Mster Universitario en

Lingstica aplicada a las Tecnologas del Lenguaje

y Gestin de Textos
Facultad de Filologa
Curso acadmico 2013-2014

Facultad de Filologa

Mster Universitario en

Lingstica aplicada a las Tecnologas

del Lenguaje y Gestin de Textos

GUA DOCENTE DE LA ASIGNATURA

Minera de datos
1er cuatrimestre

Curso Acadmico 2013/2014

Fecha: 21/06/2013
 Mster Universitario en
Lingstica aplicada a las Tecnologas del Lenguaje
y Gestin de Textos
Minera de datos Facultad de Filologa

1. Datos descriptivos de la asignatura

Asignatura: Minera de datos Cdigo: 255601102
Carcter Obligatoria Crditos 255601102
Plan de Estudios: M560
Rama de conocimiento Arte y Humanidades
Departamento(s) Estadstica, I.O. y Computacin
rea(s) de
Ciencias de la Computacin e Inteligencia Artificial
conocimiento
Web de la asignatura Campus Virtual de la ULL (www.campusvirtual.ull.es)
Idioma(s) Espaol
Horario de clase Viernes de 8:30 a 11:30 (segundo bimestre)

2. Prerrequisitos para cursar la asignatura

Esenciales / Recomendables:
Poseer destreza para buscar informacin til en la red
Poseer conocimientos bsicos de ingls
Saber manejar fuentes bibliogrficas

3. Profesorado que imparte la asignatura

Profesor/a (coordinador/a): Mara Beln Melin Batista

Grupo
Departamento Estadstica, I.O. y Computacin
rea de
Ciencias de la Computacin e Inteligencia Artificial
conocimiento
Facultad de
(1) Lugar de
Horario de tutora : Martes y Jueves de 9:00 a 12:00 Matemticas, 4
tutora
planta
Correo electrnico mbmelian@ull.es Telfono 922318637
Profesor/a: Jos Andrs Moreno Prez
Grupo
Departamento Estadstica, I.O. y Computacin
rea de
Ciencias de la Computacin e Inteligencia Artificial
conocimiento
Facultad de
(1) Lunes, martes y mircoles de 10:00 a Lugar de
Horario de tutora : Matemticas, 4
12:00 tutora
planta
Correo electrnico jamoreno@ull.es Telfono 922318186

4. Objetivos

Objetivos generales de la asignatura

Al finalizar la asignatura, se espera que los estudiantes sean capaces de:
- Explicar los conceptos centrales de la minera de datos
- Identificar y comparar las tcnicas ms relevantes aplicadas en minera de datos
- Aplicar herramientas de software especficas de minera de datos
- Resolver casos prcticos de minera de textos, recuperacin de informacin, etc.

-1-
 Mster Universitario en
Lingstica aplicada a las Tecnologas del Lenguaje
y Gestin de Textos
Minera de datos Facultad de Filologa

5. Competencias

Competencias generales y especficas del ttulo desarrolladas en la asignatura

Vase la seccin correspondiente a este Mster en la web de la Facultad de Filologa.
CG1 - Que el alumnado sepa cmo aplicar conocimientos actualizados sobre las disciplinas vinculadas a la
lingstica para tecnologas del lenguaje y gestin de textos
CG2 - Que sea capaz de integrar destrezas de las distintas materias interrelacionadas en esta titulacin para el
desarrollo de tareas de gestin textual
CG3 - Que sea capaz de gestionar los procesos y tecnologas que determinan el uso de la informacin

CE2 - Aplicar metodologas cuantitativas y cualitativas en funcin del anlisis de las necesidades en problemas
de gestin textual
CE3 - Aplicar los modelos y procedimientos semnticos, comunicacionales y computacionales en la gestin de la
informacin
CE5 - Producir nuevos conocimientos relativos a las tecnologas del lenguaje aplicadas a la gestin de textos
CE6 - Comunicar los nuevos conocimientos relativos a las tecnologas del lenguaje aplicadas a la gestin de
textos
CE7 - Comparar y discutir crticamente los conocimientos pertinentes en las reas de anlisis textual,
tecnologas lingsticas y sistemas de gestin de informacin y conocimiento

6. Contenidos de la asignatura
TEMARIO
La asignatura pretende proporcionar al estudiante una perspectiva general de las tcnicas y herramientas ms
usuales de minera de datos para extraer conocimiento a partir de informacin almacenada en bases de datos o
medios similares. Para ello, en los contenidos de la asignatura se tratarn, entre otros, los siguientes tpicos:
concepto de minera de datos y relacin con otras disciplinas, tareas abordadas por la minera de datos y
ejemplos de las mismas, tcnicas y algoritmos ms relevantes aplicados en minera de datos, utilizacin de
herramientas software especficas de minera de datos, resolucin de casos prcticos con nfasis en
recuperacin de informacin, minera de textos, etc.
TEMARIO:
Tema 1. Introduccin
Tema 2. Extraccin de Conocimiento en Bases de Datos y de Textos
Tema 3. Clustering o Agrupamiento
Tema 4. Clasificacin
Tema 5. Reduccin de la dimensin
Tema 6. Minera de Textos
Tema 7. Minera Web
Tema 8. Herramientas y aplicaciones

