CONTENIDOS FORMATIVOS:

1. MÉTODOS ESTADÍSTICOS
1.1. Técnicas y Métodos de Ciencia de Datos (6 ECTS)
1.2. Minería de Datos (3 ECTS)
1.3. Simulación y Métodos de Computación (3 ECTS)

2. CAPTURA Y ALMACENAMIENTO DE DATOS

2.1. Obtención de Datos (3 ECTS)
2.2. Búsqueda y Recuperación de Información (3 ECTS)
2.3. Bases de Datos no Convencionales (3 ECTS)
2.4. Privacidad y Protección de Datos (3 ECTS)

3. PROCESAMIENTO DE DATOS
3.1. Sistemas Distribuidos de Procesamiento de Datos (6 ECTS)
3.2. Arquitecturas Cloud (3 ECTS)
3.3. Programación Orientada a Procesamiento de Datos (3 ECTS)

4. ANÁLISIS DE DATOS
4.1. Inteligencia y Analítica de Negocios (6 ECTS)
4.2. Análisis de Grafos y Redes Sociales (3 ECTS)
4.3. Visualización: Comunicación y Presentación de Resultados (3 ECTS)

MINERIA DE DATOS EN EL SECTOR EDUCATIVO (Casos de éxito)

La minería de datos ha encontrado aplicaciones exitosas en el sector educativo, permitiendo obtener

conocimientos y generar mejoras en diferentes áreas. A continuación, te presento algunos casos de
éxito en la aplicación de minería de datos en el ámbito educativo:
- Predicción del abandono escolar: Mediante el análisis de datos académicos, demográficos y
socioeconómicos de los estudiantes, es posible identificar patrones y factores de riesgo asociados al
abandono escolar. Esto permite a las instituciones educativas intervenir de manera temprana y
diseñar estrategias de apoyo personalizadas para los estudiantes en riesgo de abandonar sus
estudios.
- Personalización del aprendizaje: Utilizando técnicas de minería de datos, se pueden identificar los
estilos de aprendizaje, preferencias y dificultades de los estudiantes. Esto permite adaptar el
contenido y la metodología de enseñanza de forma individualizada, brindando a cada estudiante una
experiencia de aprendizaje más efectiva y personalizada.

- Recomendación de trayectorias educativas: Analizando datos históricos de estudiantes exitosos en

diferentes trayectorias educativas, es posible identificar patrones y recomendaciones para
estudiantes actuales. Esto ayuda a los asesores académicos y estudiantes a tomar decisiones
informadas sobre las carreras, cursos y programas que mejor se ajustan a sus intereses y
habilidades.
- Detección temprana de dificultades de aprendizaje: Mediante el análisis de datos de evaluaciones y
actividades de los estudiantes, se pueden identificar patrones que sugieran dificultades de
aprendizaje. Esto permite a los docentes y especialistas intervenir de manera oportuna y brindar
apoyo adicional a los estudiantes que lo necesiten, mejorando sus resultados académicos y su
bienestar.
- Mejora de la retención estudiantil: Al analizar datos de desempeño académico, interacciones en el
campus, información socioeconómica y otros factores relevantes, se pueden identificar patrones y
características que influyen en la retención estudiantil. Esto ayuda a las instituciones educativas a
implementar estrategias y programas de apoyo para mejorar la retención de los estudiantes y reducir
la tasa de deserción.
Estos son solo algunos ejemplos de cómo la minería de datos se ha utilizado con éxito en el sector
educativo. Al aplicar estas técnicas de análisis de datos, las instituciones educativas pueden obtener
información valiosa para mejorar la calidad de la educación, personalizar el aprendizaje y brindar un
mejor apoyo a los estudiantes.

Los avances en tecnología educativa, como el aumento de la potencia de cálculo y la capacidad de

registrar datos precisos del entorno de aprendizaje de los estudiantes, han generado un creciente
interés en el análisis de grandes cantidades de datos generados en los centros educativos.
- Entre 2000 y 2007 se celebraron talleres sobre el análisis de datos educativos en varias
conferencias internacionales.
- En 2008 se estableció una conferencia internacional de investigación sobre Minería de Datos
Educativos (EDM, por sus siglas en inglés), que se lleva a cabo anualmente.
- En 2009 se creó el Journal of Educational Data Mining, una revista académica dedicada al
intercambio y difusión de resultados de investigación en el campo de la minería de datos educativos.
- En 2011 se fundó la Sociedad Internacional para la Minería de Datos Educativos con el objetivo de
conectar a los investigadores en este campo y promover su crecimiento.

