UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
1.
DATOS INFORMATIVOS
1.1.
FACULTAD:
INGENIERÍA CIENCIAS FÍSICAS Y MATEMÁTICA
1.2.
CARRERA:
INGENIERÍA MATEMÁTICA
1.3.
ASIGNATURA:
APLICACIONES DE MINERÍA DE DATOS
1.4.
CÓDIGO DE ASIGNATURA:
903
1.5.
CRÉDITOS:
4
1.6.
SEMESTRE:
9
1.7.
UNIDAD DE CURRICULAR:
1.8.
TIPO DE ASIGNATURA:
OBLIGATORIA
1.9.
PROFESOR COORDINADOR DE ASIGNATURA:
ING. JORGE MORALES
ORGANIZACIÓN
PROFESIONAL
1.10. PROFESORES DE LA ASIGNATURA:
ING. JEFFERSON BELTRÁN
1.11. PERÍODO ACADÉMICO:
SEPTIEMBRE 2018 - FEBRERO 2019
1.12. N°. HORAS DE CLASE:
Presenciales:
64
Prácticas:
1.13. N°. HORAS DE TUTORIAS:
Presenciales:
96
Virtuales:
1.14. PRERREQUISITOS
1.15. CORREQUISITOS
ANÁLISIS DE DATOS Asignaturas:
Asignaturas:
801 Códigos:
GESTIÓN DE PROYECTOS GESTIÓN ESTRATÉGICA DE LAS TICS PROGRAMACIÓN DISTRIBUIDA PROYECTOS DE TITULACIÓN OPTATIVA 3
901
904 Códigos:
905 906 902
2. DESCRIPCIÓN DE LA ASIGNATURA La minería de datos es un campo multidisciplinario en desarrollo y orientado a asistir a los quienes toman decisiones en las empresas a hacer uso inteligente de los datos almacenados en las organizaciones para explicar el pasado, entender el presente y predecir la información futura. En este sentido, la minería de datos puede ser la herramienta mediante la cual podremos extraer conocimiento útil y comprensible, previamente desconocido.
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página1
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS Esta disciplina capacita al estudiante en los conceptos básicos y fundamentos de la Minería de Datos y sus principales técnicas, algoritmos y metodologías para la realización práctica de proyectos de minería de datos. Los conocimientos adquiridos, teóricos y prácticos serán aplicados mediante el desarrollo de proyectos básicos y sencillos que se presentan comúnmente en el proceso de aprendizaje de minería de datos usando herramientas de software especializadas.
3. OBJETIVO GENERAL DE LA ASIGNATURA (Con fundamento en los objetivos generales de la carrera) Mostrar los fundamentos de la minería de datos, de modo que al final del curso, el estudiante será capaz de utilizarlos en aplicaciones comunes mediante la realización de ejercicios prácticos, con ayuda de las diferentes técnicas, algoritmos y metodologías de minería de datos, usando herramientas de software libre y/o propietario.
4. OBJETIVOS ESPECÍFICOS DE LA ASIGNATURA (Con fundamento en los objetivos generales de la carrera) Identificar los fundamentos y principales características de los almacenes de datos y de las bodegas gigantes, el estudiante será capaz de realizar un trabajo práctico de aplicación real usando los conceptos y técnicas de Big Data. Identificar los fundamentos, conceptos, metodologías y las principales técnicas de Minería de Datos, el alumno será capaz de realizar un trabajo práctico de aplicación real usando los conceptos y técnicas de Minería de Datos.
5. CONTRIBUCIÓN DE LA ASIGNATURA EN LA FORMACIÓN DEL PROFESIONAL (Perfil de Egreso) Los estudiantes titulados en Ingeniería Informática son capaces de aplicar sus conocimientos en minería de datos para generar conocimiento y sabiduría en empresas públicas o privadas, factor fundamental y diferenciador como apoyo a la toma de decisiones efectivas y eficientes.
6. RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA: (Para alcanzar los resultados de aprendizaje del perfil de egreso de la carrera) El estudiante desarrollará, además de conocimiento y habilidades teóricas en minería de datos, habilidades y destrezas prácticas. El estudiante al aprobar la asignatura, estará en capacidad de realizar proyectos sencillos y básicos de minería de datos que se presentan comúnmente en el proceso de aprendizaje de minería de datos usando las principales técnicas, algoritmos, metodologías y herramientas de software libre y/o propietario, trabajando en forma responsable y colaborativa. VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página2
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
7. PROGRAMACIÓN DE UNIDADES CURRICULARES DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 1 NOMBRE DE LA UNIDAD: OBJETIVO DE LA UNIDAD: RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
Almacenes de Datos y Bases de Datos Gigantes Identifica los fundamentos y principales características de los almacenes de datos y de las bases de datos gigantes. El estudiante será capaz de realizar un trabajo práctico de aplicación real usando los conceptos y técnicas de Big Data. ESCENARIOS DE APRENDIZAJE
CÁLCULO DE HORAS DE LA UNIDAD
N°. Horas aprendizaje Teóricas N°. Horas Prácticas- laboratorio N°. Horas Presenciales
TUTORÍAS TRABAJO AUTÓNOMO
N°. Horas Aprendizaje Aula Virtual Horas de Trabajo Autónomo
12 6 0 2 10
PROGRAMACIÓN CURRICULAR
CONTENIDOS
Business Intelligence Data Warehouse Big Data
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN O DE VINCULACIÓN CON LA SOCIEDAD
MECANISMOS DE EVALUACIÓN
Lectura, análisis y comprensión de materiales bibliográficos, búsqueda de información. Lectura, análisis y comprensión de materiales bibliográficos, búsqueda de información. Lectura, análisis y comprensión de Prueba teórica de toda la unidad. materiales bibliográficos, Trabajo práctico en equipo sobre búsqueda de información, Big Data. Trabajos y tareas fuera de clase. Método científico, enseñanza problémica (búsqueda parcial e investigativa) y aprendizaje colaborativo. Aula clase y virtual, laboratorio de computadores, software especializado, proyector, material bibliográfico y audiovisual.
BIBLIOGRAFÍA: OBRAS FÍSICAS
DISPONIBILIDAD EN BIBLIOTECA SI NO
BÁSICA
VIRTUAL Berry, Michael J. A.; Linoff, Gordon S. “Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management”, John Wiley & Sons, 2004. ProQuest ebrary. Web. 2 April 2015.
NOMBRE BIBLIOTECA VIRTUAL Ebrary
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página3
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS Williams, Graham. “Use R: Data Mining with Rattle and R : The Art of Excavating Data for Knowledge Discovery”, Springer, 2011. ProQuest ebrary. Web. 2 April 2015. Witten, Ian H.; Frank, Eibe; Hall, Mark A. “Data Mining: Practical Machine Learning Tools and Techniques”, 3rd Edition, Morgan Kaufmann, 2011. ProQuest ebrary. Web. 2 April 2015. Han, Jiawei; Kamber, Micheline; Pei, Jian. “Data Mining: Concepts and Techniques”, 3rd Edition, Morgan Kaufmann, 2011, ProQuest ebrary. Web. 2 April 2015. Morton, John; Runciman, Brian; Gordon, Keith. “Big Data: Opportunities and challenges”, BCS Learning & Development Limited, 2014. ProQuest ebrary. Web. 2 April 2015.
COMPLEMENTARIA
Ebrary
Ebrary
Ebrary
Ebrary
DATOS INFORMATIVOS DE LA UNIDAD CURRICULAR No. 2 NOMBRE DE LA UNIDAD:
Aplicaciones de Minería de Datos
OBJETIVO DE LA UNIDAD:
Identifica los fundamentos, conceptos, metodologías y las principales técnicas de Minería de Datos. Realizar un trabajo práctico de aplicación real usando los conceptos, metodologías y técnicas de Minería de Datos.
RESULTADOS DE APRENDIZAJE DE LA UNIDAD:
ESCENARIOS DE APRENDIZAJE CÁLCULO DE HORAS DE LA UNIDAD
N°. Horas aprendizaje Teóricas N°. Horas Prácticas- laboratorio N°. Horas Presenciales
TUTORÍAS N°. Horas Aprendizaje Aula Virtual TRABAJO AUTÓNOMO
Horas de Trabajo Autónomo
52 24 2 4 48
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página4
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS PROGRAMACIÓN CURRICULAR
CONTENIDOS
ACTIVIDADES DE TRABAJO AUTÓNOMO, ACTIVIDADES DE INVESTIGACIÓN O DE VINCULACIÓN CON LA SOCIEDAD
MECANISMOS DE EVALUACIÓN
Métodos Exploratorios en Minería de Datos: Minería de Datos, Análisis exploratorio de datos, Métodos de reducción de la dimensión, Métodos de Clustering.
