Inteligencia Artificial

A continuación, se encuentran los resultados previstos para el proceso de formación y aprendizaje para el título Máster Universitario en Análisis de Datos para la Gestión Empresarial:

Conocimientos o contenidos

• Conoce las posibilidades que la inteligencia artificial ofrece para automatizar y analizar conductas o patrones y visualizar datos.

Competencias

• Capacidad para implementar soluciones de inteligencia artificial, optimizando a través de la personalización y el análisis predictivo de los datos la gestión empresarial, mejorando la eficiencia y productividad.

Habilidades o destrezas

• Utiliza la inteligencia artificial para la visualización de datos, generando modelos predictivos que anticipen tendencias y optimicen los procesos empresariales.

• Estudio de casos. Análisis de un hecho o suceso real con la finalidad de conocerlo, interpretarlo, resolverlo, generar hipótesis, contrastar datos, reflexionar, completar conocimientos, diagnosticarlo y, en ocasiones, entrenarse en los posibles procedimientos alternativos de solución.
• Método expositivo. Esta metodología permite la presentación estructurada de un tema con la finalidad de facilitar el acceso a los contenidos relacionados con una determinada materia.
• Aprendizaje autónomo. Esta metodología permite promover en el estudiante la capacidad de dirigir, regular y evaluar la forma de aprender. El estudiante aprende a investigar, analizar, consultar fuentes, organizar materiales, sintetizar ideas y elaborar informes.
• Aprendizaje colaborativo. A través de esta metodología, el estudiante trabaja en equipo para lograr el objetivo común de aprender, fomentando el desarrollo de habilidades sociales e individuales, como la autonomía y la responsabilidad personal y grupal. De este modo, se apuesta por la construcción colectiva del conocimiento.
• Aprendizaje basado en la resolución de problemas. Esta metodología implica que el docente presente un supuesto o problema para que el estudiante busque posibles soluciones. Conlleva descubrir, experimentar y razonar, partiendo de los recursos y contenidos facilitados por el profesor o por el propio estudiante.
• Aprendizaje por descubrimiento. Mediante esta metodología, el estudiante se convierte en un sujeto activo de su propio aprendizaje, con objeto de explorar y descubrir nuevos conocimientos, ideas, principios y hechos.

La dedicación requerida para esta asignatura de 6 créditos ECTS es de 150 horas, que se encuentran distribuidas de la siguiente manera:

• Clases teóricas síncronas y/o asíncronas: 15
• Tutorías personalizadas síncronas y/o asíncronas: 10
• Clases prácticas síncronas y/o asíncronas: 15
• Realización de trabajos o proyectos: 60
• Estudio individual y trabajo autónomo: 50

El profesor aporta un seguimiento individualizado de la actividad del estudiante para asegurar las mejores condiciones de aprendizaje mediante la tutorización a través de las herramientas de la plataforma educativa. En estas tutorías los estudiantes pueden consultar a los profesores las dudas acerca de la materia estudiada.

En cada una de las unidades didácticas que conforman la asignatura, el profesor pone a disposición del estudiante un conjunto de materiales básicos o complementarios en múltiples formatos (artículos de divulgación, artículos científicos, material audiovisual, herramientas interactivas, etc.).

El estudiante cuenta con la posibilidad de acceder a la Biblioteca de la UDIMA, que selecciona y adquiere fondos específicos para los diferentes programas ofertados, especialmente aquellos de carácter electrónico o virtual debido a la naturaleza de la docencia. Esta biblioteca forma parte de la Red de Bibliotecas Universitarias (REBIUN) y dispone de un servicio de Préstamo Interbibliotecario. La UDIMA pone a disposición de los estudiantes un conjunto de recursos de información a través del servicio de Biblioteca perteneciente a la Unidad de Servicios de Apoyo a la Investigación de la OTRI.

Manual:

• Russell, S.J., & Norvig, P. (2021). Inteligencia artificial: Un enfoque moderno (4.ª ed.). Pearson Educación.

Bibliografía complementaria:

• Chollet, F. (2021). Deep learning con Python (2.ª ed.). Anaya Multimedia / Manning Publications.
• Géron, A. (2022). Manos a la obra con Scikit-Learn, Keras y TensorFlow: Conceptos, herramientas y técnicas para crear sistemas inteligentes (3.ª ed.). O’Reilly Media / Anaya.
• Marr, B. (2019). Artificial intelligence in practice: How 50 successful companies used AI and machine learning to solve problems. Wiley.
• Kelleher, J.D. (2019). Deep learning. MIT Press.
• Zhou, Z.H. (2021). Machine learning (2nd ed.). Springer.

Durante el estudio de esta asignatura, el proceso de evaluación del aprendizaje es continuo y contempla la realización de:

- Una evaluación continua a lo largo del curso a través de acciones didácticas que supone el 40% de la nota final. Incluye la realización de los diferentes tipos.

