Guía docente de Programación Avanzada en Python Aplicada al Análisis Social (MD6/56/1/7)

1. Programación científica
2. Procesamiento avanzado de datos tabulares
3. Visualización
4. Análisis exploratorio
5. Aprendizaje automático
6. Optimización algorítmica

Conocer los principales módulos de Python aplicado al Análisis Social, sus fundamentos y su aplicación para programación científica, procesado de datos tabulares, visualización, análisis exploratorio, aprendizaje automático y optimización algorítmica.

A partir de los Contenidos especificados en la Memoria de Verificación del título establecemos los siguientes bloques temáticos para el desarrollo efectivo del curso:

1. Programación científica
2. Procesamiento avanzado de datos tabulares
3. Visualización
4. Análisis exploratorio
5. Aprendizaje automático
6. Optimización algorítmica

1. Prácticas de Programación científica
2. Prácticas de Procesamiento avanzado de datos tabulares
3. Prácticas de Visualización
4. Prácticas de Análisis exploratorio
5. Prácticas de Aprendizaje automático
6. Prácticas de Optimización algorítmica

• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2023). An introduction to statistical learning with applications in Python. Springer Science+Business Media, LLC (July, 25, 2023, https://hastie.su.domains/ISLP/ISLP_website.pdf.download.html)
• Kane, F. (2017). Hands-On Data Science and Python Machine Learning. Packt Publishing Ltd.
• McKinney, Wesley (2022). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and Jupyter 3rd Edition. O’Reilly Media, Sebatopol, 2022.
• Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.

Se irá proporcionando en el transcurso de las clases

Páginas web de los módulos utilizados:

https://scipy.org/
https://numpy.org/
https://plotly.com/python/
https://pandas.pydata.org/
https://scikit-learn.org
https://www.statsmodels.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 atendiendo a:

• Participación (activa) en actividades síncronas virtuales. 
• Mediante la evaluación de problemas. Los problemas versarán sobre los contenidos vistos en la asignatura. En general, se tratará de realizar desarrollos prácticos con los módulos vistos en la asignatura. Al finalizar cada trabajo deberán entregarse, además, un pequeño informe que dé cuenta del desarrollo realizado.
• Mediante la elaboración y defensa de un trabajo final. Este trabajo versará sobre un proyecto de investigación social donde se apliquen de manera integral los módulos vistos en la asignatura.

CRITERIOS DE EVALUACIÓN:

Se tendrá en cuenta que en el proceso de aprendizaje el estudiantado haya aprendido a:

• Conocer los principales módulos de Python aplicado al Análisis Social, sus fundamentos y su aplicación para programación científica, procesado de datos tabulares, visualización, análisis exploratorio, aprendizaje automático y optimización algorítmica.
• Conocer y saber aplicar los procedimientos adecuados en la adquisición y tratamiento de datos de cada uno de los módulos.
• Saber aplicar los procedimientos para la utilización de los módulos apropiados en la resolución correcta de casos de uso.

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 la realización de una prueba y/o trabajo.

CRITERIOS DE EVALUACIÓN:

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

• El estudiantado que habiendo realizado la evaluación continua no consiga aprobar la asignatura, deberá volver a realizar aquellos problemas no superados y también el trabajo final.
• El estudiantado que no haya seguido la evaluación continua deberá realizar, además de un trabajo final, un examen escrito en el que demuestre sus conocimiento de los módulos de Python, sus fundamentos y su aplicación para programación científica, procesado de datos tabulares, visualización, análisis exploratorio, aprendizaje automático y optimización algorítmica.

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 estudiantado, 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.

Consistirá en una prueba de la asignatura donde se valorará que el estudiantado haya interiorizado los siguientes aspectos:

• Conocer los principales módulos de Python aplicado al Análisis Social, sus fundamentos y su aplicación para programación científica, procesado de datos tabulares, visualización, análisis exploratorio, aprendizaje automático y optimización algorítmica. Conocer y saber aplicar los procedimientos adecuados en la adquisición y tratamiento de datos de cada uno de los módulos. Para este aspecto se propondrá, dentro de la prueba final, la superación de un examen escrito
• Saber aplicar los procedimientos para la utilización de los módulos apropiados en la resolución correcta de casos de uso. Para este aspecto se propondrá, dentro de la prueba final, la realización de un trabajo sobre un caso de uso

Actividades Formativas

• AF1. Clases Teóricas
• AF2. Clases Prácticas
• AF3. Trabajo con documentos científicos
• AF7. Tutorías en grupo
• AF8. Trabajo autónomo y/o colaborativo del estudiante para la generación de conocimiento individual y/o compartido (portafolio, diario de campo, memoria de prácticas, …)
• AF12. Elaboración de trabajos de iniciación a la investigación o de intervención 
• AF13. Exposición presencial y pública de trabajos

Metodologías Docentes: 

• MD1. Lección Magistral Participativa
• MD2. Aprendizaje Basado en Problemas/Proyectos
• MD8. Laboratorio y trabajos prácticos

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).