-2-
 Mster Universitario en
Lingstica aplicada a las Tecnologas del Lenguaje
y Gestin de Textos
Minera de datos Facultad de Filologa

7. Metodologa y Volumen de trabajo del estudiante

Descripcin
En cada tema, el profesor har una exposicin oral de la materia terica correspondiente al mismo. Asimismo,
se le presentarn al alumno las herramientas del campo de la inteligencia artificial que permiten dar solucin a
las tareas correspondientes a cada tema. Cada tema, con su correspondiente parte terica y prctica, lleva
aparejada una lista de actividades que el alumno realizar semanalmente de forma virtual. Para ello, se
habilitarn cuestionarios y foros de discusin en el aula virtual de la asignatura. Por otra parte, los alumnos
realizarn durante el desarrollo de la asignatura, tres seminarios y trabajos grupales, que incluirn una parte de
desarrollo individual y otra parte de trabajo en grupo. En las sesiones en grupo, los alumnos pondrn en comn
los trabajos individuales realizados durante los seminarios para proceder finalmente a la presentacin des
mismo. Por tanto, se usar la tcnica de aprendizaje basado en proyectos, a la que se dedicar seis horas de
trabajo de los alumnos. Finalmente, se realizar un examen global que abarque todos los contenidos de la
asignatura.
Actividades formativas en crditos ECTS, su metodologa de enseanza-aprendizaje y su relacin con las
competencias que debe adquirir el estudiante (presencial en aula + virtual online)

Horas Relacin con

Horas de trabajo Total
Actividades formativas competencia
presenciales autnomo Horas
s
13,5 + 4,5 (on-line) CE2,CE3,CE
Clases tericas 18
= 18 5,CE6,CE7
Clases prcticas (aula / sala de 5,5 + 4,5 (on-line) = CE2,CE3,CE
demostraciones / prcticas laboratorio)
10
10 5-CE7
CG1-CG5,
Realizacin de seminarios u otras
actividades complementarias
3 3 CE2, CE3,
CE5-CE7
CG1-CG5,
Realizacin de trabajos (individual/grupal) 3 3 CE2, CE3,
CE5 -CE7
CG1-CG5,
CE2,
Estudio/preparacin clases tericas 14 14
CE3,CE5-
CE7
CG1-CG5,
Estudio/preparacin clases prcticas 14 14 CE2,CE3,CE
5-CE7
CG1-CG5,
Preparacin de exmenes 4 4 CE2,CE3,CE
5-CE7
CG1, CG5,
Realizacin de exmenes 2 2
CE2, CE7
CG1-CG5,
Asistencia a tutoras 7 7 CE2,CE3,CE
5-CE7
Otras

Total horas 21+ 9 (on-line) 45 75

Total ECTS 3

8. Bibliografa / Recursos
Bibliografa bsica

Introduccin a la minera de datos. Jos Hernndez Oralloy otros. Pearson, 2004

Recuperacin de informacin: un enfoque prctico y multidisciplinar. Fidel Cacheda Seijo y otros. RA-
MA, 2011
Minera de datos: tcnicas y herramientas. Csar Prez Lpez. Paraninfo, 2008

-3-
 Mster Universitario en
Lingstica aplicada a las Tecnologas del Lenguaje
y Gestin de Textos
Minera de datos Facultad de Filologa

9. Sistema de evaluacin y calificacin

Descripcin

Se valorar la correcta adquisicin de conocimientos y competencias.

El sistema de evaluacin de la asignatura consiste en una evaluacin continua (40%) y un examen final (60%).

EVALUACIN CONTINUA: se lleva a cabo a travs de las pruebas y actividades siguientes:

1) Asistencia y participacin activa: (10%) (el alumno deber asistir al menos al 80% de la asignatura)

2) Realizacin de las siguientes pruebas y actividades (30%):

Realizacin de los seminarios y trabajos en grupo mediante el uso de la tcnica de aprendizaje basado
en proyectos.

Cuestionarios on-line.

Foros.

La puntuacin obtenida en la evaluacin continua se mantendr para las convocatorias extraordinarias del
mismo curso acadmico.

EXAMEN FINAL: consta de preguntas tericas y ejercicios prcticos, con una participacin en la calificacin final
del 60%.

