Máster en Ciencia de Datos y Aprendizaje Automático + 60 Créditos ECTS

Unidad Didáctica 1. Diseño de Algoritmos

• Conceptos básicos. Definición de algoritmo.
• Metodología para la solución de problemas
• Entidades primitivas para el diseño de instrucciones
• Programación estructurada. Métodos para la elaboración de algoritmos
• Técnicas para la formulación de algoritmos
• Estructuras algorítmicas básicas
• Arrays. Operaciones
• Cadenas de caracteres. Definición, función, manipulación.
• Módulos
• Confección de algoritmos básicos.

Unidad Didáctica 2. Estructuras de Datos

• Análisis de algoritmos.
• Manejo de memoria
• Estructuras lineales estáticas y dinámicas:
• Recursividad.
• Estructuras no lineales estáticas y dinámicas
• Algoritmos de ordenación.
• Métodos de búsqueda.
• Tipos abstractos de datos.

Unidad Didáctica 3. Programación en Lenguajes Estructurados

• El entorno de desarrollo de programación.
• Lenguaje estructurado
• Herramientas de depuración.
• La reutilización del software.
• Herramientas de control de versiones.

Unidad Didáctica 1. Diseño de Interfaces de Usuario

• Evolución de las interfaces en el software de gestión.
• Características de las Interfaces, interacción hombre-máquina.
• Interface gráficas de usuario
• Normalización y estándares
• User Access), CDE (Common Desktop Environment), etc.
• Guías de estilos.
• Normas CUA (Common User Access)
• Arquitectura y herramientas para el desarrollo de GUI:
• Diseño y desarrollo de interfaces de gestión:
• Evaluación del diseño

Unidad Didáctica 2. Interfaces y Entornos Gráficos

• Interfaces gráficas de usuario
• Herramientas para el desarrollo de interfaces gráficas de usuario
• Técnicas de usabilidad.
• Rendimiento de interfaces.
• Notación Húngara.
• Estructura de un programa GUI
• El procedimiento de ventana
• Menús.
• Fichero de recursos.
• Los cajas de diálogo
• Controles básicos.
• El Interfaz de dispositivos gráficos (GDI)

Unidad Didáctica 1. Acceso a Bases de Datos y Otras Estructuras

• El cliente del SGBD. Usuarios y privilegios.
• El lenguaje SQL.
• Objetos de la base de datos.
• Integridad y seguridad de los datos
• Sentencias del lenguaje estructurado para operar sobre las bases de datos.
• APIs de acceso a bases de datos.
• Integración de los objetos de la base de datos en el lenguaje de programación estructurado.
• Conexiones para el acceso a datos
• Realización de consultas SQL desde un programa estructurado
• Creación y eliminación de bases de datos.
• Creación y eliminación de tablas.
• Manipulación de datos contenidos en una base de datos:
• Objetos de Acceso a Datos (DAO)
• Herramientas de acceso a datos proporcionadas por el entorno de programación.

Unidad Didáctica 1. Pruebas del Software

• Fundamentos y objetivos de las pruebas.
• Tipos de errores y coste de corrección.
• Planificación de las pruebas
• Proceso de pruebas. Las pruebas en las distintas fases.
• Tipos de pruebas
• Herramientas.
• Normas de calidad del software
• Documentación de pruebas

Unidad Didáctica 2. Herramientas de Generación de Paquetes

• Funciones y características.
• Empaquetamiento, instalación y despliegue

Unidad Didáctica 3. Documentación de Aplicaciones

• Herramientas de documentación: características.
• Herramientas para generación de ayudas.
• Documentación de una aplicación, características, tipos

Unidad Didáctica 1. Bases de Datos Relacionales

• Concepto de base de datos relacional.
• Ejemplificación.
• Concepto de modelos de datos. Funciones y sublenguajes (DDL y DML).
• Clasificación los diferentes tipos de modelos de datos de acuerdo al nivel abstracción
• Enumeración de las reglas de Codd para un sistema relacional.

Unidad Didáctica 2. Análisis del Modelo Relacional y de los Elementos Que Lo Integran

• Concepto de Relaciones y sus propiedades.
• Concepto de Claves en el modelo relacional.
• Nociones de álgebra relacional.
• Nociones de Cálculo relacional de tuplas para poder resolver ejercicios prácticos básicos.
• Nociones de Calculo relacional de dominios.
• Teoría de la normalización y sus objetivos

Unidad Didáctica 3. Descripción y Aplicación del Modelo Entidad-relación para el Modelado de Datos

• Proceso de realización de diagramas de entidad-relación y saberlo aplicar.
• Elementos
• Diagrama entidad relación entendidos como elementos para resolver las carencias de los diagramas Entidad-Relación simples.
• Elementos
• Desarrollo de diversos supuestos prácticos de modelización mediante diagramas de entidad relación.

