UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
1.
DATOS INFORMATIVOS
1.1.
FACULTAD:
INGENIERÍA CIENCIAS FÍSICAS Y MATEMÁTICAS
1.2.
CARRERA:
INGENIERÍA INFORMÁTICA
1.3.
ASIGNATURA:
1.4.
CÓDIGO DE ASIGNATURA:
801
1.5.
CRÉDITOS:
4
1.6.
SEMESTRE:
8
1.7.
UNIDAD DE CURRICULAR:
1.8.
TIPO DE ASIGNATURA:
OBLIGATORIA
1.9.
PROFESOR COORDINADOR DE ASIGNATURA:
JORGE ARROBA
ANÁLISIS DE DATOS
ORGANIZACIÓN
PROFESIONAL
1.10. PROFESORES DE LA ASIGNATURA:
JORGE ARROBA
1.11. PERÍODO ACADÉMICO:
MARZO 2019 - AGOSTO 2019
1.12. N°. HORAS DE CLASE:
Presencial es: Presencial es:
1.13. N°. HORAS DE TUTORIAS:
1.14. PRERREQUISITOS
Asignatura s:
1.15. CORREQUISITOS
Asignatura s:
64 96
Práctica s: Virtuale s:
ESTADÍSTICA
403 Códigos:
Códigos :
2. DESCRIPCIÓN DE LA ASIGNATURA El análisis de datos es una técnica que permite obtener información y conocimiento a través de los datos utilizando y haciendo uso de la Estadística. Permite el estudio de algoritmos computacionales y métodos de solución para abordar los más diversos problemas de aplicación en las distintas disciplinas del conocimiento.
3. OBJETIVO GENERAL DE LA ASIGNATURA Desarrollar en el estudiante la capacidad de: Trabajar en equipo Comprender y aplicar los conocimientos básicos del análisis matemático en varias dimensiones y la resolución de problemas Investigar y utilizar recursos de aprendizaje en bibliotecas y TIC. VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página1
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
4.
Comprender y actuar de acuerdo con valores éticos y compromisos de cumplimiento de tiempos de las tareas, aceptando las consecuencias de sus actos. Comunicar de manera efectiva en forma escrita, oral, gráfica y electrónica en informes, exposiciones y manejo de las TIC.
OBJETIVOS ESPECÍFICOS DE LA ASIGNATURA Introducir al conocimiento teórico y práctico de los métodos multivariantes de análisis de datos como herramientsa computacionales para la solución de problemas que se presentan en la vida real. Fomentar la creatividad y la investigación mediante el estudio de las diversas técnicas estadísticas involucradas en los métodos de análisis de datos, consiguiendo así que el estudiante sea más analítico y crítico.
5. CONTRIBUCIÓN DE LA ASIGNATURA EN LA FORMACIÓN DEL PROFESIONAL La contribución de la materia está alineada con el perfil del egresado, es decir contribuye a que el estudiante identifique, analice y aplique el análisis de los datos, para lograr solucionar los problemas inherentes al mismo. Con la ayuda de herramientas tecnológicas, demostrando solvencia y seguridad.
Brindar a los alumnos los conocimientos necesarios y suficientes sobre el análisis de datos multivariantes, los algoritmos utilizados, su programación y el uso de paquetes computacionales para su solución
6. RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA:
Capacidad de abstracción, análisis y síntesis Capacidad de aplicar los conocimientos en la práctica Capacidad de investigación Capacidad de aprender y actualizarse permanentemente Capacidad para identificar, plantear y resolver problemas Capacidad de trabajo en equipo
7. PROGRAMACIÓN DE UNIDADES CURRICULARES DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 1 NOMBRE DE LA UNIDAD: INTRODUCCIÓN Y DEPURACIÓN DE DATOS OBJETIVO DE LA UNIDAD: Aplicar técnicas para limpiar, detectar e imputar valores erróneos o faltantes en una matriz de datos RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
El estudiante se familiariza con los datos y como depurarlos
CÁLCULO DE HORAS DE LA UNIDAD
ESCENARIOS DE
N°. Horas aprendizaje Teóricas
16
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página2
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS APRENDIZAJE
N°. Horas Prácticas- laboratorio
2
N°. Horas Presenciales TUTORÍAS N°. Horas Aprendizaje Aula Virtual TRABAJO AUTÓNOMO
0
Horas de Trabajo Autónomo
0 24
PROGRAMACIÓN CURRICULAR ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN Y DE VINCULACIÓN CON LA SOCIEDAD
CONTENIDOS
MECANISMOS DE EVALUACIÓN
Tipos de variables. Métricas y estadígrafos asociados.
Ejercicios propuestos, banco de preguntas
Análisis unidimensional y bidimensional de variables. Determinación de datos missing. Métodos de imputación. Análisis de datos outliers.