La superacin de la asignatura exigir el cumplimiento de dos condiciones:

a) Tener una puntuacin total de, al menos, 5 puntos y

b) Obtener, al menos, el 50% de la puntuacin mxima del examen final (es decir, 3 puntos ya que se califica
sobre 6).

En caso que un alumno no supere la asignatura por incumplir la condicin b) anterior, y su puntuacin total
supere los 5 puntos, la calificacin final de la asignatura ser de suspenso, 4,5.

Los alumnos que no participen en la evaluacin continua se evalan nicamente a travs del examen final,
sobre un 60%, y no pueden obtener el restante 30% de ninguna otra forma. Por tanto, la mxima calificacin que
pueden obtener es Aprobado, 6.

TIPO DE PRUEBA
Pruebas objetivas
Pruebas de respuesta corta
Trabajos y Proyectos
Estrategia Evaluativa
COMPETENCIAS CRITERIOS PONDERACIN
Adecuacin a lo solicitado
Concrecin en la redaccin
CE2,CE3,CE5,CE6,CE7 60%
Nivel de conocimientos adquiridos
Nivel de aplicabilidad
Adecuacin a lo solicitado
CE2,CE3,CE5-CE7 5%
Nivel de conocimientos adquiridos
Adecuacin a lo solicitado
Nivel de conocimientos adquiridos
CE2,CE3,CE5-CE7 20%
Nivel de aplicabilidad
Nivel de la presentacin
Adecuacin a lo solicitado

Informes memorias de Nivel de conocimientos adquiridos

CE2,CE3,CE5-CE7 5%
prcticas y proyectos Nivel de aplicabilidad
Nivel de la presentacin

-4-
 Mster Universitario en
Lingstica aplicada a las Tecnologas del Lenguaje
y Gestin de Textos
Minera de datos Facultad de Filologa

Asistencia activa e inters

demostrado
Asistencia Activa CE2,CE3,CE5-CE7 10%
Calidad e inters de las
intervenciones

10. Cronograma/Calendario de la asignatura

Descripcin del Cronograma
Dentro de la convocatoria del Programa de Actividad Docente On-line para este curso, se solicitar un 30% de virtualizacin
de la docencia (Modalidad A, opcin C)

er
1 Cuatrimestre

Horas de Total
Horas de trabajo
SEMANA Temas Actividades de enseanza aprendizaje trabajo
presencial
autnomo
Clases tericas.
Semana 8 Foros. Consulta. Cuestionario on-line 1:00
1 conocimientos previos. Explicacin del 1:00 0
(11-15 nov)
proyecto a realizar en los seminarios y
trabajo en grupo
Clases tericas. Clases prcticas. Estudio
Semana 9 de clases tericas. Estudio de clases
2 prcticas. 2:40 + 1:20 (on-line) 6:00 10:00
(18-22 nov.)
Cuestionario on-line. Tarea on-line.
Clases tericas. Clases prcticas. Estudio
Semana 10 de clases tericas. Estudio de clases
3 prcticas. 2:40 + 1:20 (on-line) 6:00 10:00
(25-29 nov.)
Cuestionario on-line. Tarea on-line.
Clases tericas. Clases prcticas. Estudio
de clases tericas. Estudio de clases
Semana 11 10:00
4 prcticas. 2:40 + 1:20 (on-line) 6:00
(2 -6 dic)
Cuestionario on-line. Tarea on-line.
Entrega del proyecto individual.
Clases tericas. Clases prcticas. Estudio
Semana 12 de clases tericas. Estudio de clases
5 prcticas. 2:40 + 1:20 (on-line) 6:00 10:00
(9-13 dic.)
Cuestionario on-line. Tarea on-line.
Clases tericas. Clases prcticas. Estudio
de clases tericas. Estudio de clases
Semana 13 10:00
6 prcticas. 2:40 + 1:20 (on-line) 6:00
(16-20 dic.)
Cuestionario on-line. Tarea on-line.
Quedada on-line (hangout).
Clases tericas. Clases prcticas. Estudio
de clases tericas. Estudio de clases
Semana 14 9:40
7 prcticas. 2:20 + 1:20 (on-line) 6:00
(7-10 ene.)
Taller on-line de presentacin del informe
de prcticas.
Semama 15 Repaso para la preparacin de exmenes.
8 2:20 + 1:00 (on-line) 5:00
(13-16 ene.) Entrega del proyecto individual. 8:20
Trabajo autnomo del alumnado para
Semana 16-18 Evaluacin preparar la evaluacin 2:00 4:00 6:00
Realizacin pruebas evaluatorias
21:00 + 9:00 (on-
TOTAL 45:00 75:00
line) = 30:00

-5-