Almacenes de Datos

Otoño 2023

FASE 1 ENTENDIMIENTO DE LOS DATOS

-Presentación del curso

-Análisis semántico de los datos

Profesor: MSc. Manuel Olmedo 7 de agosto 2023

Metodología de Desarrollo de Software
Metodología de Desarrollo de Software
Metodología de Desarrollo de Software
Metodología de Desarrollo de Software
Metodología de Desarrollo de Software
Profesor: MSc José Manuel Olmedo Aguilar

Correo Institucional: jose.olmedoa@uanl.edu.mx

Linkedin: https://www.linkedin.com/in/jose-manuel-olmedo-aguilar/

Github: https://github.com/cosmocaos
 Conozcamonos un poco
Metodología de Desarrollo de Software

Entrar al sitio socrative.com

El nombre de la sala es: MATEMATIKOI

Se logean con: Apellido + Nombre + Matricula, por ejemplo:

Cosme Fulanito 3141593

 Reglamento del salón de clases y aula virtual (AV):
Metodología de Desarrollo de Software
Después de 15 minutos no se admitirá ingresar al
salón o AV.

No se requiere pedir permiso para entrar al salón en

los primeros 15 min de la clase.

Los dispositivos electrónicos deberán de estar en

modo silencio a menos de que la clase requiera su uso.

Cualquier alumna o alumno que esté distrayendo a

sus compañeros o interrumpiendo la clase deberá de
abandonar el salón o aula virtual.
Reglamento del salón de clases y aula virtual (AV):
Metodología de Desarrollo de Software
No hay trabajos extra, ni puntos extra.
La energía y esfuerzo extra haganla
durante el trabajo de las evidencias,
no después. No hay excepciones. Si se
les pasó una evidencia por alguna
situación extraordinaria, entonces
tienen que recuperarse con las
siguientes evidencias.

Tanto maestro como alumno tienen derecho de

poner una queja en la subdirección académica
cuando sus derechos se sientan vulnerados.
 Modos de trabajo del curso

Durante el curso habrá tareas y evidencias.

Las tareas se publicarán en MS Teams. Las evidencias en Nexus.

Para la evaluación del curso solo se toma en cuenta las evidencias.

Las tareas no se califican, pero realizarlas sirven como etapas de

progreso para las evidencias.
Modos de trabajo del curso
De acuerdo con el Reglamento de
Evaluación de la UANL, los
alumnos tienen derecho
presentar examen de segunda
oportunidad, sí y sólo sí han
atendido el 70% de las actividades
programadas.
Cuentan como actividades programadas:
Los exámenes, el PIA, las Tareas
a calendarizadas, y las Participaciones que
sean obligatorias, si son calendarizadas.
Ejemplo: Si un alumno presenta sus dos exámenes
parciales, participa en el PIA, nunca participa en clase, y
entrega una de las tres tareas calendarizadas, tendrá una
participación 4 de 7, es decir 57%, por tanto, no tiene
derecho a segundas, y se considera NP (“No Presentó”).
En segunda oportunidad, tendrá que pagar el examen,
pero no podrá presentarlo, por lo que se le asigna como
calificación NC (“No Cumplió”).
Las tareas y el PIA sólo se
tendrán por entregadas si en el
examen se alcanza una
calificación superior a 40 puntos.
Ejemplo: En la primera mitad del semestre
entregaste 2 tareas impecables, pero en el primer
parcial sacas 20, las dos tareas entregadas se
tienen como no entregadas. Es incongruente que
habiendo hecho de forma impecable los trabajos,
se obtenga tan mala calificación. Esto evita que las
tareas se manden hacer, o que sean hechas por
terceros.
Equipos
Se elaborarán equipos aleatorios de 6 integrantes. Cada equipo
elegirá un capitán, el cual será el encargado de subir los archivos de
las evidencias.

Independientemente de la estrategia de trabajo elegida por el equipo,

cada miembro del equipo deberá de conocer en su totalidad el
contenido de la evidencia. La evaluación de algunas evidencias
consistirá en evaluación oral aleatoria de cualquier miembro del
equipo.
Modos de trabajo del curso

Las evidencias entregadas hasta 24 horas tarde, valdrán sólo el 50%

de su valor original.

Todas las evidencias consisten al menos de: Portada, Introducción,

Desarrollo, Conclusiones.

Las evidencias deberán cumplir con todos los elementos indicados o

no serán consideradas como recibidas.
Imagina que vas al gimnasio
para para ganar unos kgs de
músculo.

En la primer semana te enseñan

una rutina de ejercicios para
levantar pesas.

Pero se te hace muy pesado y te

pones un exoesqueleto para
ayudarte a levantar las pesas.
 Panzar la materia, es tan fútil
como ir al gym con un
exoesqueleto para levantar
pesas.

En tus estudios universitarios,

además de conocimiento, vienes
a ejercitar tu cerebro. En la
universidad aprendes a aprender.
Las tecnologias, productos, empleos,
etc, cambian muy rápidamente. Por lo
que algo que aprendiste en un año,
puede ser sustituido con algo mejor o
diferente al otro.

Solo con un aprendizaje auténtico le

sacarás provecho a tus estudios de
licenciatura.
Demos un vistazo al programa analítico
Que va antes y después de este curso
 Objetivos del curso:

● Entender la naturaleza de los datos, y su uso en

las organizaciones

● Entender el trabajo de analítica que es posible

realizar con los datos almacenados en bases de
datos persistentes

● Aprender un poco la explotación de datos

almacenados, usando el lenguaje Python.
Sumario de Temas
● Clasificación taxonómica de los datos
● Elaboración de un análisis semántico
● Elaboración de un diccionario de datos
● Elaboración de un diagrama de entidad relación
● Análisis exploratorio de datos (EDA)
● Estandarización de datos
● Tratamiento de datos ausentes
● Tratamiento de datos atípicos
● Integración de un master de datos
● Fundamentos de pandas con python
● Estandarización de datos con pandas y python
● Tratamiento de datos ausentes con pandas y python
 Fuentes Bibliográficas

1.

1. “Taxonomía de los datos”, Ramírez, Salazar, Araiza (2022). Artículo en PDF.

2. “Modelación de base de datos y su implementación en SQL Estándar”, de Ramírez (2020). E-Book.
3. “Diagnóstico de estilos de aprendizaje usando Felder-Silverman y EDA”, de Ramírez, Salazar, Chora, &
Martínez (2015). Artículo en PDF.
4. “Jupyter Notebook y Markdown para todos”, de Ramírez (2021). Video curso, disponible en Udemy.
https://www.udemy.com/course/jupyter-notebook-y-markdown-para-todos/?referralCode=BF4C90B
0C7FA316BF930
Crash Course de Python

Para los que deseen reforzar los conocimientos básicos de python, les comparto los siguientes recursos:

Guía para usar python con Google Colab (una hora)

https://www.youtube.com/watch?v=spLvv5RkRDo

Curso de 5 horas de Python, (usando Visual Studio Code)

https://www.youtube.com/watch?v=tQZy0U8s9LY

Curso intensivo de python en el prestigioso sitio de educación online (22 horas).

https://www.coursera.org/learn/python-crash-course
Tarea 1

Accesar Material en Semana 01

LECCIÓN: Analítica de datos
LECCIÓN: PREPARAR – Clasificación de los datos.
Ramírez, Salazar, Araiza (2022) Taxonomía de los
datos
Ramírez (2022) Codificación taxonómica de los
datos
Abrir el archivo DTXC_Plantilla.xlsx y hacer la
clasificación DTXC, en la plantilla en Excel
El Admin