Guia docente

DATOS IDENTIFICATIVOS

2023_24

Asignatura

APRENDIZAJE SOBRE FLUJOS DE DATOS

Código

01742006

Enseñanza

1742 - M.U. EN INTELIGENCIA DE NEGOCIO Y BIG DATA EN ENTORNOS SEGUROS - A DISTANCIA

Descriptores

Cr.totales

Tipo

Curso

Semestre

Obligatoria

Primer

Segundo

Idioma

Castellano

Prerrequisitos

Departamento

DERECHO PRIV. Y DE LA EMPRESA

Responsable

ÁLVAREZ CUESTA , HENAR

Correo-e

halvc@unileon.es
mcong@unileon.es

Profesores/as

ÁLVAREZ CUESTA , HENAR

CONDE GONZALEZ , MIGUEL ANGEL

Web

http://ubuvirtual.ubu.es

Descripción general

Tribunales de Revisión

Tribunal titular
Cargo	Departamento	Profesor
Presidente	ING.MECANICA,INFORMAT.AEROESP.	MATELLAN OLIVERA , VICENTE
Secretario	ING.MECANICA,INFORMAT.AEROESP.	PANIZO ALONSO , LUIS
Vocal	ING.MECANICA,INFORMAT.AEROESP.	RODRIGUEZ DE SOTO , ADOLFO

Tribunal suplente
Cargo	Departamento	Profesor
Presidente	ING.MECANICA,INFORMAT.AEROESP.	FERNANDEZ LLAMAS , CAMINO
Secretario	ING.MECANICA,INFORMAT.AEROESP.	ALFONSO CENDON , JAVIER
Vocal	ING.MECANICA,INFORMAT.AEROESP.	CASTEJON LIMAS , MANUEL

Competencias

Tipo A	Código	Competencias Específicas
	A17953	1742CSD2. Capacidad de dirigir proyectos para la extracción de conociemiento basados en métodos eficientes de anális de datos.
Tipo B	Código	Competencias Generales y Transversales
	B5577	1742CG1. Adquisición de competencias teóricas y prácticas para el análisis y diseño de soluciones empresariales en Big Data (almacenamiento y procesamiento de grandes volúmenes de información heterogénea).
	B5579	1742CG3. Capacidad de diseñar e implementar sistemas capaces de extraer conocimiento práctico de grandes volúmenes de datos aplicado al mundo de la empresa (Inteligencia de Negocio/Business Intelligence)
Tipo C	Código	Competencias Básicas

Resultados de aprendizaje

Resultados	Competencias
Es capaz de dirigir proyectos para la extracción de conocimiento basados en métodos eficientes de análisis de datos.	A17953	B5577 B5579

Contenidos

Bloque	Tema
Bloque de contenidos	•Introducción al análisis sobre flujos Detección de cambios. •Clasificación sobre flujos. •Combinaciones de clasificadores. Regresión sobre flujos. •Clustering sobre flujos. •Patrones frecuentes en flujos. •Herramientas y bibliotecas para el análisis sobre flujos de datos

Planificación

Metodologías :: Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Presentaciones/exposiciones	0	12	12

Dirigidas	0	45	45
Tutorías	0	8	8
Trabajos	0	5	5

Sesión Magistral	0	0	0

Pruebas mixtas	0	5	5

(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías

Metodologías ::

	descripción
Presentaciones/exposiciones	Clases (en remoto), conferencias y técnicas expositivas.
Dirigidas	Actividades autónomas y en grupo (trabajos y lecturas dirigidas)
Tutorías	Tutoría individual, participación en foros y otros medios colaborativos.
Trabajos	Pruebas de seguimiento y exposición de tranajos.
Sesión Magistral

Tutorías

Trabajos

descripción

Por email o en el foro del moodle

Evaluación

	descripción	calificación
Trabajos	Realización de trabajos, proyectos, resolución de problemas y casos.	30%-80%
Pruebas mixtas	Evaluación sumativa, que incluye pruebas parciales individuales y prueba final.	20%-50%
Otros	Participación en foros y otros medios participativos.	10%-40%

Otros comentarios y segunda convocatoria
De confomidad con lo indicado para la primera convocatoria Al ser un máster interuniversitario, las guías docentes de aplciación en su desarrollo completo son aquellas indicadas en la página web del máster interuniversitario de la Universidad coordinadorahttps://www.inf.uva.es/master-online/

Fuentes de información

Acceso a la Lista de lecturas de la asignatura

Básica
	Albert Bifet, Ricard Gavaldà, Geoff Holmes and Bernhard Pfahringer. Machine Learning for Data Streams. The MIT Press (2018) https://moa.cms.waikato.ac.nz/book-html/ Minos Garofalakis, Johannes Gehrke, Rajeev Rastogi, (Eds.) Data Stream Management: Processing High-Speed Data Streams. Springer (2016). •Joao Gama. Knowledge Discovery from Data Streams. Chapman & Hall/CRC Data Mining and Knowledge Discovery Series (2010).
Complementaria

Recomendaciones