Data Warehouse and Data Mining

El objetivo de esta asignatura es introducir los principales conceptos, arquitecturas, tecnologías y técnicas relacionados con la construcción y explotación de almacenes de datos en el ámbito de la inteligencia de negocio, así como, en el ámbito de la minería de datos. Para ello se presentan los principales problemas, y se describen los métodos representativos de los principales tipos y su aplicación a casos reales. Se proporciona una visión general del modelado dimensional y se describen los componentes básicos de un almacén de datos. Se proporciona también una introducción a las tecnologías existentes para la implementación eficiente de almacenes de gran tamaño (Big Data), así como los principales procesos para la extracción de información y apoyar la toma de decisiones.

Almacenes de Datos
Tipos y estructura de los almacenes de datos
Modelado dimensional
Componentes de un almacén de datos
Extracción, Transformación y Carga (ETL)
Consulta y Visualización de datos.
Almacenamiento orientado a columnas y Big Data.
Minería de Datos
Métodos de preprocesado
Métodos de verificación
Métodos descriptivos
Métodos predictivos
Métodos avanzados

Básica:
Ralph Kimball and Margy Ross. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling (3ª Edición). John Wiley and Sons, 2013 ISBN: 1-118-53080-2

Witten, I. H., Frank, E., & Hall, M. A. (2011). Data mining: Practical machine learning tools and techniques. Burlington, MA: Morgan Kaufmann.3ª Edición.


Complementaria:

Kimball, R.; Ross, M.; Thornthwaite, W.; Mundy, J.; Becker, B. (2008). The Data Warehouse Lifecycle Toolkit, 2ª Edición. John Wiley and Sons
Pang-Ning Tan, Michael Steinbach and Vipin Kumar(2006). Introduction to Data Mining, Addison Wesley, Edición 2006.

Tras cursar esta asignatura, el alumnado tendrá conocimientos avanzados sobre la arquitectura y diseño de los almacenes de datos, así como de los principales procesos implicados en su implementación. En este contexto, conocerán técnicas para determinar patrones en los datos, y desarrollar y testear hipótesis.

Almacenes y Minería de datos desarrolla parcialmente las siguientes competencias del título GrEI de la USC:
Básicas y generales:

CG4 - Capacidad para definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas, de acuerdo con los conocimientos adquiridos según lo establecido en el apartado 5 de dicho Acuerdo
CG8 - Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de studio
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
Transversales:
TR1 - Instrumentales: Capacidad de análisis y síntesis. Capacidad de organización y planificación. Comunicación oral y escrita en gallego, castellano e inglés. Capacidad de gestión de la información. Resolución de problemas. Toma de decisiones
TR2 - Personales: Trabajo en equipo. Trabajo en un equipo multidisciplinar y multilingüe. Habilidades en las relaciones interpersonales. Razonamiento crítico. Compromiso ético
TR3 - Sistémicas: Aprendizaje autónomo. Adaptación a nuevas situaciones. Creatividad. Iniciativa y espíritu emprendedor. Motivación por la calidad. Sensibilidad hacia temas medioambientales

Finalmente, se desarrollan parcialmente las siguientes competencias específicas:
FB5 - Conocimiento de la estructura, organización, funcionamiento e interconexión de los sistemas
informáticos, los fundamentos de su programación, y su aplicación para la resolución de problemas propios de la ingeniería
RI1 - Capacidad para diseñar, desarrollar, seleccionar y evaluar aplicaciones y sistemas informáticos, asegurando su fiabilidad, seguridad y calidad, conforme a principios éticos y a la legislación y normativa vigente
RI5 - Conocimiento, administración y mantenimiento de sistemas, servicios y aplicaciones informáticas.
RI6 - Conocimiento y aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y complejidad de los algoritmos propuestos.
RI7 - Conocimiento, diseño y utilización de forma eficiente de los tipos y estructuras de datos más adecuados a la resolución de un problema
RI12 - Conocimiento y aplicación de las características, funcionalidades y estructura de las bases de datos, que permitan su adecuado uso, y capacidad para el diseño, análisis e implementación de aplicaciones basadas en ellos
TI2 - Capacidad para seleccionar, diseñar, desplegar, integrar, evaluar, construir, gestionar, explotar y mantener las tecnologías de hardware, software y redes, dentro de los parámetros de coste y calidad adecuados
TI5 - Capacidad para seleccionar, desplegar, integrar y gestionar sistemas de información que satisfagan las necesidades de la organización, con criterios de coste y calidad identificados

