Analítica de Datos
Datos Generales
Nombre de la asignatura Nivel de formación Clave de la asignatura
Analítica de Datos Licenciatura CU270
Prerrequisitos Area de formación Departamento
623 Especializante Obligatoria Departamento de Sistemas de Información
Academia Modalidad Tipo de asignatura % de créditos mínimos
INTELIGENCIA DE NEGOCIOS Semipresencial Mixta Curso-Taller 0 %
Carga Horaria
Teoría Práctica Total Créditos
40 40 80 8
Trayectoria de la asignatura
-
Contenido del programa
Presentación
Los datos adquieren cada vez mayor importancia debido que su captura, gestión, transmisión y procesamiento se ha facilitado gracias a la evolución de la tecnología y globalización de las comunicaciones donde prácticamente cualquier dispositivo esta conectado a la red; además la economía es cada vez más dinámica y las organizaciones intentan tomar cada vez mejores decisiones, oportunas y acertadas, basándose en el estudio de los datos disponibles. El análisis de datos se ha vuelto alcanzables, y una tarea de suma importancia para lograr objetivos de negocio y acciones que permitan un crecimiento con mayor orden. Es así como la analítica de datos se vuelve un proceso de mucho valor para derivar información que permita proyectar y predecir eventos de impacto, información indispensable para la mejor toma de decisiones con base en los hallazgos identificados de los análisis realizados.
Objetivos del programa
Objetivo general


  • Introducción a la Analítica de Datos
  • La importancia de la Analítica de Datos
  • Sistemas de Soporte para la toma de decisiones.
  • Conceptos Generales de Big Data y Cloud Computing.
  • Promover que el alumno utilice Datos y Plataformas Abiertas para realizar análisis sobre los datos y derivar información útil para la toma de decisiones en las organizaciónes
Contenido
Contenido temático
  1. Introducción a la Analítica de Datos
  2. Conceptos Fundamentales
  3. Gestión y tratamiento de Datos
  4. Descripción de Big Data
  5. Modelado y Visualización de Datos
  6. Casos de Estudio
Contenido desarrollado
  1. Introducción a la Analítica de Datos.
    1. Importancia de la Analítica de Datos.
    2. La pirámide del conocimiento
    3. Aplicaciones Distribuidas
    4. Sistemas de Soporte para la Toma de Decisiones (DSS)
  2. Conceptos Fundamentales.
    1. En memoria
    2. En línea
    3. Virtualización de datos
    4. Minería de datos
    5. Análisis descriptivos
    6. Análisis predictivos y prescriptivos
    7. Tendencias tecnológicas
  3. Gestión y Tratamiento de Datos
    1. Data Management Body of Knowledge (DMBOK)
    2. Ciclos de vida del Análisis de Datos
      1. Roles para Proyecto de Análisis de Datos
      2. Procesos del Análisis de Datos
      3. Fases del Análisis de Datos
    3. Preparación de datos
      1. Procesos ETL
      2. Tecnologías para procesos ETL
        1. QlikSense
        2. Tableau
        3. R(ETL -CRAN-R)
  4. Modelado y Visualización de Datos
    1. Modelos de Datos
    2. Modelado de Datos
    3. Visualización de Datos con R
      1. Histogramas
      2. Diagramas de Caja á¨
      3. Diagramas de Dispersión á¨
  5. Descripción de Big Data.
    1. Concepto Fundamental de Big Dataá¨á¨
    2. Características de Big Dataá¨á¨
    3. Arquitectura de Big Data
    4. Tecnologías y Plataformas que habilitan el Big Data
    5. Modelos de nube computacional para el Big Data
  6. Casos de Estudio
    1. Caso de Estudio I (Carga, limpieza y visualización de Datos con R) á¨
    2. Caso de Estudio II (Análisis de Datos con IBM Watson Trial / Microsoft á¨Azure Trial) 
Actividades prácticas
Practica en Laboratorios de computo y fuera del aula, en donde el alumno desarrollara habilidades para analizar, diseñar, implementar y administrar soluciones para el manejo del análisis de datos con tecnología convergente en esquemas de Cloud Computing y Big Data. Elaborara soluciones para el manejo de información. Es necesario que el alumno cuente con un equipo de cómputo donde pueda desarrollar prácticas y proyecto final, siendo necesario para lograr el objetivo de aprendizaje.
Metodología

Métodos de enseñanza-aprendizaje:

  • Descriptivo
  • Analítico
  • Deductivo
Técnicas de aprendizaje:
  • Individuales
  • Grupales
  • Laboratorio
  • Estudio de casos

Actividades de aprendizaje:

  • Practicas de laboratorio y fuera del aula
  • Ejercicios complementarios fuera del aula
  • Investigación
  • Casos prácticos

Recursos Didácticos:

  • Pizarrón
  • Cañón
  • Equipo de computo de laboratorio y fuera del aula
Evaluación
  • Tareas: Reportes e Informes de actividades de investigación en formato PDF mediante plataforma virtual Google Classroom, mismas que equivalen al 30% de la calificación final, bajo ninguna circunstancia se recibirá fuera de la fecha señala por el profesor.
  • 1er Examen Parcial 20%.
  • 2do Examen Parcial 20%.
  • Proyecto Final: 30%, definido por el docente y entregado de reporte en formato PDF en la fecha que se indique.
Bibliografía

-

Otros materiales

-

Perfil del profesor
Perfil académico.- Ingeniero en Computación, Maestro en Tecnologías de Información, Doctor en Tecnologías de Información o áreas afines a los Sistemas Computacionales que involucre el manejo de soluciones convergentes de Cloud Computing y Big Data. En consultoría para la gestión de proyectos y en procesos de estrategia basada en tecnologías de nube, manejo de información y bases de datos. Experiencia en coordinación de grupos de trabajo y contacto con los principales empleadores de la localidad. Experiencia en el análisis, diseño y desarrollo de sistemas en en Cloud Computing y Big Data. 
Lugar y fecha de su aprobación
Zapopan, Jalisco, a 17 de Julio de 2018.
Instancias que aprobaron el programa
Propuesta elaborada por el Comité Técnico revisor y las academias correspondientes, así como el Colegio Departamental del Departamento de Sistemas de Información
Imprimir Regresar