- La disponibilidad de repositorios de datos educativos públicos, como el Pittsburgh Science of

Learning's Centre, Datashop y el National Center for Education Statistics, ha facilitado el acceso y el
uso de la minería de datos educativos, contribuyendo a su crecimiento y aplicabilidad en el sector
educativo.

2
Métodos estadísticos
Son un conjunto de técnicas y procedimientos utilizados para recopilar, organizar, analizar e
interpretar datos con el objetivo de obtener conclusiones o inferencias sobre una población más
amplia. La estadística es una disciplina que se ocupa de recopilar datos, describirlos y analizarlos
para obtener información relevante y tomar decisiones informadas.

Los métodos estadísticos se aplican en diversas áreas, como la investigación científica, la

economía, la medicina, la sociología, la psicología y muchos otros campos. Algunas de las técnicas y
conceptos utilizados en los métodos estadísticos incluyen el cálculo de medidas descriptivas,
pruebas de hipótesis, análisis de regresión, análisis de varianza, entre otros.

Medidas descriptivas: Estas técnicas se utilizan para resumir y describir los datos. Esto incluye el
cálculo de medidas como la media, la mediana, la moda, la desviación estándar, entre otras, que
proporcionan información sobre la distribución y las características de los datos.

Pruebas de hipótesis: Las pruebas de hipótesis se utilizan para tomar decisiones sobre una
afirmación o hipótesis planteada sobre una población basándose en los datos muestrales. Estas
pruebas ayudan a determinar si existe evidencia suficiente para aceptar o rechazar una afirmación en
función de la evidencia estadística.

3
Análisis de regresión: El análisis de regresión se utiliza para modelar y examinar la relación entre
una variable dependiente y una o más variables independientes. Permite identificar la naturaleza y
fuerza de la relación, y también se utiliza para hacer predicciones o estimaciones.

Análisis de varianza: El análisis de varianza (ANOVA) se utiliza para comparar las medias de dos o
más grupos y determinar si existen diferencias significativas entre ellos. Se utiliza para realizar
comparaciones entre grupos y determinar si las diferencias observadas son estadísticamente
significativas.

Distribuciones de probabilidad: Las distribuciones de probabilidad son funciones matemáticas que

describen la probabilidad de ocurrencia de diferentes resultados en un experimento o estudio.
Algunas de las distribuciones de probabilidad más comunes son la distribución normal, la distribución
binomial y la distribución de Poisson, entre otras.

Estimación de parámetros: En algunos casos, se desea estimar o aproximar parámetros

desconocidos de una población utilizando información muestral. Los métodos estadísticos
proporcionan técnicas para estimar estos parámetros y calcular los intervalos de confianza
asociados.

Los métodos estadísticos son fundamentales en la toma de decisiones basada en datos y en la

investigación científica. Proporcionan herramientas para analizar y comprender los datos, extraer
conclusiones significativas y hacer inferencias sobre poblaciones más grandes a partir de muestras
limitadas.

Data Warehouse
Es un repositorio centralizado de datos provenientes de diversas fuentes, donde se almacena
información estructurada y organizada para facilitar el análisis y la generación de informes. Un data
warehouse se caracteriza por su enfoque orientado a temas específicos, su integración de datos
de múltiples fuentes y su diseño optimizado para consultas y análisis.

Su objetivo principal es proporcionar una visión integral y coherente de los datos de una
organización, independientemente de su origen o formato.

Características clave de un Data Warehouse:

1. Integración de datos: Un Data Warehouse integra datos de múltiples fuentes, como bases
de datos operativas, sistemas transaccionales, archivos planos, feeds de datos externos,
entre otros. Estos datos se extraen, transforman y cargan en el Data Warehouse de manera
que sean coherentes y estén estructurados de acuerdo con un modelo de datos predefinido.
2. Estructura orientada a temas: Los datos en un Data Warehouse están organizados en torno a
temas o áreas de interés específicas, como ventas, clientes, inventario, marketing, recursos
humanos, etc. Esta estructura temática facilita el análisis y la generación de informes
basados en diferentes dimensiones y métricas relevantes para cada área.
3. Orientación hacia consultas y análisis: Un Data Warehouse está diseñado para admitir
consultas y análisis complejos de datos. Se optimiza para el rendimiento de las consultas y

4
 proporciona herramientas de consulta y análisis que permiten a los usuarios extraer
información significativa de los datos almacenados.
4. Histórico de datos: Un Data Warehouse mantiene un historial de datos a lo largo del tiempo.
Esto significa que los datos antiguos se conservan junto con los datos más recientes, lo que
permite realizar análisis comparativos a lo largo del tiempo y seguir las tendencias y cambios
en los datos.
5. Consistencia y calidad de datos: Los datos en un Data Warehouse se someten a procesos de
limpieza, transformación y validación para garantizar su calidad y consistencia. Se aplican
reglas y estándares de calidad de datos para eliminar duplicados, corregir errores y
garantizar la coherencia en los valores y formatos de los datos.

