Guía docente de Obtención, Almacenamiento y Procesamiento de Datos Sociales Digitales (MD6/56/1/6)

1. Obtención de datos

• Procesos de extracción, transformación y carga de datos estructurados
• Introducción a las tecnologías de documentos y buscadores web
• Introducción a scrapers y crawlers

2. Almacenamiento de datos

• Introducción a las bases de datos relacionales
• Otras bases de datos (NoSQL)

3. Preprocesamiento de datos

• Normalización y discretización
• Reducción de dimensionalidad: selección de características
• Reducción y ampliación de datos: muestreo y generación sintética
• Calidad de los datos: tratamiento de valores perdidos y con ruido
• Transformación de datos

Ninguno.

• Conocer los diversos procesos para la obtención de información de varias fuentes y la adaptación de la misma para su tratamiento posterior por uno o varios sistemas de procesamiento.
• Conocer y manejar las herramientas para la búsqueda de información en Internet así como diversas técnicas para la extracción de información estructurada a partir de la web (no estructurada) o documentos en la web (semi-estructurados).
• Manejar los conceptos básicos y técnicas para la representación, el almacenamiento y la recuperación de información en sistemas gestores de bases de datos estructurados y no estructurados.
• Conocer y manejar las diferentes técnicas de preprocesamiento de datos existentes para la selección, limpieza, enriquecimiento, reducción y transformación de datos mediante discretización, tratamiento de datos perdidos, reducción de la dimensionalidad, selección y generación sintética de datos.
• Saber aplicar las técnicas para modelar y resolver problemas reales o académicos y conocer las principales herramientas software existentes para modelar y resolver problemas de búsqueda, representación, almacenamiento y preprocesamiento de datos.

1. Conceptos básicos: dato, colección e información
2. Introducción a la extracción, transformación y carga de datos (ETL)

• Carga de datos tabulares
• Reorganización, selección y filtrado
• Agrupamiento y resumen

3. Fuentes de datos:

• Estructuradas
• Semi-estructuradas
• No estructuradas

4. Extracción de información:

• Desde fuentes de datos estructuradas
• Desde fuentes de datos semi-estructuradas y no estructuradas

5. Preprocesamiento de datos

• Normalización y discretización
• Reducción de dimensionalidad: selección de características, análisis de componentes principales (PCA), reducción no lineal.
• Reducción y ampliación de datos: muestreo y generación sintética de datos
• Calidad de los datos: tratamiento de valores perdidos y con ruido
• Transformación de datos avanzada

1. Herramientas de extracción de información a partir de documentos y desde la web
2. Lenguaje de manejo y consulta de bases de datos relacionales
3. Manejo y consulta de bases de datos no relacionales
4. Lenguajes para la extracción, transformación y carga de datos en entornos distribuidos
5. Programación en preprocesamiento de datos: Bibliotecas para análisis, mejora de calidad y transformación de los datos.
6. Resolución de problemas con preprocesamiento de datos.

• S. García, J. Luengo, F. Herrera. Data preprocessing in Data Mining. Springer, 2015.
• A. Silberschatz, H. F. Korth, S. Sudarshan. Database Systems Concepts (7ª edición). McGraw-Hill, 2020.
• V. Smith. Go Web Scraping Quick Start Guide (1st edition). Packt Publishing, 2019.
• D. Lewandowski. Understanding Search Engines. Springer, 2023.
• A. Sarasa Cabezuelo. Introducción a las Bases de Datos NoSQL usando MongoDB. Editorial UOC, 2016.

• R. Núñez. Gestión de Bases de Datos. RA-MA Editorial, 2023.
• A. Sarasa Cabezuelo. Introducción a las Bases de Datos NoSQL usando Cassandra. Ediciones Complutense, 2019.
• A. Sarasa Cabezuelo. Introducción a las Bases de Datos NoSQL Clave-Valor usando Redis. Editorial UOC, 2019.
• D. Pyle. Data Preparation for Data Mining. Morgan Kaufmann, 1999.
• R. Jafari. Hands-On Data Preprocessing in Python: Learn How to Effectively Prepare Data for Successful Data Analytics. Packt Publishing, 2022.
• AI Publishing. Data Preprocessing with Python for Absolute Beginners: Step-by-Step Guide with Hands-on Projects and Exercises. Self Publishing, 2020.

• Coursera, Data Science Fundamentals: https://www.coursera.org/specializations/data-science-fundamentals
• Towards Data Science: https://towardsdatascience.com
• Guide to Data Minig: http://guidetodatamining.com/
• Data Mining Book: http://www.dataminingbook.info/pmwiki.php/Main/BookDownload
• Plataformas Kaggle (https://www.kaggle.com/) y DrivenData (https://www.drivendata.org/)

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se le haya reconocido el derecho a la evaluación única final.

La calificación final de cada alumno/a se obtendrá mediante la evaluación de:

• Test de evaluación sobre metodologías de preprocesamiento (20%) [SE3]
• Test de evaluación sobre manejo de bases de datos relacionales (15%) [SE3]
• Test de evaluación sobre manejo de bases de datos no relacionales (15%) [SE3]
• Trabajo práctico sobre extracción de información de documentos (10%) [SE1, SE9]
• Trabajo práctico sobre extracción de información de la web (10%) [SE1, SE9]
• Trabajo práctico sobre análisis de datos con técnicas de preprocesamiento (30%) [SE1, SE9]

CRITERIOS DE EVALUACIÓN:

Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:

• Análisis de datos y manejo de técnicas correctas de preprocesamiento de datos
• Transformación y mejora de la calidad de conjuntos de datos
• Manejo de bases de datos relacionales
• Manejo de bases de datos no relacionales
• Extracción de información de documentos
• Extracción de información de la web

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante:

• Trabajo práctico sobre análisis de datos con técnicas de preprocesamiento (50%)
• Test de evaluación sobre manejo de bases de datos relacionales y no relacionales (30%)
• Trabajo práctico individual sobre extracción de información de documentos y de la web (20%)

CRITERIOS DE EVALUACIÓN:

Se tendrá en cuenta que en el proceso de aprendizaje cada estudiante haya aprendido los siguientes aspectos:

• Análisis de datos y manejo de técnicas correctas de preprocesamiento de datos
• Transformación y mejora de la calidad de conjuntos de datos
• Manejo de bases de datos relacionales
• Manejo de bases de datos no relacionales
• Extracción de información de documentos
• Extracción de información de la web

Siguiendo las normativas de Evaluación y Calificación del Estudiantado de la Universidad de Granada y la Universidad de Salamanca se establece que podrán acogerse a la evaluación única final, el estudiantado que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

Prueba de la asignatura donde se valorará que el estudiantado haya interiorizado los siguientes aspectos:

• Trabajo práctico sobre análisis de datos con técnicas de preprocesamiento (50%)
• Test de evaluación sobre manejo de bases de datos relacionales y no relacionales (30%)
• Trabajo práctico individual sobre extracción de información de documentos y de la web (20%)

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).