PROGRAMA DE ASIGNATURA 01. Carrera Lic. En Administración de Negocios Internacionales Lic. En Dirección del Factor Humano Lic. En Comercialización x Lic. En Tecnología Informática Lic. En Administración Hotelera Contador Público Lic. En Administración de Empresas 02. Asignatura Nuevas Tecnologías de la Información 03. Año Lectivo 2015 04. Año de cursada 5 05. Cuatrimestre 1º 06. Horas semanales de cursada 8 07. Profesor Pablo Sanz, José Gonzalez Alonso 08. Ítems del perfil que se desarrollarán Analizar información, según las necesidades de la organización para ofrecer diferentes alternativas, para la toma de decisiones, para asesorar en las políticas de desarrollo de Sistemas de Información y en la toma de decisiones estratégicas de una organización. 09. Correlativas Carrera Correlativa anterior Correlativa Posterior Licenciatura en Adm de Empresas Licenciatura en Adm de Negocios Internacionales Licenciatura en Comercialización Licenciatura en Dirección del Factor Humano Licenciatura en Tecnología Informática Licenciatura en Adm Hotelera Contador Público Esta asignatura no posee correlativas, aunque se sugiere al estudiante, haber cursado las materias del trayecto curricular de 3er año completo. 10. Objetivos
-Comprender la importancia de los proyectos de Inteligencia del Negocio asociados a la empresa, que faciliten la toma de decisiones. - Asociar las necesidades de información y análisis de los diferentes negocios de la empresa, con las herramientas de análisis disponibles, para maximizar la obtención de resultados a través de la presentación de datos y extracción del conocimiento. - Desarrollar el interés por identificar, conocer y/o vislumbrar nuevas tecnologías considerando el contexto socioeconómico y las tendencias de la sociedad. - Motivar el análisis crítico a través de la Investigación y por consecuencia el desarrollo de la innovación, a la luz de las tendencias en el campo de la tecnología, para promover la actualización permanente de la profesión. 11. Unidades de desarrollo de objetivos Unidad I: Big Data. Introducción. Ejemplos de Big Data. La necesidad de análisis. Diversidad de orígenes, procesos y herramientas. Diferencias entre presentación de datos y extracción de conocimiento. Presentación de los casos de estudio. Unidad II: Inteligencia de Negocios I. Inteligencia Empresarial para la toma de decisiones. Introducción: conceptos, características, diferentes enfoques, arquitectura, extracción, transformación y carga de datos, implementación, operación y soporte Planificación y Gestión del Proyecto de montaje del DataWarehouse. Unidad III: Modelando el DataWarehouse: objetivos, estructuras de datos, fases de diseño, creación del modelo de negocio, métricas y dimensiones Explotación: tableros de comando, reportes, consultas. Unidad IV: Aprendizaje Estadístico. Introducción: conceptos. Vecinos más cercanos. Aprendizaje supervisado vs no supervisado. Regresión vs Clasificación. Precisión del modelo. Regresión Lineal. Simple. Múltiple. Comparación con vecinos más cercanos. Clasificación Regresión logística. Análisis discriminante. Unidad V: Tópicos avanzados de Mining. Métodos de remuestreo. Cross-validation. Bootstrap Métodos basados en árboles. Arboles de regresión. Arboles de clasificación Aprendizaje no supervisado. Componentes principales. Agrupamiento. 12. Metodología de trabajo Las clases son teórico - prácticas para que el alumno pueda interiorizar los conceptos
adquiridos en clase mediante la resolución de situaciones problemáticas. Al inicio se revisan rápidamente los conceptos vistos anteriormente y se explica la intención de la clase y hacia donde se plantea llegar para que el alumno se centre en un marco contextual y en el programa. Además de la ejercitación que se realiza en clase, se propone a los estudiantes la resolución de estudios de casos que incorporen gradualmente los temas de las unidades. Los casos serán: - Estudio Predicción en el mercado de acciones. - Predicción en la compra de seguros. - Predicción de futuros donantes a una organización sin fines de lucro. - Analizar que variables determinan la valuación de una casa. - Analizar qué tipo de producto (variedad de jugo de naranja) consume un determinado usuario y que variables son las que influyen en la decisión. - Detectar SPAM. Adicionalmente, en las clases se utilizará el Programa R para la presentación de datos y extracción del conocimiento de los casos a resolver: R es un lenguaje y entorno de programación para análisis estadístico y gráfico. Se distribuye bajo la licencia GNU GPL y está disponible para los sistemas operativos Windows, Macintosh, Unix y GNU/Linux. El mismo es open source y puede descargarse en la página: http://www.r-project.org/ Como el enfoque asumido para la materia exige un ritmo de trabajo intenso y continuado, se requerirá del alumno, además del conocimiento de los temas explicados en clase, la lectura de la bibliografía indicada. 13. Trabajo práctico El trabajo práctico será de manera grupal (2) participantes cómo máximo. Este trabajo es una instancia más de evaluación para la aprobación de la cursada. El propósito es que el alumno relacione e integre la teoría con la práctica a partir de un conjunto de datos sobre un esquema relacional provisto por la cátedra, los alumnos deberán entregar los siguientes ítems del trabajo práctico integral: 1) Modelo multidimensional implementado. 2) Implementación de algunas de las técnicas de mining vistas. 14. Bibliografía (diferenciar obligatoria de ampliatoria) (ver) Obligatoria: - Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani. An Introduction to Statistical Learning with Applications in R. 2da Edición. 2009. - Pang Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to Data Mining, Ed Pearson, Ed. 1, EEUU, 2005. - Pérez López C. Minería de Datos. España: Thomson ; 2007.
