Ciencia de Datos en el Sector Aeronáutico
Código: 108242Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Gestión Aeronáutica | OP | 4 |
Profesor/a de contacto
- Nombre :
- Laura Calvet Liñan
- Correo electrónico :
- laura.calvet.linan@uab.cat
Equipo docente
- Aleksandar Jovanovic
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Para la correcta realización de las prácticas de la asignatura, es imprescindible que el alumnado posea conocimientos previos de programación en lenguaje Python, equivalentes a los adquiridos en las asignaturas Fundamentos de Programación I y II, así como los conceptos básicos abordados en la asignatura de Inteligencia Artificial.
En relación con los contenidos teóricos, se requieren conocimientos fundamentales de Estadística y Álgebra, que permitan comprender y aplicar los métodos cuantitativos utilizados en ciencia de datos.
En consecuencia, se recomienda que el estudiantado que no haya superado previamente estas asignaturas no se matricule en la presente materia, ya que la falta de dichos conocimientos puede dificultar significativamente el seguimiento y aprovechamiento del curso.
Objetivos
- Comprender los principios fundamentales, las metodologías y los conceptos de la ciencia de datos, así como su aplicación específica y relevancia en el sector aeronáutico.
- Adquirir la capacidad de aplicar técnicas avanzadas de análisis exploratorio de datos y aprendizaje automático a conjuntos de datos provenientes del ámbito aeronáutico.
- Desarrollar habilidades para identificar, analizar e interpretar patrones, tendencias y relaciones significativas en grandes volúmenes de datos de aviación.
- Aplicar los principios de un uso ético, responsable y seguro de los datos, garantizando la privacidad, la protección y la integridad de la información.
Resultados de aprendizaje
- CM17 (Elaborar dictámenes o informes basados en modelos de optimización, simulación y técnicas cuantitativas para los procesos de toma de decisiones, sistematizando, documentando y reflejando el proceso y los mecanismos utilizados.) Elaborar dictámenes o informes basados en modelos de optimización, simulación y técnicas cuantitativas para los procesos de toma de decisiones, sistematizando, documentando y reflejando el proceso y los mecanismos utilizados.
- CM18 (Proponer decisiones basadas en datos y herramientas de análisis disponibles y contrastadas en el contexto de la industria aeronáutica que se ajusten a marcos normativos y éticos, y a los objetivos de la organización. (CT04)) Proponer decisiones basadas en datos y herramientas de análisis disponibles y contrastadas en el contexto de la industria aeronáutica que se ajusten a marcos normativos y éticos, y a los objetivos de la organización. (CT04)
- CM19 (Comunicar resultados de análisis de datos de manera clara y efectiva a audiencias técnicas y no técnicas.) Comunicar resultados de análisis de datos de manera clara y efectiva a audiencias técnicas y no técnicas.
- KM38 (Relacionar los conceptos fundamentales de la ciencia de datos y su ecosistema dentro de la industria aeronáutica.) Relacionar los conceptos fundamentales de la ciencia de datos y su ecosistema dentro de la industria aeronáutica.
- KM39 (Identificar el uso de técnicas de aprendizaje automático y minería de datos en la gestión aeronáutica, analizando los retos tecnológicos y las arquitecturas asociadas al big data para la optimización de operaciones y toma de decisiones.) Identificar el uso de técnicas de aprendizaje automático y minería de datos en la gestión aeronáutica, analizando los retos tecnológicos y las arquitecturas asociadas al big data para la optimización de operaciones y toma de decisiones.
- SM28 (Analizar datos aeronáuticos, incluso grandes volúmenes, para identificar patrones, tendencias y anomalías, y para implementar y evaluar modelos de aprendizaje automático.) Analizar datos aeronáuticos, incluso grandes volúmenes, para identificar patrones, tendencias y anomalías, y para implementar y evaluar modelos de aprendizaje automático.