Unidad Didáctica 4. Modelo Orientado a Objeto

• Contextualización del modelo orientado a objeto dentro del modelado UML.
• Comparación del modelo de clases con el modelo-entidad relación.
• Diagrama de objetos como caso especial del diagrama de clases.

Unidad Didáctica 5. Modelo Distribuido y los Enfoques para Realizar el Diseño

• Enumeración de las ventajas e inconvenientes respecto a otros modelos.
• Concepto de fragmentación y sus diferentes tipos
• Enumeración de las reglas de corrección de la fragmentación.
• Enumeración de las reglas de distribución de datos.
• Descripción de los esquemas de asignación y replicación de datos.

Unidad Didáctica 1. Análisis de los Objetos y Estructuras de Almacenamiento de la Información para Diferentes Sgbd

• Relación de estos elementos con tablas, vistas e índices.
• Consecuencias practicas de seleccionar los diferentes objetos de almacenamientos.
• Diferentes métodos de fragmentación de la información en especial para bases de datos distribuidas.

Unidad Didáctica 2. Lenguajes de Definición, Manipulación y Control

• Conceptos básicos, nociones y estándares.
• Lenguaje de definición de datos (DDL SQL) y aplicación en SGBD actuales.
• Discriminación de los elementos existentes en el estándar SQL-92 de otros elementos existentes en bases de datos comerciales.
• Sentencias de creación: CREATE
• Nociones sobre el almacenamiento de objetos en las bases de datos relacionales.
• Nociones sobre almacenamiento y recuperación de XML en las bases de datos relacionales

Unidad Didáctica 3. Transaccionalidad y Concurrencia

• Conceptos fundamentales.
• Identificación de los problemas de la concurrencia.
• Actualizaciones perdidas.
• Lecturas no repetibles.
• Lecturas ficticias.
• Nociones sobre Control de la concurrencia
• Conocimiento de las propiedades fundamentales de las transacciones.
• ACID
• Análisis de los niveles de aislamiento
• Serializable.
• - Desarrollo de un supuesto práctico en el que se ponga de manifiesto la relación y las implicaciones entre el modelo lógico de acceso y definición de datos y el modelo físico de almacenamiento de los datos.

Unidad Didáctica 1. Salvaguarda y Recuperación de Datos

• Descripción de los diferentes fallos posibles (tanto físicos como lógicos) que se pueden plantear alrededor de una base de datos.
• Enumeración y descripción de los elementos de recuperación ante fallos lógicos que aportan los principales SGBD estudiados.
• Distinción de los diferentes tipos de soporte utilizados para la salvaguarda de datos y sus ventajas e inconvenientes en un entorno de backup.
• Concepto de RAID y niveles más comúnmente utilizados en las empresas
• Servidores remotos de salvaguarda de datos.
• Diseño y justificación de un plan de salvaguarda y un protocolo de recuperación de datos para un supuesto de entorno empresarial.
• Tipos de salvaguardas de datos
• Definición del concepto de RTO (Recovery Time Objective) y RPO (Recovery Point Objective).
• Empleo de los mecanismos de verificación de la integridad de las copias de seguridad.

Unidad Didáctica 2. Bases de Datos Distribuidas Desde un Punto de Vista Orientado a la Distribución de los Datos y la Ejecución de las Consultas

• Definición de SGBD distribuido. Principales ventajas y desventajas.
• Características esperadas en un SGBD distribuido.
• Clasificación de los SGBD distribuidos según los criterios
• Enumeración y explicación de las reglas de DATE para SGBD distribuidos.
• Replicación de la información en bases de datos distribuidas.
• Procesamiento de consultas.
• Descomposición de consultas y localización de datos.

Unidad Didáctica 3. Seguridad de los Datos

• Conceptos de seguridad de los datos: confidencialidad, integridad y disponibilidad.
• Normativa legal vigente sobre datos
• Seguimiento de la actividad de los usuarios
• Introducción básica a la criptografía
• Desarrollo de uno o varios supuestos prácticos en los que se apliquen los elementos de seguridad vistos con anterioridad.