Beneficios de un Data Warehouse:

Proporciona una vista consolidada y coherente de los datos de una organización, lo que facilita la
toma de decisiones basada en datos.

1. Permite realizar análisis complejos y generar informes personalizados de manera eficiente.

2. Ayuda a identificar patrones, tendencias y relaciones en los datos, lo que puede llevar a
conocimientos y perspectivas más profundos.
3. Mejora la integridad y calidad de los datos al aplicar procesos de limpieza y validación.
4. Facilita la integración de datos de diferentes fuentes y sistemas, lo que simplifica la
colaboración y el intercambio de información entre departamentos.

En resumen, un Data Warehouse es un repositorio centralizado de datos estructurados y

organizados que proporciona una visión integral de los datos de una organización. Permite análisis y
generación de informes eficientes, mejorando la toma de decisiones basada en datos.

Big Data
Se refiere a conjuntos de datos que son tan grandes y complejos que no pueden ser gestionados
y procesados utilizando métodos tradicionales de análisis de datos. El término "big data" se refiere
tanto al volumen masivo de datos como a la velocidad de generación y variedad de formatos. El
análisis de big data implica la utilización de técnicas y tecnologías especiales para extraer
información significativa y valiosa de estos conjuntos de datos.

El término "Big Data" se refiere a conjuntos de datos que son tan grandes y complejos que no
pueden ser gestionados y procesados utilizando métodos tradicionales de análisis de datos. Estos
conjuntos de datos se caracterizan por tres dimensiones conocidas como las "3V": Volumen,
Velocidad y Variedad.

1. Volumen: El Big Data se caracteriza por la enorme cantidad de datos que se generan y
recopilan. Estos conjuntos de datos pueden ser de tamaño terabytes, petabytes o incluso
exabytes. El volumen masivo de datos proviene de diversas fuentes, como redes sociales,
sensores, dispositivos móviles, transacciones comerciales, registros de servidores, entre
otros.
2. Velocidad: El Big Data se genera y se actualiza a una velocidad cada vez mayor. Los datos
se generan en tiempo real o en intervalos muy cortos, y deben procesarse rápidamente para
obtener información relevante y tomar decisiones en tiempo real. El análisis en tiempo real de
grandes volúmenes de datos es fundamental para muchas aplicaciones, como el monitoreo
de redes, la detección de fraudes, la optimización de la cadena de suministro, entre otros.

5
 3. Variedad: El Big Data proviene de una amplia variedad de fuentes y formatos. Además de los
datos estructurados, como los que se encuentran en bases de datos tradicionales, también
se incluyen datos no estructurados y semiestructurados, como texto, imágenes, videos,
archivos de audio, redes sociales, correos electrónicos y registros de eventos. La variedad de
datos implica desafíos adicionales para su procesamiento y análisis.
Además de las "3V", se han agregado otras dimensiones al concepto de Big Data, como la Veracidad
(confiabilidad y calidad de los datos), la Variabilidad (cambios en la estructura y el significado de los
datos) y la Valor (la capacidad de extraer valor y conocimiento significativo de los datos).
El análisis de Big Data implica el uso de tecnologías y herramientas específicas para gestionar,
almacenar, procesar y analizar estos grandes conjuntos de datos. Algunas de estas tecnologías
incluyen sistemas de almacenamiento distribuido, bases de datos NoSQL, sistemas de
procesamiento distribuido, técnicas de computación en la nube y algoritmos de análisis escalables.

El análisis de Big Data tiene numerosas aplicaciones en diferentes sectores, como el comercio
electrónico, la medicina, las ciudades inteligentes, la seguridad, la publicidad, la banca, la industria
manufacturera, entre otros. Permite descubrir patrones ocultos, tendencias, correlaciones y
relaciones que pueden ser utilizadas para tomar decisiones más informadas, mejorar la eficiencia
operativa, desarrollar productos y servicios personalizados y anticiparse a las necesidades del
mercado.

Machine Learning
Es una rama de la inteligencia artificial que se centra en el desarrollo de algoritmos y modelos
que permiten a las máquinas aprender automáticamente a partir de los datos y mejorar su
rendimiento en tareas específicas, sin necesidad de programación explícita. Los modelos de machine
learning son entrenados con datos para aprender patrones y tomar decisiones o hacer
predicciones.