Se activará un curso en la plataforma Moodle del Campus Virtual, que incluirá toda la información de interés para el alumnado, incluyendo el material docente.
Durante el desarrollo del curso se emplearán diferentes metodologías docentes en función de los contenidos con los cuales se esté trabajando y los objetivos de aprendizaje que se pretenda obtener en cada caso.
Clases de Teoría (10 horas)
En las que se aplicarán a partes iguales tanto la metodología de la clase magistral, como el método del aula invertida en el que el alumnado tendrá un rol más activo.

Sesiones prácticas en grupos reducidos (30 horas). Aplicaremos las metodologías ABP (Aprendizaje Basado en Problemas) y ABC (Aprendizaje Basado en Casos) durante esta fase, con el propósito de estimular competencias transversales adicionales de tipo instrumental, personal y sistémica.

Las clases expositivas trabajarán las competencias CG4, CG8, CB2, CB3, CB4 y CB5, TR1, TR3, FB5, RI5, RI6, RI7, RI12, TI2 y TI5.
En las clases interactivas se trabajarán las competencias CG4, CB2, CB3, CB4, CB5, TR1, TR2, TR3, FB5, RI1, RI5, RI6, RI7, RI12, TI2 y TI5
Tanto la docencia expositiva como la interactiva será fundamentalmente de carácter presencial.
Las tutorías podrán ser presenciales o telemáticas, que requerirán cita previa en ambos casos.

El sistema de evaluación consistirá de una componente de evaluación continua y otra de examen final. Para superar el curso será imprescindible tener la evaluación positiva en ambas. La evaluación de la materia al final del cuatrimestre se llevará a cabo sobre:
Un examen obligatorio y presencial referido a los conceptos teóricos: 35%
Prácticas propuestas en clase: 65%

La parte teórica de la materia tendrá en cuenta el grado de consecución de las competencias básicas y generales CG4, CG8, CB2, CB3, CB4 y CB5; las transversales TR1 y TR3; las asociadas con la informática RI5, RI6, RI7 y RI12; y las relacionadas con las tecnologías de la información TI2 y TI5.

Las prácticas individuales y en grupo permitirán evaluar el grado de consecución de las competencias CG4, CB2, CB3, CB4, CB5, TR1, TR2, TR3, FB5, RI1, RI5, RI6, RI7, RI12, TI2 y TI5.

En la oportunidad de Julio solo podrán aprobar aquellos alumnos que tengan entregadas las prácticas durante el semestre que se imparte la materia.

Se considerará presentado aquel estudiante que haga más del 40% de las prácticas o que se presente al examen teórico.

No se conservarán notas entre convocatorias de distintos cursos. En consecuencia, el alumnado repetidor será evaluado de igual modo que el alumnado de primera matrícula.

Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la “Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións”.

La materia tiene fijada, según la memoria del GrEI de la USC, una carga de trabajo de 4,5 ECTS.
Dado que la USC ha fijado en 25 el número de horas correspondientes a cada ECTS (mínimo legal permitido), la carga total de trabajo para la materia se sitúa en 112,5 horas (4,5 ECTS x 25 horas por ECTS).
La carga de trabajo presencial está fijada en 10 horas de docencia expositiva, 30 horas de docencia interactiva, y 2 horas de tutoría. Por tanto, el trabajo personal de los/as estudiantes debe suponer 70,5 horas.

Dominar los conceptos básicos de bases de datos desarrollados en la materia de Bases de datos I y Bases de Datos II.

Lengua predominante de impartición de clases: Castellano