1.2 Planificación (tentativa)
La impartición de los contenidos durante el curso dependerá de los conocimientos de partida y la asimilación de los conceptos. Para completar nuestra visión de los conocimientos previos os requerimos completar este formulario en la primera sesión de clase: https://forms.gle/EbbBNeXTpk8MK1C76
Semana 1 (3/11): Presentación e introducción a Tema 1 y SQL.
Semana 2 (6, 8, 9, 10/11): Tema 1 y SQL. Seminario Manipulación de datos con dplyr (8 y 9). Ejercicios SQL (11)
Semana 3 (13, 15 y 16/11): Ejercicios SQL (13). Tema 2: NoSQL y Seminario tratamiento de texto (CSV, excel, Json) y open data.
Semana 4 (20, 22, 23 y 24/11): Tema 3: Conceptos de Big Data y datos masivos. Introducción al Aprendizaje Estadístico.
Semana 5 (27, 29, 30 y 1/12): Tema 3: Tutorial de sparklyr, seminario de visualización y aplicaciones de datos masivos
Semana 6 (4/12) Tema 3: Prácticas sparklyr
Semana 7 (11, 13, 14 y 15/12) Tema 3: Prácticas sparklyr.
Semana 8 (18, 20, 21 y 22/12) Revisión prácticas, dudas de cara a examen, backup.
Examen 22/1 4pm.
1.2.1 Evaluación
Examen (60%): El examen de la materia evaluará los siguientes aspectos: Conceptos de la materia: Dominio de los conocimientos teóricos y operativos de la materia. Asimilación práctica de materia: Asimilación y comprensión de los conocimientos teóricos y operativos de la materia.
Prácticas de laboratorio (40%): Evaluación de las prácticas de laboratorio desarrolladas por los estudiantes.