Machine Learning, o aprendizaje automático, es una rama de la inteligencia artificial que se enfoca
en el desarrollo de algoritmos y modelos que permiten a las máquinas aprender automáticamente a
partir de los datos y mejorar su rendimiento en tareas específicas, sin necesidad de programación
explícita. En lugar de ser programadas de manera estática, las máquinas utilizan los datos para
aprender patrones, realizar predicciones y tomar decisiones.

El proceso de Machine Learning generalmente sigue los siguientes pasos:

1. Recopilación y preparación de datos: Se recopilan los datos relevantes para el problema

en cuestión y se preparan para su procesamiento. Esto puede incluir la limpieza de datos, la
eliminación de valores atípicos, la normalización de datos y la selección de características
relevantes.
2. Selección del modelo: Se elige el tipo de modelo de Machine Learning que mejor se adapte
al problema. Los modelos pueden ser clasificadores, regresores, redes neuronales, árboles
de decisión, entre otros. Cada modelo tiene sus propias características y suposiciones sobre
los datos.
3. Entrenamiento del modelo: Se utiliza un conjunto de datos de entrenamiento para ajustar
los parámetros del modelo y enseñarle a reconocer patrones y hacer predicciones. Durante
el entrenamiento, el modelo aprende a partir de los ejemplos proporcionados y ajusta sus
pesos y configuraciones internas para mejorar su rendimiento.
4. Evaluación del modelo: Una vez que el modelo ha sido entrenado, se evalúa su
rendimiento utilizando un conjunto de datos de prueba que no ha sido utilizado durante el
entrenamiento. Se utilizan métricas de evaluación adecuadas para medir la precisión y el

6
 rendimiento del modelo, como la precisión, la sensibilidad, la especificidad o el error
cuadrático medio, según el tipo de problema.
5. Ajuste y optimización: Si el rendimiento del modelo no es satisfactorio, se realizan ajustes y
mejoras en su estructura, hiperparámetros o algoritmos de aprendizaje. Este proceso
iterativo busca mejorar el rendimiento del modelo y reducir los errores.

Una vez que el modelo ha sido entrenado y evaluado satisfactoriamente, se puede utilizar para hacer
predicciones o tomar decisiones en nuevos datos no vistos. Esto se conoce como la fase de
inferencia.

El Machine Learning se utiliza en una amplia gama de aplicaciones, como reconocimiento de voz,
detección de fraudes, recomendación de productos, diagnóstico médico, análisis de datos, traducción
automática, conducción autónoma, entre otros. Su capacidad para extraer conocimiento y patrones
complejos de grandes volúmenes de datos ha impulsado su crecimiento y aplicación en diversos
campos.

Procesamiento paralelo
Es una técnica que consiste en dividir una tarea o proceso en múltiples subprocesos que se
ejecutan simultáneamente en paralelo, utilizando varios recursos de procesamiento, como
múltiples núcleos de CPU o nodos de un clúster de computadoras. El procesamiento paralelo
permite acelerar el tiempo de procesamiento y mejorar la eficiencia al realizar tareas que
requieren un alto grado de computación.

El procesamiento en paralelo es un enfoque computacional que implica realizar múltiples tareas o

cálculos simultáneamente, dividiendo el trabajo entre varios procesadores o unidades de
procesamiento. En contraste con el procesamiento secuencial tradicional, donde las tareas se
ejecutan una tras otra, el procesamiento en paralelo permite realizar operaciones en paralelo, lo que
puede acelerar significativamente el rendimiento y la eficiencia de los sistemas informáticos.

Hay diferentes niveles de procesamiento en paralelo, que van desde sistemas con múltiples núcleos
en un solo procesador hasta sistemas distribuidos con múltiples nodos de procesamiento
interconectados. Algunas de las técnicas y conceptos asociados con el procesamiento en paralelo
incluyen:

1. Hilos y procesos: Un hilo es una secuencia de instrucciones que puede ejecutarse de forma
independiente dentro de un programa. Los hilos se pueden utilizar para realizar tareas
simultáneas dentro de un proceso. Un proceso, por otro lado, es una instancia en ejecución
de un programa. Los procesos pueden ejecutarse en paralelo en diferentes núcleos o
procesadores.
2. Computación en clúster: Un clúster de computadoras es un conjunto de computadoras
interconectadas que trabajan juntas como una sola entidad. El procesamiento en clúster
implica dividir una tarea en subproblemas más pequeños y distribuirlos entre las
computadoras del clúster para su procesamiento simultáneo. Los resultados parciales se
combinan luego para obtener el resultado final.
3. Computación distribuida: En la computación distribuida, el procesamiento se realiza en
múltiples computadoras independientes y geográficamente dispersas que se comunican y
colaboran entre sí. Cada computadora realiza una parte del trabajo y los resultados se
combinan posteriormente. Este enfoque es útil para tareas que requieren un alto grado de
paralelismo y escalabilidad.
4. GPU y aceleración por hardware: Las GPU (Unidades de Procesamiento Gráfico) son
dispositivos altamente paralelos que se utilizan para acelerar el procesamiento en paralelo.
Son especialmente eficientes en tareas que involucran cálculos intensivos, como gráficos,

