Asignatura

Informática

  • código 12736
  • curso 2
  • periodo Semestre 1
  • tipo OB
  • créditos 3

Módulo: FORMACIÓN TECNOLÓGICA

Materia: INFORMÁTICA Y TÉCNICAS DE EXPRESIÓN GRÁFICA

Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Horario
grupo M
 Sem.1  JU 08:00 10:00 
 Sem.1  VI 10:00 12:00 

Profesorado

Responsable

Dra. Osnat HAKIMI - ohakimi@uic.es

Otros profesores

Dr. Pau Marc MUÑOZ - pmunoz@uic.es

Horario de atención

La participación y la actitud en el aula será valorada positivamente en la nota final.

Presentación

El tratamiento de datos mediante técnicas informáticas está cogiendo cada vez más relevancia tanto en la mayoría de campos de I+D, en la gestión, i particularmente en las ciencias exactas. Algunos ejemplos del impacto de la digitalización son observables en el aumento  de estudios en que usan técnicas  de experimentación virtual y simulación de sistemas biológicos, análisis de datos  de experimentos que generan un gran número de datos, y la llamada big data. Con el fin preparar a los estudiantes  pera acceder a la investigación del futuro, este curso los introducirá a les técnicas básicas de análisis de datos, y en especial la lógica de la manipulación de datos y la programación.

 

Es esperable que, en un futuro próximo, todos los profesionales necesitaran conocimientos básicos de análisis  de datos y la capacidad de desarrollar un pensamiento  lógico. Debido a que estas habilidades serán necesarias en un entorno en el cada vez la tecnología está cogiendo más relevancia.  Estas habilidades son especialmente relevantes en el campo de la bioingeniera, donde gran parte de la actividad esta orientada a adquirir, analizar y presentar datos.

Requisitos previos

Ninguno.

Objetivos

  1. Familiarizarse con los conceptos básicos del análisis de datos: Adquirir y familiarizarse con los términos y las ideas relacionadas con el análisis de datos y la big data.
  2. Adquisición de pensamiento lógico/estructurado: Practicar el pensamiento lógico y las habilidades necesarias pera presentar de forma estructurada ideas y procesos. 
  3. Python: Adquirir el cocimiento básico de la sintaxis del lenguaje de programación mediante la práctica de la escritura y la depuración de programas.

Competencias / Resultados de aprendizaje de la titulación

  • CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
  • 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 estudio
  • 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
  • CG4 - Resolver problemas con iniciativa, toma de decisiones, creatividad, razonamiento crítico y de comunicación y transmisión de conocimientos, habilidades y destrezas en el campo de la Bioingeniería.
  • CT5 - Realizar un uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.
  • CT6 - Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.
  • CG10 - Saber trabajar en un entorno multilingüe y multidisciplinar
  • CT7 - Dominar una tercera lengua, habitualmente el inglés, con un nivel adecuado oral y escrito y en consonancia con las necesidades que tendrán los titulados y tituladas

Resultados de aprendizaje de la asignatura

Para completar el curso de forma exitosa, los estudiantes tendrán de adquirir la capacidad de:

  1. Describir las características, el impacto y los desafíos técnicos de las herramientas computacionales en el análisis de datos.
  2. Entender los diferentes tipos de datos a nivel estadístico y su análisis, interpretación y presentación.
  3. Entender los conceptos básicos de la programación y ser capaz de plantear lógicamente un programa.
  4. Ser capaz de escribir un programa básico en Python usando iteraciones, funciones y enunciados condicionales. Entender y utilizar les librerías de Python, les diferentes estructures de datos y la depuración de programas. Adquirir el vocabulario necesario relacionado para expresarse en el mundo de la programación.

Contenidos

1. Datos y variables estadística.

2. Big data 

3. Introducción a la programación

4. Variables en Python

5. Ejecución condicional

6. Funciones

7. Iteraciones

8. Estructura de datos

9. Uso de bases de datos

Metodología y actividades formativas

Modalidad totalmente presencial en el aula

  1. Clases teóricas
  2. Sesiones prácticas de programación
  3. Trabajos individuales
  4. Trabajos en grupo
  5. Presentaciones en clase.
  6. Ejercicios opcionales en casa
  7. Participación en el aula

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula

Primera convocatoria:

La nota final del curso será calculada de acuerdo a los siguientes criterios:

  1. Trabajos individuales y en grupo: 40% 
  2. Examen final: 60% 

 

La nota mínima para aprobar el examen final será un 4. En total la nota mínima para aprobar la asignatura será un 5.


Para los candidatos que hayan realizado todas las tareas pero obtengan una calificación general más alta en el examen, la calificación más alta se considerará la calificación final.

 

Segunda convocatoria: 

Los alumnos que hayan suspendido la asignatura en la primera convocatoria, tendrán la oportunidad de volver hacer un examen final. Las notas del examen parcial, de las entregas y exámenes tipo test se mantendrán sin cambios. Los criterios de evaluación serán los mismos que en la primera convocatoria.

Por lo tanto un requisito imprescindible para aprobar la asignatura es obtener una nota superior o igual a 4 en el examen final de segunda convocatoria.

 

Consideraciones importantes:

  1. Plagio, copiar o cualquier otra acción que se pueda considerar trampa supondrá un cero en ese apartado de evaluación. Realizarlo en los exámenes supondrá el suspenso inmediato de la asignatura.
  2. En segunda convocatoria no se podrá obtener la calificación de "Matrícula de Honor", por lo que la calificación máxima será de "Excelente". 
  3. No se aceptarán cambios en el calendario, fechas de exámenes o en el sistema de evaluación.
  4. Los estudiantes de intercambio (Erasmus y otros) o repetidores estarán sometidos a las mismas condiciones que el resto del alumnado.

Bibliografía y recursos

El curso seguirá el libro:

(1)  Severance CR. Python for Everybody: Exploring Data Using Python 3. Creat Commons. 2016; 

Otras lecturas:

1. Donoho D. 50 Years of Data Science. Journal of Computational and Graphical Statistics. 2017. 

Periodo de evaluación

E: fecha de examen | R: fecha de revisión | 1: primera convocatoria | 2: segunda convocatoria:

  • E1 04/11/2019 14:00h A13
  • E2 18/06/2020 10:00h
  © 2024 Universitat Internacional de Catalunya | Contáctenos | Privacidad y Protección de datos | Propiedad intelectual
  Campus Barcelona. Tel.: 93 254 18 00 | Campus Sant Cugat. Tel.: 93 504 20 00