2.4 Horas totales de trabajo presencial: 60
Créditos totales de trabajo autónomo: 3.6 Horas totales de trabajo autónomo: 90

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

8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
Sistema de evaluación Evaluacion continua Evaluación no continua * Descripción
Valoración de la participación con aprovechamiento en clase 10.00% 0.00% (ESC) Este 10% de la nota corresponde a la participación en clase y en los foros. El objetivo es resolver, compartir y discutir en clase y/o en los foros de la asignatura, los problemas (ejercicios o casos) que se propongan para realizar.

Esta es de carácter individual y no es obligatoria ni tiene mínimo.
Elaboración de memorias de prácticas 15.00% 15.00% (INF) Es obligatoria la entrega de las tres memorias de prácticas.

Se abrirá plazo de entrega específico para la evaluación no continua.

Se exige un mínimo de 4 sobre 10 en la nota promediada de las tres prácticas.
Realización de prácticas en laboratorio 15.00% 15.00% (LAB) Se supervisará la eficiencia y eficacia del código generado para las tres prácticas planteadas.
Entrega por grupo de prácticas.

Se abrirá plazo de entrega específico para la evaluación no continua.

Se exige un mínimo de 4 sobre 10 en la nota promediada de las tres prácticas.
Otro sistema de evaluación 15.00% 15.00% (PRES) Cada grupo de prácticas deberá presentar su práctica al profesor y responder a las preguntas realizadas.

Entrevista por grupo de prácticas, con preguntas individuales.

Se abrirá plazo de entrega específico para la evaluación no continua.

Se exige un mínimo de 4 sobre 10 en la nota promediada de las tres prácticas.
Prueba final 45.00% 55.00% (ESC) En la convocatoria ordinaria en la modalidad de evaluación continua esta prueba tendrá un valor del 45% de la nota final de la asignatura. En la convocatoria ordinaria en la modalidad no continua su peso será del 55%.

Entrega individual.

El temario es el mismo en ambas modadlidades (continua y no-continua).
Total: 100.00% 100.00%  
* En Evaluación no continua se deben definir los porcentajes de evaluación según lo dispuesto en el art. 6 del Reglamento de Evaluación del Estudiante de la UCLM, que establece que debe facilitarse a los estudiantes que no puedan asistir regularmente a las actividades formativas presenciales la superación de la asignatura, teniendo derecho (art. 13.2) a ser calificado globalmente, en 2 convocatorias anuales por asignatura, una ordinaria y otra extraordinaria (evaluándose el 100% de las competencias).

Criterios de evaluación de la convocatoria ordinaria:
  • Evaluación continua:
    - La participación en clase y mediante los foros asume aportar soluciones novedosas y discusiones críticas sobre las ya presentadas. En ocasiones se entregarán ejercicios realizados durante la clase. Esta actividad no es obligatoria, por lo que puede superarse la asignatura sin realizarla.

    - Las prácticas deben ser entregadas y defendidas en las fechas asignadas a cada práctica. Se requiere entregar las tres prácticas y obtener un mínimo de 4 sobre 10 en la nota promediada.

    - La prueba de teoría se realizará en la fecha de la convocatoria ordinaria asignada por el centro. Será necesario superarla con nota >=4.

    - Si se superan los mínimos en teoría y prácticas, la calificación de la asignatura es:

    0.45*teoría + 0.45*prácticas + 0.1*participación

    En caso contrario, es decir, alguno de los mínimos no se supera, será:

    mínimo( 4.0, nota-teoría) si el examen de teoría se realiza, o "No Presentado" si no se hace el examen de teoría.

    Originalidad: La entrega de cualquier ejercicio (examen, memoria de prácticas, código, problemas, etc.) supone implícitamente la declaración de originalidad por parte de los autores, por lo que en caso de detección de plagio, copia, etc. se iniciarán las medidas disciplinarias oportunas.