Unidad Didáctica 4. Transferencia de Datos

• Descripción de las herramientas para importar y exportar datos
• Clasificación de las herramientas
• Muestra de un ejemplo de ejecución de una exportación e importación de datos.
• Migración de datos entre diferentes SGBD

Unidad Didáctica 1. Introducción a las Bases de Datos

• Ventajas e inconvenientes de las baes de datos
• Conceptos generales
• El modelo entidad-relación
• El modelo entidad-relación extendido
• Restricciones de integridad

Unidad Didáctica 2. el Modelo de Bases de Datos Relacional

• Estructura del modelo relacional
• Claves en el modelo relacional
• Restricciones de integridad
• Teoría de la normalización
• Diseño de una base de datos relacional
• Tipos de lenguajes relacionales

Unidad Didáctica 3. Lenguaje de Consulta Sql

• Características de SQL
• Sistemas de Gestión de Bases de Datos con soporte SQL
• Sintaxis en SQL
• Especificación de restricciones de integridad

Unidad Didáctica 4. Mysql Como Sistema Gestor de Bases de Datos Relacionales

• Caracterísiticas de MySQL
• Tipos de datos
• Sisntaxis SQL para MySQL

Unidad Didáctica 5. Salvaguarda y Recuperación de Datos

• Posibles fallos en una base de datos
• Elementos de recuperación
• Tipos de soporte
• RAID
• Servidores remotos de salvaguarda de datos
• Diseño de un plan de salvaguarda y protocolo de recuperación de datos
• Tipos de salvaguardas de datos
• RTO (Recovery Time Objective) y RPO (Recovery Point Objective)
• Mecanismos de verificación de la integridad de las copias de seguridad

Unidad Didáctica 6. Bases de Datos Distribuidas

• Definición de SGBD distribuido. Principales ventajas y desventajas
• Características esperadas en un SGBD distribuido
• Clasificación de los SGBD distribuidos
• Enumeración y explicación de las reglas de DATE para SGBD distribuidos
• Replicación de la información en bases de datos distribuidas
• Procesamiento de consultas
• Descomposición de consultas y localización de datos

Unidad Didáctica 7. Seguridad de los Datos

• Conceptos de seguridad de los datos: confidencialidad, integridad y disponibilidad
• Normativa legal vigente sobre datos
• Supuestos prácticos

Unidad Didáctica 8. Transferencia de Datos

• Herramientas para importar y exportar datos
• Clasificación de las herramientas
• Ejemplo de ejecución de una exportación e importación de datos
• Migración de datos entre diferentes SGBD
• Inconvenientes al traspasar datos entre distintos SGBD

Unidad Didáctica 1. Minería de Datos o Data Mining y el Aprendizaje Automático

• Introducción a la minería de datos y el aprendizaje automático
• Proceso KDD
• Modelos y Técnicas de Data Mining
• Áreas de aplicación
• Minería de textos y Web Mining
• Data mining y marketing

Unidad Didáctica 2. R Como Herramienta para Big Data

• Introducción a R
• ¿Qué necesitas?
• Tipos de datos
• Estadística Descriptiva y Predictiva con R
• Integración de R en Hadoop

Unidad Didáctica 3. Pre-procesamiento & Procesamiento de Datos

• Obtención y limpieza de los datos (ETL)
• Inferencia estadística
• Modelos de regresión
• Pruebas de hipótesis

Unidad Didáctica 4. Análisis de los Datos

• Inteligencia Analítica de negocios
• La teoría de grafos y el análisis de redes sociales
• Presentación de resultados

Unidad Didáctica 5. Procesamiento Distribuido de Datos con Hadoop

• ¿Qué es Hadoop?
• El sistema de archivos HDFS
• Algunos comandos de referencia
• Procesamiento MapReduce con Hadoop
• El concepto de los clusters en Hadoop

Unidad Didáctica 6. Weka y Data Mining

• ¿Qué es Weka?
• Técnicas de Data Mining en Weka
• Interfaces de Weka
• Selección de atributos

Unidad Didáctica 1. Fundamentos de Inteligencia Artificial

• Fundamentos de inteligencia artificial
• - Evolución de la inteligencia artificial
• - Principales Enfoques de la inteligencia artificial
• - Implementación de la inteligencia artificial
• - Retos y perspectivas de futuro de la inteligencia artificial