7
 simulaciones, aprendizaje automático y procesamiento de imágenes. Al aprovechar la
capacidad de procesamiento masiva de las GPU, se puede lograr un rendimiento
significativamente mejorado en comparación con las CPU tradicionales.
El procesamiento en paralelo tiene numerosas ventajas, como una mayor capacidad de
procesamiento, un tiempo de respuesta más rápido, una mayor escalabilidad y una capacidad de
procesamiento masiva para tareas complejas. Sin embargo, también presenta desafíos, como la
necesidad de sincronización y coordinación entre las tareas paralelas, la gestión de la comunicación
y la distribución de datos, y la necesidad de algoritmos y técnicas específicas para aprovechar al
máximo el paralelismo.

En resumen, el procesamiento en paralelo es un enfoque computacional que permite realizar tareas

o cálculos simultáneos utilizando múltiples procesadores o unidades de procesamiento. Proporciona
un aumento significativo en el rendimiento y la eficiencia de los sistemas informáticos, y se utiliza en
una amplia gama de aplicaciones, desde computación científica

Tecnologías de visualización
Se refiere a las herramientas y técnicas utilizadas para representar visualmente los datos con el
fin de comunicar y comprender mejor la información. Estas tecnologías permiten crear gráficos,
diagramas, mapas y otras representaciones visuales interactivas que facilitan la identificación de
patrones, tendencias y relaciones en los datos, lo que ayuda en la toma de decisiones y la
generación de conocimiento.

La visualización de datos es un proceso clave para transformar datos complejos en gráficos,

diagramas, tablas u otras representaciones visuales que permitan analizar y comprender mejor los
patrones, tendencias y relaciones en los datos.
Las tecnologías de visualización abarcan una amplia gama de herramientas y técnicas, que incluyen:
1. Gráficos y diagramas: Los gráficos y diagramas son representaciones visuales que utilizan
símbolos, colores, formas y líneas para mostrar datos. Algunos ejemplos comunes incluyen
gráficos de barras, gráficos circulares, gráficos de líneas, diagramas de dispersión y
diagramas de Gantt. Estas representaciones visuales ayudan a identificar patrones,
comparar valores, analizar distribuciones y presentar datos de manera efectiva.
2. Tablas y matrices: Las tablas y matrices son formas organizadas de presentar datos en filas
y columnas. Proporcionan una estructura clara para mostrar datos en una forma tabular, lo
que facilita la comparación y el análisis de valores específicos. Las tablas y matrices pueden
incluir formatos condicionales, resaltado de celdas y funciones de ordenamiento para facilitar
la interpretación de los datos.
3. Infografías: Las infografías son representaciones visuales que combinan gráficos, texto y
elementos visuales para comunicar información compleja de manera clara y concisa. Utilizan
diseño y narrativa visual para transmitir datos, estadísticas, procesos o conceptos de manera
visualmente atractiva. Las infografías son especialmente útiles para presentar datos
complejos de una manera más accesible y comprensible.
4. Mapas y visualización geoespacial: Los mapas y la visualización geoespacial utilizan datos
geográficos para representar información en un contexto espacial. Permiten visualizar datos
sobre mapas, diagramas de flujo de red, imágenes satelitales u otras representaciones
geográficas. Estas visualizaciones son útiles para el análisis de datos basado en la
ubicación, la identificación de patrones geográficos y la toma de decisiones basada en datos
espaciales.
5. Visualización interactiva: La visualización interactiva permite a los usuarios explorar y
manipular datos de forma interactiva. Puede incluir características como filtros,
desplazamiento, zoom, selección de variables y otros controles interactivos que permiten a
los usuarios personalizar su experiencia de visualización y obtener información específica de
los datos.

8
Las tecnologías de visualización son ampliamente utilizadas en diversas industrias y campos, como
el análisis de datos, la inteligencia empresarial, la ciencia de datos, la investigación académica, la
medicina, la visualización de información, el diseño de productos y muchos otros. La visualización
efectiva de datos ayuda a descubrir patrones ocultos, identificar problemas, comunicar información
compleja y tomar decisiones informadas basadas en datos.