- Eckerson W. Interpretación de Resultados Benchmark a parti r del Modelo de Madurez de TDWI. 2007. - Hernández Orallo José, Ramírez Quintana J., Ferri Ramírez C. Introducción a la Minería de Datos. Madrid: Pearson Educación; 2004. Ampliatoria: - Kimball R., Ross M. The Datawarehouse Toolkit, 2ª Ed., Indiana EEUU: John Wiley & Sons Inc; 2013. - Eckerson, Wayne. Performance dashboards: measuring, monitoring, and managing your business. New York: Wiley, John & Sons; 2006. 15. Procedimiento de evaluación y criterio de promoción El mínimo de evaluaciones que se requieren para aprobar la cursada de una signatura cuatrimestral es de 2 (dos) evaluaciones parciales las cuales se llevarán a cabo durante los meses de mayo y junio para el primer cuatrimestre y en los meses de septiembre y octubre para el segundo cuatrimestre y un trabajo práctico. La aprobación de la cursada requiere una calificación promedio mínima de 4 (cuatro) y máxima de 10 (diez), como así también, un promedio de asistencia a clases del 75% o mayor. Los alumnos lograrán la aprobación de las asignaturas mediante la Promoción por examen final que podrá efectuarse a través de dos modalidades: 1. Evaluación final "integradora Coloquial": Accederán a este régimen de evaluación aquellos alumnos cuyo promedio de cursada se encuentre comprendido entre 7 y 10 puntos y tengan una asistencia promedio a clases igual o mayor al 75%. Los alumnos podrán presentarse a la mesa examinadora en grupos de nos mas de tres personas; no obstante, la evaluación se realizará en forma individual, debiendo demostrar el dominio de la asignatura y la capacidad de asociarla con otras asignaturas del plan de estudio ya cursadas. 2. Examen Final: Acceden a este régimen de evaluación aquellos alumnos que hayan obtenido durante su cursada un promedio comprendido entre 4 y menos de 7 puntos y tengan una asistencia promedio a clases igual o mayor al 75%. El alumno se presentará en forma individual ante un tribunal examinador, el que interrogará sobre el programa de la asignatura debiendo demostrar el dominio de la asignatura y la capacidad de asociarla con otras asignaturas del plan de estudio. La aprobación de la instancia final de la asignatura requiere una evaluación mínima de 4 (cuatro) y una máxima de 10 (diez). 3. Examen recuperatorio: Aquellos alumnos cuyo promedio de cursada sea inferior a 4 puntos y/o tengan una asistencia a clases igual o mayor al 50% y menor al 75%, deberán rendir un Examen recuperatorio de asignatura en la misma fecha que se indica para el examen final. Habiendo aprobado el examen recuperatorio de la asignatura, con nota
mínima de 4 (cuatro) puntos, estarán en condiciones de acceder al Examen Final en el siguiente llamado, con la previa inscripción realizada no menos de 48 horas hábiles antes de mismo. El derecho a rendir Examen recuperatorio de la asignatura, tendrá validez por un año o una presentación a Examen recuperatorio de la asignatura, lo que se produzca primero.