Unidad Didáctica 2. Machine Learning: Principios y Aplicaciones

• Machine Learning: Principios y Aplicaciones
• - Historia del Machine Learning
• - Algoritmos de Machine Learning
• - Modelos de aprendizaje en Machine Learning

Unidad Didáctica 3. Deep Learning: Arquitecturas y Entrenamiento

• Deep Learning: arquitecturas y entrenamiento
• - Arquitectura de redes neuronales profundas

Unidad Didáctica 4. Inteligencia Artificial Generativa (genai)

• Inteligencia Artificial Generativa (GenAI)
• - Tipos de inteligencia artificial generativa
• - Usos de la inteligencia artificial generativa

Unidad Didáctica 5. Procesamiento del Lenguaje Natural (nlp)

• Procesamiento del Lenguaje Natural (NLP)
• - Historia de los sistemas NLP
• - Definición y alcance del NLP
• - Inteligencias artificiales dedicadas al NLP
• - Principales problemas y desafíos en el campo del NLP

Unidad Didáctica 6. Chatbots y Su Integración en Empresas

• Chatbots y su integración en empresas
• - Historia de los chatbots
• - Definición y tipos de chatbot
• - Funcionamiento de un chatbot

Unidad Didáctica 7. Transformers: Arquitectura y Aplicaciones

• Transformers: arquitectura y aplicaciones
• - Funcionamiento
• - Principales arquitecturas de transformers
• - Aplicaciones de los transformers
• - Ventajas de los transformers
• - Problemas y desafíos de los transformers

Unidad Didáctica 8. Visión Artificial

• Visión Artificial
• - Definición de visión artificial
• - Historia de la visión artificial
• - Proceso de visión artificial
• - Algoritmos de visión artificial
• - Arquitecturas de visión artificial
• - Uso de sistemas de visión artificial
• - Problemas y desafíos de la visión artificial

Unidad Didáctica 9. Ética y Responsabilidad en Inteligencia Artificial

• Ética y responsabilidad en Inteligencia Artificial
• - Consideraciones éticas en el uso de la inteligencia artificial generativa y consejos para mantenerlas
• - Consideraciones éticas del procesamiento del lenguaje natural
• - Consideraciones éticas de los chatbots
• - Consideraciones éticas de la visión artificial

Unidad Didáctica 1. Introducción Al Machine Learning

Unidad Didáctica 2. Extracción de Estructura de los Datos: Clustering

Unidad Didáctica 3. Sistemas de Recomendación

Unidad Didáctica 4. Clasificación

Unidad Didáctica 5. Redes Neuronales y Deep Learning

Unidad Didáctica 6. Sistemas de Elección

Unidad Didáctica 7. Procesamiento de Lenguaje Natural

Unidad Didáctica 1. ¿qué Es el Aprendizaje Profundo?

• Concepto de aprendizaje profundo
• - Diferencias existentes entre el aprendizaje profundo y el aprendizaje automático
• Evolución e historia del aprendizaje profundo
• - Cronología histórica
• - Pioneros del campo del aprendizaje profundo
• Ventajas del aprendizaje profundo
• - Principales ventajas del aprendizaje profundo

Unidad Didáctica 2. Sistemas Neuronales

• Redes neuronales
• Redes profundas y redes poco profundas

Unidad Didáctica 3. Deep Learning con Python, Keras y Tensorflow

• Aprendizaje profundo
• Entorno de Deep Learning con Python
• Aprendizaje automático y profundo

Unidad Didáctica 4. Estrategias de Aprendizaje

• Entrada y salida de datos
• Entrenar una red neuronal
• Gráficos computacionales
• Implementación de una red profunda
• El algoritmo de propagación directa
• Redes neuronales profundas multicapa

Unidad Didáctica 5. el Aprendizaje Profundo Por Refuerzo

• Concepto de aprendizaje profundo por refuerzo
• Los elementos que componen un modelo de aprendizaje profundo por refuerzo
• El funcionamiento del aprendizaje profundo por refuerzo
• - Recompensas vs penalizaciones
• - Algoritmos a utilizar
• - La ecuación de Bellman
• Posibilidades del aprendizaje profundo por refuerzo

Unidad Didáctica 6. Aplicaciones del Aprendizaje Profundo

• Las posibilidades futuras del aprendizaje profundo
• Principales usos en la actualidad
• Aprendizaje profundo e IoT
• - El concepto de IoT
• Aplicaciones en el entorno empresarial