    NOTA: Por defecto, el estudiante será evaluado por evaluación continua. Si desea cambiarse a evaluación no continua, debe indicarlo a través del siguiente enlace https://www.esiiab.uclm.es/alumnos/evaluacion.php antes de la finalización del periodo lectivo del cuatrimestre
  • Evaluación no continua:
    El alumno puede examinarse del 100% de la nota, evaluado mediante el examen de teoría y las prácticas.

    Para las prácticas se abrirá un plazo de entrega específico para esta convocatoria y posteriormente se anunciarán los horarios para su defensa. El enunciado de las prácticas puede ser ligeramente diferente al de la evaluación continua.

    Las reglas de evaluación son las mismas de la evaluación continua excepto los porcentajes asignados a cada parte, que ahora son:

    0.55*teoría + 0.45*prácticas

Particularidades de la convocatoria extraordinaria:
Se seguirá el mismo esquema que para la convocatoria ordinaria en evaluación no continua. Se abrirá plazo para la entrega y defensa de las prácticas, cuyo enunciado será el mismo de la convocatoria ordinaria en evaluación no continua.

- Se considerará la nota de las actividades superadas en convocatoria ordinaria (examen de teoría y prácticas individualmente).
Particularidades de la convocatoria especial de finalización:
Se seguirá el mismo esquema que para la convocatoria ordinaria en evaluación no continua.

- Las prácticas a evaluar corresponden a las del curso anterior. Se abrirá un plazo específico para la entrega y defensa de las mismas.
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
No asignables a temas
Horas Suma horas
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] 31.5
Prueba final [PRESENCIAL][Pruebas de evaluación] 2.5
Talleres o seminarios [PRESENCIAL][Método expositivo/Lección magistral] 2
Enseñanza presencial (Prácticas) [PRESENCIAL][Método expositivo/Lección magistral] 1.5
Prácticas en aulas de ordenadores [PRESENCIAL][Trabajo dirigido o tutorizado] 16.5
Resolución de problemas o casos [PRESENCIAL][Resolución de ejercicios y problemas] 6
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] 39
Otra actividad no presencial [AUTÓNOMA][Prácticas] 21
Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo autónomo] 10.5
Elaboración de informes o trabajos [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] 19.5

Actividad global
Actividades formativas Suma horas
Comentarios generales sobre la planificación: La planificación es ORIENTATIVA, pudiendo variar a lo largo del periodo lectivo en función de las necesidades docentes, festividades, o por cualquier otra causa imprevista. La planificación semanal de la asignatura podrá encontrarse de forma detallada y actualizada en la plataforma Campus Virtual (Moodle). Las actividades presenciales se organizan en tres clases de 1.5 horas por semana. Las clases concretas a usar para cubrir los 6 créditos (60 horas presenciales) se anunciarán oportunamente en CampusVirtual.
10. BIBLIOGRAFÍA, RECURSOS
Autor/es Título Libro/Revista Población Editorial ISBN Año Descripción Enlace Web Catálogo biblioteca
 
 
Manuales de Python.  
Aurélien Géron Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition Libro O'Reilly Media, Inc. 9781492032649 2019 https://learning.oreilly.com/library/view/hands-on-machine-learning/9781492032632/  
García, Salvador, Luengo, Julián, Herrera, Francisco Data Preprocessing in Data Mining Springer 978-3-319-10246-7 2015 Ficha de la biblioteca
Joel Grus Data Science from Scratch: First Principles with Python Libro O'Reilly UK Ltd 978-1492041139 2019  
José Hernández Orallo, M.José Ramírez Quintana, Cèsar Ferri Ramírez INTRODUCCIÓN A LA MINERÍA DE DATOS Pearson 84 205 4091 9 2004  
Pang-Ning Tan, Michael Steinbach, and Vipin Kumar Introduction to Data Mining Addison-Wesley Longman Publishing Co 0321321367 2005  
Witten, Frank & Hall Data Mining: Practical Machine Learning Tools and Techniques Morgan & Kauffmann 978-0-12-374856-0 2011 Ficha de la biblioteca
Xindong Wu, Vipin Kumar The Top Ten Algorithms in Data Mining Chapman and Hall/CRC 9781420089646 2009  



Web mantenido y actualizado por el Servicio de informática