Lectura, análisis y comprensión de materiales bibliográficos, búsqueda de información, Trabajos y tareas fuera de clase.
Métodos Predictivos en Minería de Datos: Máquinas de Soporte Vectorial, Arboles de Decisión, Métodos de Consenso y Potenciación, Redes Neuronales. Calibración y Selección de Métodos en Minería de Datos.
Lectura, análisis y comprensión de Trabajos y tareas fuera de clase materiales bibliográficos, búsqueda de información, Trabajos y tareas fuera de clase. Lectura, análisis y comprensión de Trabajos y tareas fuera de clase materiales bibliográficos, búsqueda de información, Trabajos y tareas fuera de clase. Lectura, análisis y comprensión de Trabajos y tareas fuera de clase. materiales bibliográficos, búsqueda Prueba teórica de toda la unidad. de información, Trabajos y tareas Trabajo práctico en equipo sobre fuera de clase. Minería de Datos. Método científico, enseñanza problémica (búsqueda parcial e investigativa) y aprendizaje colaborativo. Aula clase y virtual, laboratorio de computadores, software especializado, proyector, material bibliográfico y audiovisual.
Series de Tiempo,
METODOLOGÍAS DE APRENDIZAJE: RECURSOS DIDÁCTICOS:
Trabajos y tareas fuera de clase.
BIBLIOGRAFÍA: OBRAS FÍSICAS
DISPONIBILIDAD EN BIBLIOTECA SI NO
BÁSICA
COMPLEMENTARIA
VIRTUAL Berry, Michael J. A.; Linoff, Gordon S. “Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management”, John Wiley & Sons, 2004. ProQuest ebrary. Web. 2 April 2015. Williams, Graham. “Use R: Data Mining with Rattle and R: The Art of Excavating Data for Knowledge Discovery”, Springer, 2011. ProQuest ebrary. Web. 2 April 2015. Witten, Ian H.; Frank, Eibe; Hall, Mark A. “Data Mining: Practical Machine Learning Tools and Techniques”, 3rd
NOMBRE BIBLIOTECA VIRTUAL Ebrary
Ebrary
Ebrary
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página5
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS Edition, Morgan Kaufmann, 2011. ProQuest ebrary. Web. 2 April 2015. Han, Jiawei; Kamber, Micheline; Pei, Jian. “Data Mining: Concepts and Techniques”, 3rd Edition, Morgan Kaufmann, 2011, ProQuest ebrary. Web. 2 April 2015. Morton, John; Runciman, Brian; Gordon, Keith. “Big Data: Opportunities and challenges”, BCS Learning & Development Limited, 2014. ProQuest ebrary. Web. 2 April 2015.
Ebrary
Ebrary
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) Identifica los fundamentos y principales características de los almacenes de datos y de las bases de datos gigantes.
EL ESTUDIANTE DEBE (Evidencias de aprendizaje: Conocimientos, habilidades y valores) Realizar un trabajo práctico de aplicación real usando los conceptos y técnicas de Big Data.
b) Identifica los fundamentos, conceptos, metodologías y las principales técnicas de Minería de Datos.
Realizar un trabajo práctico de aplicación real usando los conceptos, metodologías y técnicas de Minería de Datos.
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)
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página6
UNIVERSIDAD CENTRAL DEL ECUADOR SYLLABUS
10. PERFIL DEL DOCENTE QUE IMPARTE LA ASIGNATURA
Ingeniero Matemático Ingeniero Informático Diplomado en Finanzas Corporativas Magíster en Gestión Informática Empresarial
11. REVISIÓN Y APROBACIÓN ELABORADO POR:
REVISADO
APROBADO
FIRMA DE LOS DOCENTES QUE DICTAN LA ASIGNATURA
Coordinador del Área: Programación y Bases de datos
Director de Carrera Ingeniería Informática
FECHA: 2018-09
NOMBRE: Ing. Jorge Morales
Ing. Boris Herrera
FECHA: 2018-09
FECHA: 2018-09
FIRMA: ______________________
FIRMA: ______________________
Ing. Jéfferson Beltrán FIRMA: ______________________
VICERRECTORADO ACADÉMICO DE INVESTIGACIÓN Y POSGRADO DIRECCIÓN GENERAL ACADÉMICA Período 2018 - 2019
Página7