Universitat Internacional de Catalunya
Fonaments de la Ciència de Dades
Altres llengües d'impartició: català, anglès
Professorat
Professorat:
Miguel Pérez - mperez@uic.es
Albert Climent - albert.climent@pervasive-tech.com
David Roche - droche@uic.es
Roger Vergés - rvergesi@uic.es
Rodolfo Lomascolo - rlomascolo@uic.es
Presentació
L'assignatura Fonaments de la Ciència de Dades té com a objectiu proporcionar a l'alumnat els coneixements i les habilitats fonamentals necessaris per treballar amb dades, extreure'n informació rellevant i utilitzar-la com a base per a la presa de decisions.
L'assignatura aborda les principals eines i metodologies que intervenen en un procés d'anàlisi de dades, des de l'extracció i la preparació de la informació fins a l'anàlisi estadística, la visualització dels resultats i la comunicació de les conclusions.
Al llarg de l'assignatura, l'alumnat adquirirà coneixements d'estadística aplicada, programació en Python i SQL, gestió i tractament de dades, visualització i data storytelling. Aquests continguts es treballaran de manera progressiva i integrada, amb especial èmfasi en l'aplicació pràctica dels coneixements a problemes reals.
L'enfocament de l'assignatura es basa en l'aprenentatge pràctic (learning by doing), mitjançant exercicis, casos d'aplicació i activitats amb conjunts de dades. Es pretén que l'alumnat no només conegui les eines disponibles, sinó que també sigui capaç de seleccionar-les adequadament, interpretar els resultats obtinguts i comunicar conclusions rellevants per donar suport a la presa de decisions.
Requisits previs
No es requereixen coneixements avançats de programació ni d'estadística per cursar aquesta assignatura. Tanmateix, és recomanable disposar de coneixements matemàtics bàsics, capacitat de raonament analític i predisposició per treballar amb eines digitals.
Els conceptes i les eines necessaris per treballar amb dades s'introduiran progressivament, des dels fonaments estadístics fins a la programació i l'anàlisi aplicada.
Objectius
Els objectius de l'assignatura són:
-
Comprendre el paper de l'estadística dins de la ciència de dades i aplicar tècniques estadístiques bàsiques per descriure dades, comparar grups, analitzar relacions i donar suport a la presa de decisions.
-
Desenvolupar habilitats bàsiques de programació en Python per carregar, preparar, transformar i analitzar conjunts de dades.
-
Aprendre a consultar i extreure informació de bases de dades relacionals mitjançant SQL.
-
Comprendre com s'integren SQL, Python i l'estadística en un procés complet d'anàlisi de dades.
-
Desenvolupar criteris per seleccionar visualitzacions adequades en funció de les preguntes que es volen respondre i dels missatges que es volen comunicar.
-
Aplicar principis de disseny visual i data storytelling per presentar resultats de manera clara, rigorosa i orientada a la presa de decisions.
-
Desenvolupar la capacitat d'interpretar resultats, identificar limitacions en les dades i formular conclusions basades en evidències.
-
Adquirir una visió global del procés de treball en ciència de dades, des de la formulació del problema fins a la comunicació dels resultats.
Competències/Resultats d’aprenentatge de la titulació
-
Desenvolupar la capacitat d'identificar, interpretar i analitzar dades quantitatives i qualitatives.
-
Aplicar conceptes i mètodes estadístics per descriure dades, analitzar relacions entre variables i donar suport a la presa de decisions.
-
Seleccionar i aplicar tècniques estadístiques adequades en funció de la naturalesa de les dades i dels objectius de l'anàlisi.
-
Utilitzar eines de programació i programari específic per a la consulta, el tractament, la transformació i l'anàlisi de dades.
-
Desenvolupar habilitats en programació amb Python per automatitzar tasques i resoldre problemes relacionats amb l'anàlisi de dades.
-
Dissenyar i executar consultes SQL per extreure, combinar i agregar informació procedent de bases de dades relacionals.
-
Integrar coneixements estadístics, tècniques de programació i eines de gestió de dades per resoldre problemes pràctics.
-
Seleccionar i elaborar visualitzacions adequades per representar informació de manera clara, rigorosa i comprensible.
-
Comunicar resultats analítics mitjançant tècniques de visualització i data storytelling, adaptant el missatge al públic destinatari.
-
Desenvolupar la capacitat d'anàlisi, síntesi i resolució de problemes a partir d'informació quantitativa i qualitativa.
-
Fomentar el pensament crític per interpretar resultats, identificar possibles biaixos i valorar les limitacions de les dades.
-
Desenvolupar habilitats per a l'aprenentatge autònom, la planificació i l'organització del treball.
-
Aplicar els coneixements adquirits en contextos pràctics i en situacions relacionades amb la presa de decisions.
Resultats d’aprenentatge de l’assignatura
L’alumnat serà capaç d’obtenir, preparar i analitzar dades mitjançant tècniques estadístiques i eines de programació com Python i SQL. També serà capaç d’interpretar els resultats i comunicar conclusions mitjançant visualitzacions efectives per donar suport a la presa de decisions.
Continguts
-
Estadística aplicada: estadística descriptiva, probabilitat, mostreig, estimació, contrast d'hipòtesis i correlació.
-
Gestió de dades: extracció, preparació i anàlisi de dades mitjançant SQL, Python i estadística.
-
Visualització i data storytelling: disseny de gràfics, dashboards i comunicació d'insights.
-
Programació en Python: fonaments de programació, Pandas, NumPy i tractament de dades.
-
Programació en SQL: consultes, filtres, agregacions i combinació de taules.
Metodologia i activitats formatives
Modalitat totalment presencial a l'aula
La metodologia docent de l’assignatura es basa en l’aprenentatge pràctic (learning by doing), amb l’objectiu que l’alumnat adquireixi els coneixements i les habilitats necessaris per treballar amb dades en contextos reals.
Les sessions combinaran explicacions conceptuals breus, demostracions pràctiques, exercicis guiats i activitats d’aplicació individual o en grup. Es prioritzarà la comprensió dels conceptes, la selecció adequada de les eines i la interpretació dels resultats per damunt de la memorització de procediments o fórmules.
Les activitats es desenvoluparan progressivament, des de l’adquisició de coneixements bàsics fins a la seva integració en casos pràctics. Sempre que sigui possible, s’utilitzaran conjunts de dades reals o simulades i eines accessibles com Google Colab, Python i SQL.
Les sessions s’estructuraran, generalment, de la manera següent:
-
Presentació dels conceptes fonamentals per part del professorat.
-
Demostració d’un exemple pràctic relacionat amb els continguts de la sessió.
-
Resolució guiada d’exercicis per part de l’alumnat.
-
Anàlisi conjunta dels resultats i discussió de les possibles interpretacions.
-
Aplicació dels coneixements a un cas pràctic o a un conjunt de dades.
-
Activitat de consolidació per reforçar els aprenentatges adquirits.
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
L'avaluació d'aquesta assignatura s'obtindrà amb la ponderació equitativa de tots els lliuraments realitzats al llarg del curs. La nota final és la nota de l'avaluació continuada.
Bibliografia i recursos
-
McKinney, W. (2022). Python for Data Analysis (3a ed.). O’Reilly Media.
-
Beaulieu, A. (2020). Learning SQL (3a ed.). O’Reilly Media.
-
Illowsky, B., & Dean, S. (2023). Introductory Statistics (2a ed.). OpenStax.