Universitat Internacional de Catalunya
Fundamentos de la Ciencia de Datos
Otras lenguas de impartición: catalán, inglés
Profesorado
Profesorado:
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
Pere Millan - pmillan@uic.es
Presentación
La asignatura Fundamentos de la Ciencia de Datos tiene como objetivo proporcionar al alumnado los conocimientos y las habilidades fundamentales necesarios para trabajar con datos, extraer información relevante y utilizarla como base para la toma de decisiones.
La asignatura aborda las principales herramientas y metodologías que intervienen en un proceso de análisis de datos, desde la extracción y preparación de la información hasta el análisis estadístico, la visualización de los resultados y la comunicación de las conclusiones.
A lo largo de la asignatura, el alumnado adquirirá conocimientos de estadística aplicada, programación en Python y SQL, gestión y tratamiento de datos, visualización y data storytelling. Estos contenidos se trabajarán de forma progresiva e integrada, con especial énfasis en la aplicación práctica de los conocimientos a problemas reales.
El enfoque de la asignatura se basa en el aprendizaje práctico (learning by doing), mediante ejercicios, casos de aplicación y actividades con conjuntos de datos. Se pretende que el alumnado no solo conozca las herramientas disponibles, sino que también sea capaz de seleccionarlas adecuadamente, interpretar los resultados obtenidos y comunicar conclusiones relevantes para apoyar la toma de decisiones.
Requisitos previos
No se requieren conocimientos avanzados de programación ni de estadística para cursar esta asignatura. Sin embargo, es recomendable disponer de conocimientos matemáticos básicos, capacidad de razonamiento analítico y predisposición para trabajar con herramientas digitales.
Los conceptos y las herramientas necesarios para trabajar con datos se introducirán progresivamente, desde los fundamentos estadísticos hasta la programación y el análisis aplicado.
Objetivos
Los objetivos de la asignatura son:
-
Comprender el papel de la estadística en la ciencia de datos y aplicar técnicas estadísticas básicas para describir datos, comparar grupos, analizar relaciones y apoyar la toma de decisiones.
-
Desarrollar habilidades básicas de programación en Python para cargar, preparar, transformar y analizar conjuntos de datos.
-
Aprender a consultar y extraer información de bases de datos relacionales mediante SQL.
-
Comprender cómo se integran SQL, Python y la estadística en un proceso completo de análisis de datos.
-
Desarrollar criterios para seleccionar visualizaciones adecuadas en función de las preguntas que se quieren responder y de los mensajes que se quieren comunicar.
-
Aplicar principios de diseño visual y data storytelling para presentar resultados de forma clara, rigurosa y orientada a la toma de decisiones.
-
Desarrollar la capacidad de interpretar resultados, identificar limitaciones en los datos y formular conclusiones basadas en evidencias.
-
Adquirir una visión global del proceso de trabajo en ciencia de datos, desde la formulación del problema hasta la comunicación de los resultados.
Competencias/Resultados de aprendizaje de la titulación
-
Desarrollar la capacidad de identificar, interpretar y analizar datos cuantitativos y cualitativos.
-
Aplicar conceptos y métodos estadísticos para describir datos, analizar relaciones entre variables y apoyar la toma de decisiones.
-
Seleccionar y aplicar técnicas estadísticas adecuadas en función de la naturaleza de los datos y de los objetivos del análisis.
-
Utilizar herramientas de programación y software específico para la consulta, el tratamiento, la transformación y el análisis de datos.
-
Desarrollar habilidades de programación con Python para automatizar tareas y resolver problemas relacionados con el análisis de datos.
-
Diseñar y ejecutar consultas SQL para extraer, combinar y agregar información procedente de bases de datos relacionales.
-
Integrar conocimientos estadísticos, técnicas de programación y herramientas de gestión de datos para resolver problemas prácticos.
-
Seleccionar y elaborar visualizaciones adecuadas para representar información de forma clara, rigurosa y comprensible.
-
Comunicar resultados analíticos mediante técnicas de visualización y data storytelling, adaptando el mensaje al público destinatario.
-
Desarrollar la capacidad de análisis, síntesis y resolución de problemas a partir de información cuantitativa y cualitativa.
-
Fomentar el pensamiento crítico para interpretar resultados, identificar posibles sesgos y valorar las limitaciones de los datos.
-
Desarrollar habilidades para el aprendizaje autónomo, la planificación y la organización del trabajo.
-
Aplicar los conocimientos adquiridos en contextos prácticos y en situaciones relacionadas con la toma de decisiones.
Resultados de aprendizaje de la asignatura
El alumnado será capaz de obtener, preparar y analizar datos mediante técnicas estadísticas y herramientas de programación como Python y SQL. También será capaz de interpretar los resultados y comunicar conclusiones mediante visualizaciones efectivas para apoyar la toma de decisiones.
Contenidos
-
Estadística aplicada: estadística descriptiva, probabilidad, muestreo, estimación, contraste de hipótesis y correlación.
-
Gestión de datos: extracción, preparación y análisis de datos mediante SQL, Python y estadística.
-
Visualización y data storytelling: diseño de gráficos, dashboards y comunicación de insights.
-
Programación en Python: fundamentos de programación, Pandas, NumPy y tratamiento de datos.
-
Programación en SQL: consultas, filtros, agregaciones y combinación de tablas.
Metodología y actividades formativas
Modalidad totalmente presencial en el aula
La metodología docente de la asignatura se basa en el aprendizaje práctico (learning by doing), con el objetivo de que el alumnado adquiera los conocimientos y las habilidades necesarios para trabajar con datos en contextos reales.
Las sesiones combinarán explicaciones conceptuales breves, demostraciones prácticas, ejercicios guiados y actividades de aplicación individual o en grupo. Se priorizará la comprensión de los conceptos, la selección adecuada de las herramientas y la interpretación de los resultados por encima de la memorización de procedimientos o fórmulas.
Las actividades se desarrollarán progresivamente, desde la adquisición de conocimientos básicos hasta su integración en casos prácticos. Siempre que sea posible, se utilizarán conjuntos de datos reales o simulados y herramientas accesibles como Google Colab, Python y SQL.
Las sesiones se estructurarán, generalmente, de la siguiente manera:
-
Presentación de los conceptos fundamentales por parte del profesorado.
-
Demostración de un ejemplo práctico relacionado con los contenidos de la sesión.
-
Resolución guiada de ejercicios por parte del alumnado.
-
Análisis conjunto de los resultados y discusión de las posibles interpretaciones.
-
Aplicación de los conocimientos a un caso práctico o a un conjunto de datos.
-
Actividad de consolidación para reforzar los aprendizajes adquiridos.
Sistemas y criterios de evaluación
Modalidad totalmente presencial en el aula
La evaluación de esta asignatura se obtendrá mediante la ponderación equitativa de todas las entregas realizadas a lo largo del curso. La nota final será la calificación de la evaluación continua.
Bibliografía y 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.