Ejercicios propuestos, banco de Problemas entregados. Problemas preguntas expuestos Ejercicios propuestos, banco de Problemas entregados. Problemas preguntas expuestos Ejercicios propuestos, banco de Problemas entregados. Problemas preguntas expuestos Presentación de los contenidos. Listados de comprobación. Grupos de trabajo para la realizar las tareas o ejercicios en aula. Texto básico y complementarios. Proyector. Computador Herramientas de ofimática para reportes: Word, Excel, Power Point, graficadores matemáticos
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
Dos controles intermedios
BIBLIOGRAFÍA Básica: Johnson, Dallas E, (2000), Métodos multivariados aplicados al análisis de datos. Thomson Editores. México. Complementaria: Tukey, J. W. (1977) Exploratory Data Analysis. Addison Wesley OBRAS FÍSICAS
BÁSICA
1
COMPLEMENTARIA
1
VIRTUAL
NOMBRE BIBLIOTECA VIRTUAL
DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 2 NOMBRE DE LA UNIDAD: OBJETIVO DE LA UNIDAD:
ANÁLISIS DE COMPONENTES PRINCIPALES Y ANÁLISIS DE AGRUPACIÓN
RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
Formaliza las técnicas por variables y por individuos sobre el análisis de datos
Utilizar el PCA y el Análisis de Cluster para reducir dimensionalidad y extraer información.
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página3
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS ESCENARIOS DE APRENDIZAJE CÁLCULO DE HORAS DE LA UNIDAD
N°. Horas aprendizaje Teóricas N°. Horas Prácticas- laboratorio
0 2
N°. Horas Presenciales TUTORÍAS N°. Horas Aprendizaje Aula Virtual TRABAJO AUTÓNOMO
16
Horas de Trabajo Autónomo
0 24
PROGRAMACIÓN CURRICULAR ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN Y DE VINCULACIÓN CON LA SOCIEDAD
CONTENIDOS
MECANISMOS DE EVALUACIÓN
Objetivos del Análisis de Componentes Principales (PCA).
Ejercicios propuestos, banco de preguntas
Problemas entregados. Problemas expuestos
El PCA sobre la matriz de varianzas covarianzas y sobre la matriz de correlaciones. Medidas de semejanza y desemejanza. Métodos de agrupación jerárquica y no jerárquica. Análisis de Clusters. Objetivos. Métodos y árboles jerárquico.
Ejercicios propuestos, banco de preguntas
Problemas entregados. Problemas expuestos
Ejercicios propuestos, banco de preguntas
Problemas entregados. Problemas expuestos
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
Ejercicios propuestos, banco de Problemas entregados. Problemas preguntas expuestos Presentación de los contenidos. Listados de comprobación. Grupos de trabajo para la realizar las tareas o ejercicios en aula. Texto básico y complementarios. Proyector. Computador Herramientas de ofimática para reportes: Word, Excel, Power Point, graficadores matemáticos
BIBLIOGRAFÍA Básica: Johnson, Dallas E, (2000), Métodos multivariados aplicados al análisis de datos. Thomson Editores. México. Complementaria: Tukey, J. W. (1977) Exploratory Data Analysis. Addison Wesley OBRAS FÍSICAS
BÁSICA
1
COMPLEMENTARIA
1
VIRTUAL
NOMBRE BIBLIOTECA VIRTUAL
DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 3 NOMBRE DE LA UNIDAD: OBJETIVO DE LA UNIDAD:
ANÁLISIS FACTORIAL, DISCRIMINANTE Y REGRESIÓN LOGÍSTICA
Conocer y aplicar métodos factoriales y de discriminación para obtener información en una matriz de datos.
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página4
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
El estudiante aplica técnicas de reducción de dimensiones
ESCENARIOS DE APRENDIZAJE CÁLCULO DE HORAS DE LA UNIDAD
N°. Horas aprendizaje Teóricas N°. Horas Prácticas- laboratorio
0 2
N°. Horas Presenciales TUTORÍAS N°. Horas Aprendizaje Aula Virtual TRABAJO AUTÓNOMO
16
Horas de Trabajo Autónomo
0 24
PROGRAMACIÓN CURRICULAR ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN Y DE VINCULACIÓN CON LA SOCIEDAD
CONTENIDOS Análisis por factores. Objetivos. Estadígrafos Ecuaciones de análisis por factores. Rotación. Calificación de factores. Análisis discriminante. Funciones de discriminación. Procedimientos de selección de variables. Métodos de regresión logística. La transformación logit. Estadígrafos.
