Está en la página 1de 3

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMERICA)


FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA, METALÚRGICA Y
GEOGRÁFICA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA GEOGRÁFICA

SYLLABUS
SEMESTRE ACADÉMICO : 2018 –I

I DATOS GENERALES
1.1 Nombre del curso : Programación y computación
1.2 Créditos : 03
1.3 Duración del Curso : 17 semanas
1.4 Año de estudios : ELECTIVO
1.5 Número de horas : Teoría: 01, Prácticas: 02
1.6 Prerequisitos : N/A
1.7 Profesor Responsable : Cesar Luis Aybar Camacho
1.9 Horarios y ambientes
1.9.1 Teoría : Lunes 9-10, Aula: N/A
Lunes 2-3, Aula: N/A
1.9.2 Practica : Lunes 10-12, Lab.: Nodo de Computo
: Lunes 3-5, Lab.: Nodo de Computo

II SUMILLA

Asignatura electiva. De carácter teórico práctico.

El curso busca introducir a los estudiantes en conceptos básicos de estructuras de datos


datos y diseño de algoritmos. La primera parte del curso se dedicará a mostrar solo
estructuras de datos básicas (vectores, matrices, arrays, data.frame, etc.), mientras que la
segunda parte hará énfasis en la manipulación de estructuras de datos espaciales básicas.
III OBJETIVOS GENERALES Y ESPECÍFICOS

Al final del curso, el alumno debe ser capaz de implementar soluciones relativamente
complejas empleando el lenguaje de programación R. El alumno estará en condiciones de
migrar, sin dificultad, a otros lenguajes de programación similares, como Python, C++, etc.

Estos objetivos contribuyen al logro de los siguientes seis resultados del estudiante:

 Comprender las estructuras de datos básicas y espaciales.


 Adquirir experiencia en diseño de algoritmos.
 Familiarizarse con estructuras condicionales y de repetición: básicas y
funcionales.
 Dar a conocer las librerías más populares para el análisis espacial.
 Mostrar la interoperabilidad de R con otros lenguajes de programación, software
GIS, Excel, etc.
 Comprender conceptos ligados a la teórica de la complejidad computacional

IV EVALUACIÓN
El promedio final se obtendrá aplicando la siguiente ponderación:

Exámenes de parcial : 30 %
Exámenes de final : 30 %
Trabajo de investigación : 40 %

VI PROGRAMACIÓN

Programación de Teoría

SEMANA 1
INTRODUCCIÓN. PRESENTACIÓN DEL CURSO, METODOLOGÍA DE ENSEÑANZA, CRITERIOS
DE EVALUACIÓN. Introducción a la sintaxis de R.

SEMANA 2
ESTRUCTURAS DE DATOS BASICAS. Vectores, matrices y data.frames.
ESTRUCTURAS CONDICIONALES.

SEMANA 3
ESTRUCTURAS DE REPETICIÓN: FOR y WHILE.
DEFINICIÓN DE FUNCIONES.
SEMANA 4
INTRODUCCIÓN AL MANEJO DE DATOS MASIVOS (wragling and scrapping data). Descargas
automáticas; lectura escritura de formatos *csv, *xls, etc; Consultas de datos simples.
Filtros.

SEMANA 5
DATOS ESPACIALES I. Estructura de datos espaciales I (vector y raster). Introducción a los
paquetes raster (S4) y sp (S3).

SEMANA 6
DATOS ESPACIALES II. Estructuras de datos espaciales II (STACK, BRICK). Importación o
exportación de raster grids como netCDF, Geotiff, Envi, etc. y datos. Análisis espacial:
Cortes, diferencia simétrica, resta de polígonos, buffers, etc.

SEMANA 7
GENERACIÓN GRAFICOS. Introducción al paquete ggplot2: gráficos espaciales para uno, dos
o múltiples variables. Manipulación de parámetros de escala, temas, labels y facetings.

SEMANA 8 – FINAL
Desarrollo y automatización de ejemplos aplicativos relacionados al análisis espacial.

VII REFERENCIAS BIBLIOGRAFICAS


Applied Spatial Data Analysis with R (2013)
http://gis.humboldt.edu/OLM/r/Spatial%20Analysis%20With%20R.pdf

An Introduction to R for Spatial Analysis and Mapping (2016)


http://gen.lib.rus.ec/book/index.php?md5=3810C5E52715DA21E73167D8DE74272C