Universitat Internacional de Catalunya
Informàtica
Altres llengües d'impartició: català, castellà
Professorat
La participació i l’actitud a l’aula serà valorada positivament en la nota final.
Presentació
El tractament de dades mitjançant les tècniques informàtiques està tenint un gran impacte tant en la recerca i el desenvolupament com en la gestió de molts sectors, i particularment en el camp de les ciències exactes. Alguns exemples de l’impacte de la digitalització es pot observar en l’augment d’estudis on s’usen tècniques d’experimentació virtual i simulació de sistemes biològics, anàlisis de dades provinents d’experiments d’alt rendiment, i de big data. A fi preparar als estudiants per fer el salt a la recerca, aquest curs els introduirà a les tècniques d’anàlisi bàsiques de dades, fent especial esment en plantejament lògic de la manipulació de les dades i la programació.
És d’esperar que, en un futur pròxim, tots els professionals hauran de tenir coneixements bàsics d’anàlisi de dades i pensament lògic, ja que aquestes habilitats seran necessàries en un entorn on la tecnologia està prenent un rol cada cop més important. Aquestes habilitats són especialment rellevants per als bioenginyers, la tasca dels quals inclou l’adquisició, l’anàlisi i la presentació de dades.
Requisits previs
Cap.
Objectius
- Familiaritzar-se amb els conceptes bàsics de l’anàlisi de dades: Adquirir i familiaritzar-se amb els termes i idees relacionades amb l'anàlisi de dades i de big data.
- Adquisició de pensament lògic/estructurat: Practicar el pensament lògic i les habilitats necessàries per presentar de forma estructurada idees i processos.
- Python: Adquirir el coneixement bàsic de la sintaxi del llenguatge de programació mitjançant la pràctica de l’escriptura i depuració de programes.
Competències/Resultats d’aprenentatge de la titulació
- CB1 - Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi
- CB2 - Que els estudiants sàpiguen aplicar els seus coneixements al seu treball o vocació d'una forma professional i posseeixin les competències que solen demostrar-se per mitjà de l'elaboració i defensa d'arguments i la resolució de problemes dins la seva àrea d'estudi
- CB3 - Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica
- CG10 - Saber treballar en un entorn multilingüe i multidisciplinari
- CG4 - Resoldre problemes amb iniciativa, presa de decisions, creativitat, raonament crític i de comunicació i transmissió de coneixements, habilitats i destreses en el camp de la Bioenginyeria.
- CT5 - Realitzar un ús solvent dels recursos d'informació. Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació en l'àmbit d'especialitat i valorar de forma crítica els resultats d'aquesta gestió.
- CT6 - Detectar deficiències en el propi coneixement i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per ampliar aquest coneixement.
- CT7 - Dominar una tercera llengua, habitualment l'anglès, amb un nivell adequat oral i escrit i d'acord amb les necessitats que tindran els titulats i titulades
Resultats d’aprenentatge de l’assignatura
Per acabar el curs de forma exitosa, els estudiants hauran de ser capaços de:
- Descriure les característiques, l’impacte i els desafiaments tècnics de les eines computacionals en l’anàlisi de dades.
- Entendre els diferents tipus de dades en l'àmbit estadístic i la seva anàlisi, interpretació i presentació.
- Entendre els conceptes bàsics de la programació i ser capaç de fer un plantejar lògicament un programa.
- Ser capaç d’escriure un programa bàsic en Python on s’usin iteracions, funcions i enunciats condicionals. Entendre i utilitzar les llibreries de Python, les diferents estructures de dades i la depuració de programes. Adquirir el vocabulari necessari relacionat amb aquestes activitats.
Continguts
1. Data i variables estadístiques.
2. Big data
3. Introducció a la programació
4. Variables a Python
5. Execució condicional
6. Funcions
7. Iteracions
8. Estructura de dades
9. Us de bases de dades
Metodologia i activitats formatives
Modalitat totalment presencial a l'aula
- Classes teòriques
- Sessions pràctiques de programació
- Treballs individuals
- Exercicis opcionals a casa
- Participació en l'aula
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
Primera convocatòria:
La nota final del curs serà calculada d’acord el següent criteri:
- Treballs individuals i en grup, participacio: 10%
- Examen final: 90%
La nota mínima per aprovar l’examen final serà un 5. En total la nota mínima per aprovar l’assignatura serà un 5.
En el cas dels candidats que hagin realitzat totes les tasques però que obtinguin una nota global superior a l'examen, es considerarà la qualificació superior.
Segona convocatòria:
Els alumnes que hagin suspès l’assignatura a la primera convocatòria, tindran l'oportunitat de tornar a fer un examen final. Les notes de l'examen parcial, de les entregues i exàmens tipus test es mantindran sense canvis. Els criteris d'avaluació seran els mateixos que a la primera convocatòria.
Per tant un requisit imprescindible per aprovar l'assignatura és obtenir una nota superior o igual a 5 en l'examen final de segona convocatòria.
Consideracions importants:
- Plagi, copiar o qualsevol altra acció que es pugui considerar trampa suposarà un zero en aquest apartat d'avaluació. Realitzar-ho als exàmens suposarà el suspens immediat de l'assignatura.
- En segona convocatòria no es podrà obtenir la qualificació de "Matrícula d'Honor", de manera que la qualificació màxima serà d'"Excel·lent".
- No s'acceptaran canvis en el calendari, dates d'exàmens o en el sistema d'avaluació.
- Els estudiants d'intercanvi (Erasmus i d'altres) o repetidors estaran sotmesos a les mateixes condicions que la resta de l'alumnat.
Bibliografia i recursos
El curs seguirà el següent llibre:
(1) Severance CR. Python for Everybody: Exploring Data Using Python 3. Creat Commons. 2016;
Altres lectures:
1. Donoho D. 50 Years of Data Science. Journal of Computational and Graphical Statistics. 2017.
2. Ristevski B, Chen M. Big Data Analytics in Medicine and Healthcare. J Integr Bioinform. 2018 May 10;15(3).
Període d'avaluació
- E1 13/01/2023 A04 14:00h
- E2 16/06/2023 A04 12:00h