• Supuestos o casos prácticos. Se trata de la presentación de una situación problemática, real o ficticia, que el estudiante debe resolver a partir de los contenidos e información presentada.
• Actividades de búsqueda y elaboración de información. Implican poner en marcha procedimientos para localizar información acerca de un determinado tema, analizarla y organizarla con el objetivo de resolver un determinado problema de investigación o situación planteada.
• Actividades de autocomprobación de conocimientos. Actividades que permiten al estudiante comprobar y reforzar el aprendizaje alcanzado en una determinada materia.

- El examen final supone el 60% de la nota final. Está dirigido a la valoración de las competencias y conocimientos adquiridos por el estudiante. El examen se evaluará de 0 a 10, tendrá una duración estimada de 90 minutos y será de tipo mixto, con una parte de preguntas tipo test de opción múltiple (4 puntos) y una parte de desarrollo teórico-práctica (6 puntos). Dentro de la parte tipo test, los errores penalizan con el objetivo de corregir las respuestas acertadas por azar.

Para poder presentarse al examen final presencial, en cualquiera de las convocatorias, es imprescindible cumplir los requisitos relacionados con la evaluación continua, haber realizado todas las actividades de carácter obligatorio y

✓ Tener aprobado el 50% de las actividades de Autocomprobación de conocimientos.
✓ Tener aprobado el 50% de las actividades tipo Caso o supuesto práctico.

Las actividades de búsqueda y elaboración de información son de realización voluntaria (pero aportan 10% dentro de la evaluación).

El estudiante que se presente al examen sin cumplir los requisitos será calificado con un cero en el examen final presencial y consumirá convocatoria.

Cuadro resumen del sistema de evaluación

Para la superación de esta asignatura, el estudiante deberá realizar con carácter obligatorio una prueba final dirigida a verificar las competencias y conocimientos adquiridos durante su desarrollo.

Para aprobar la asignatura, es necesario obtener una calificación mínima de 5 en el examen final, así como en la calificación total del curso, una vez realizado el cómputo ponderado de las calificaciones obtenidas en las actividades didácticas y en el examen final.

Si un estudiante no aprueba la asignatura en la convocatoria ordinaria podrá examinarse en la convocatoria de septiembre. El estudiante que no se presente a la convocatoria ordinaria y extraordinaria, perderá automáticamente todos los trabajos realizados a lo largo del curso. Deberá en este caso matricularse de nuevo en la asignatura.

Las fechas previstas para la realización de todas las actividades se indican en el aula virtual de la asignatura.

Originalidad de los trabajos académicos

Según la Real Academia Española, “plagiar” significa copiar en lo sustancial obras ajenas dándolas como propias. Dicho de otro modo, plagiar implica expresar las ideas de otra persona como si fuesen propias, sin citar la autoría de las mismas. Igualmente, la apropiación de contenido puede ser debida a una inclusión excesiva de información procedente de una misma fuente, pese a que esta haya sido citada adecuadamente. Teniendo en cuenta lo anterior, el estudiante deberá desarrollar sus conocimientos con sus propias palabras y expresiones. En ningún caso se aceptarán copias literales de párrafos, imágenes, gráficos, tablas, etc. de los materiales consultados. En caso de ser necesaria su reproducción, esta deberá contemplar las normas adecuadas para la citación académica.

Los documentos que sean presentados en las actividades académicas podrán ser sometidos a diferentes mecanismos de comprobación de la originalidad (herramientas antiplagios que detectan coincidencias de texto con otras fuentes, comparación con trabajos de otros estudiantes, comparación con información publicada en Internet, etc). El profesor valorará si el trabajo presentado cuenta con los criterios de originalidad exigidos o, en su caso, se atribuye adecuadamente la información no propia a las fuentes correspondientes. La adjudicación como propia de información que corresponde a otros autores podrá suponer el suspenso de la actividad.

Los documentos presentados en las actividades académicas podrán ser almacenados en formato papel o electrónico y servir de comparación con otros trabajos de terceros, a fin de proteger la originalidad de la fuente y evitar la apropiación indebida de todo o parte del trabajo del estudiante. Por tanto, podrán ser utilizados y almacenados por la universidad, a través del sistema que estime, con el único fin de servir como fuente de comparación de cualquier otro trabajo que se presente.

Sistema de calificaciones

El sistema de calificación de todas las actividades didácticas es numérico del 0 a 10 con expresión de un decimal, al que se añade su correspondiente calificación cualitativa:

0 - 4.9: Suspenso (SU)
5.0 - 6.9: Aprobado (AP)
7.0 - 8.9: Notable (NT)
9.0 - 10: Sobresaliente (SB)

(RD 1125/2003, de 5 de septiembre, por lo que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y con validez en todo el territorio nacional).