Contenidos
- Introducción a la ciencia de datos en el sector aeronáutico
- El papel de la analítica de datos en la aviación y la gestión aeroportuaria
- Ciclo de vida de un proyecto de ciencia de datos
- Metodologías de trabajo y definición de objetivos analíticos
- Preparación, preprocesamiento y análisis exploratorio de datos
- Limpieza, integración y transformación de datos
- Gestión de valores ausentes y valores atípicos (outliers)
- Estadística descriptiva y técnicas de visualización para la exploración de datos
- Aprendizaje supervisado: regresión
- Modelos de regresión y supuestos básicos
- Métricas de evaluación y validación de modelos de regresión
- Aplicaciones en la predicción de variables continuas en el ámbito aeronáutico
- Aprendizaje supervisado: clasificación
- Algoritmos de clasificación y representación de datos
- Métricas de rendimiento, validación y ajuste de modelos
- Aplicaciones en la toma de decisiones y problemas de categorización en la aviación
- Aprendizaje no supervisado
- Técnicas de agrupamiento (clustering) y segmentación
- Reducción de dimensionalidad y análisis de componentes principales (PCA)
- Detección de anomalías en datos aeronáuticos
- Aprendizaje por refuerzo
- Conceptos fundamentales: agentes, estados, acciones y recompensas
- Algoritmos básicos y entornos de aprendizaje
- Aplicaciones potenciales en la planificación y optimización de operaciones aeronáuticas
- Optimización de problemas NP-difíciles (NP-hard) en el sector aeronáutico
- Formulación de problemas de optimización combinatoria
- Heurísticas y metaheurísticas aplicadas a la planificación de rutas, asignación de recursos y secuenciación
- Infraestructuras y herramientas de Big Data
- Arquitecturas y tecnologías para el almacenamiento y procesamiento de grandes volúmenes de datos
- Entornos y herramientas para el análisis distribuido de datos aeronáuticos
- Ética, privacidad y seguridad en el uso de datos aeronáuticos
- Principios éticos en el uso de datos
- Protección de datos, privacidad y cumplimiento normativo
- Riesgos y buenas prácticas en sistemas basados en datos
- Temas avanzados e investigación actual en ciencia de datos aeronáuticos
- Tendencias recientes en aprendizaje automático (machine learning) y analítica avanzada
- Aplicaciones emergentes en sistemas de aviación y aeroportuarios
- Revisión de artículos de investigación recientes y estudios de caso
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Clases magistrales y de debate | 26 | 1,04 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Preparación y discusión de temas relacionados con el trabajo práctico | 25 | 1 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Preparación de las clases magistrales | 10 | 0,4 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Clases de laboratorio/prácticas | 12 | 0,48 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Estudio en grupo | 65 | 2,6 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Clases de resolución de problemas | 12 | 0,48 | CM17, CM18, CM19, KM38, KM39, SM28 |
Sesiones teóricas
Las sesiones teóricas se desarrollarán siguiendo dos metodologías principales:
- Clase magistral participativa, en la que se expondrán los conceptos, algoritmos y métodos fundamentales de cada tema, acompañados de ejemplos breves y ejercicios para facilitar la comprensión y aplicación inmediata de los contenidos.
- Aula invertida (flipped classroom), en la que los estudiantes deberán realizar tareas preparatorias previas (ver vídeos, leer documentos o completar cuestionarios). Durante la sesión, se resolverán ejercicios y problemas que deberán entregarse al finalizar la clase.
Sesiones de resolución de problemas
En estas sesiones se plantearán ejercicios para resolver en grupos reducidos, con el objetivo de consolidar los conocimientos adquiridos en las clases teóricas. La composición de los grupos será determinada por el profesorado.
Sesiones prácticas/de laboratorio
El trabajo práctico se realizará en grupos reducidos. Para garantizar la correcta asimilación de los contenidos por parte de todos los miembros del grupo, se llevarán a cabo sesiones de control obligatorias, durante las cuales los estudiantes deberán demostrar su comprensión de la solución entregada.
Uso del Campus Virtual
La plataforma del Campus Virtual (http://cv.uab.cat) será el medio de comunicación habitual y oficial entre el profesorado y el estudiantado. Asimismo, será el único canal válido para la entrega de actividades evaluables, a excepción de los exámenes escritos presenciales. No se aceptarán entregas por correo electrónico. Todos los materiales docentes, avisos e información relevante para el desarrollo de la asignatura se publicarán exclusivamente en esta plataforma.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Examen 1 | 25% | 0 | 0 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Ejercicios Teóricos | 10% | 0 | 0 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Problemas | 20% | 0 | 0 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Examen 2 | 25% | 0 | 0 | CM17, CM18, CM19, KM38, KM39, SM28 |
| Tareas prácticas | 20% | 0 | 0 | CM17, CM18, CM19, KM38, KM39, SM28 |
Esta asignatura se rige por un sistema de evaluación continua y no ofrece la opción de un examen final único e integral.
Actividades de evaluación
Se requerirá la entrega de una o dos actividades por tema, las cuales podrán incluir preguntas de opción múltiple, ejercicios teóricos, problemas y trabajos prácticos. El conjunto de estas entregas supondrá el 50 % de la calificación final. Estas actividades no son recuperables.
Exámenes
Se realizarán dos exámenes escritos a lo largo del curso, cada uno con un peso del 25 % en la calificación final. Es necesario obtener una puntuación mínima de 3,5 sobre 10 en cada examen para aprobar la asignatura. Ambos exámenes son recuperables.
Bibliografía
El profesorado publicará para cada sesión teórica una presentación acompañada de referencias bibliográficas que podrán incluir artículos científicos, artículos de prensa, informes de organismos internacionales o documentación elaborada por empresas. Todos estos materiales serán de acceso abierto o estarán disponibles a través de los recursos electrónicos de la Biblioteca de la UAB.
Como bibliografía complementaria, se recomienda la consulta de los siguientes libros:
* Downey, A. B. (2024). *Think Python: How to Think Like en Computer Scientist* (3a ed.). O'Reilly Media. Disponible en: https://allendowney.github.io/ThinkPython/
* VanderPlas, J. (2016). *Python Data Science Handbook*. O'Reilly Media. Disponible en: https://jakevdp.github.io/PythonDataScienceHandbook/
Software
Python
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TE) Teoría | 1 | Inglés | primer cuatrimestre | tarde |
| (PAUL) Prácticas de aula | 1 | Inglés | primer cuatrimestre | tarde |
| (PLAB) Prácticas de laboratorio | 1 | Inglés | primer cuatrimestre | tarde |
| (PLAB) Prácticas de laboratorio | 2 | Inglés | primer cuatrimestre | tarde |