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
Ejercicios propuestos, banco de preguntas Ejercicios propuestos, banco de preguntas Ejercicios propuestos, banco de preguntas
MECANISMOS DE EVALUACIÓN Problemas entregados. Problemas expuestos Problemas entregados. Problemas expuestos Problemas entregados. Problemas expuestos
Ejercicios propuestos, banco de Dos controles intermedios preguntas Presentación de los contenidos. Listados de comprobación. Grupos de trabajo para la realizar las tareas o ejercicios en aula. Texto básico y complementarios. Proyector. Computador Herramientas de ofimática para reportes: Word, Excel, Power Point, graficadores matemáticos
BIBLIOGRAFÍA Básica: Johnson, Dallas E, (2000), Métodos multivariados aplicados al análisis de datos. Thomson Editores. México. Complementaria: Tukey, J. W. (1977) Exploratory Data Analysis. Addison Wesley OBRAS FÍSICAS
BÁSICA
1
COMPLEMENTARIA
1
VIRTUAL
NOMBRE BIBLIOTECA VIRTUAL
DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 4 NOMBRE DE LA UNIDAD: OTROS MÉTODOS MULTIVARIADOS OBJETIVO DE LA UNIDAD:
Conocer y aplicar otros métodos como regresión multivariada, MANOVA y
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página5
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS redes neuronales artificiales para el análisis de datos. RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
El estudiante profundiza y conoce diversas técnicas de análisis de datos
ESCENARIOS DE APRENDIZAJE CÁLCULO DE HORAS DE LA UNIDAD
N°. Horas aprendizaje Teóricas N°. Horas Prácticas- laboratorio
0 2
N°. Horas Presenciales TUTORÍAS N°. Horas Aprendizaje Aula Virtual TRABAJO AUTÓNOMO
16
Horas de Trabajo Autónomo
0 24
PROGRAMACIÓN CURRICULAR ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN Y DE VINCULACIÓN CON LA SOCIEDAD
CONTENIDOS Análisis de regresión multivariada. Regresión lineal múltiple. Análisis multivariado de la varianza. Hipótesis de MANOVA. Comparación de pruebas. Redes neuronales. Tipos de redes neuronales artificiales. Redes multicapa. Aprendizaje.
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
MECANISMOS DE EVALUACIÓN
Ejercicios propuestos, banco de preguntas Ejercicios propuestos, banco de preguntas
Problemas entregados. Problemas expuestos Problemas entregados. Problemas expuestos
Ejercicios propuestos, banco de preguntas
Problemas entregados. Problemas expuestos
Presentación de los contenidos. Listados de comprobación. Grupos de trabajo para la realizar las tareas o ejercicios en aula. Texto básico y complementarios. Proyector. Computador Herramientas de ofimática para reportes: Word, Excel, Power Point, graficadores matemáticos
BIBLIOGRAFÍA Básica: Johnson, Dallas E, (2000), Métodos multivariados aplicados al análisis de datos. Thomson Editores. México. Complementaria: Tukey, J. W. (1977) Exploratory Data Analysis. Addison Wesley OBRAS FÍSICAS
BÁSICA
1
COMPLEMENTARIA
1
VIRTUAL
NOMBRE BIBLIOTECA VIRTUAL
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página6
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
8. RELACIÓN DE LA ASIGNATURA CON LOS RESULTADOS DEL PERFIL DE EGRESO DE LA CARRERA RESULTADOS O LOGROS DE APRENDIZAJE DEL PERFIL DE EGRESO DE LA CARRERA ( Copiar los elaborados por cada unidad) a) Interpretar, seleccionar, valorar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con las TIC , a través de la investigación científica y la innovación tecnológica, usando los fundamentos matemáticos, físicos, económicos y sociológicos necesarios, con autonomía y responsabilidad
EL ESTUDIANTE DEBE (Evidencias de aprendizaje: Conocimientos, habilidades y valores) El estudiante debe desarrollar en conceptos adquiridos para relacionarlos en el desarrollo tecnológico y servicios con una conciencia social y de la proyección científica/tecnológica
b) Concebir, desarrollar y mantener sistemas de información y comunicaciones, servicios y aplicaciones de software con los niveles de calidad exigidos, empleando los métodos de la ingeniería del software y los lenguajes de programación más adecuados, con honestidad, responsabilidad y puntualidad.
El estudiante debe realizar en los procesos su creatividad, para presentar en un proyecto, siempre siendo innovador, con valores morales, éticos y responsable con el medio que le rodea.
9. EVALUACIÓN DEL APRENDIZAJE
ESTUDIANTE
POR
PRIMER HEMISEMESTRE (PUNTOS)
TÉCNICAS Evaluación hemisemestral Prueba y/o lecciones Trabajos de investigación Trabajo autónomo y/o virtual Trabajos grupales Trabajos de laboratorio
(8 Puntos) ( 12 Puntos) El máximo valor que se asigna a estas evaluaciones es de 6 puntos TOTAL
(20 Puntos)
RESULTADOS
DE
SEGUNDO HEMISEMESTRE (PUNTOS) (8 Puntos) ( 12 Puntos) El máximo valor que se asigna a estas evaluaciones es de 6 puntos (20 Puntos)
10. PERFIL DEL DOCENTE QUE IMPARTE LA ASIGNATURA
Un profesional en las ramas de la Matemática, Ingeniería Matemática o carreras afines. Deberá poseer estudios de cuarto nivel en disciplinas afines a la cátedra.
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página7
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
11. REVISIÓN Y APROBACIÓN ELABORADO POR:
REVISADO
APROBADO
FIRMA DE LOS DOCENTES QUE DICTAN LA ASIGNATURA
Coordinador del Área: Matemáticas
Director de Carrera Ingeniería Informática
NOMBRE: Mat. Jorge Arroba
FECHA: 2019-03 FECHA: 2019-03 Docente: Jorge Arroba R.
Ing. Boris Herrera FECHA: 2019-03
FIRMA: ______________________ FIRMA: ______________________
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2019 - 2019
Página8