1 / 101 · CE14 - Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el...

Identificador : 2503664

1 / 101

IMPRESO SOLICITUD PARA VERIFICACIÓN DE TÍTULOS OFICIALES

1. DATOS DE LA UNIVERSIDAD, CENTRO Y TÍTULO QUE PRESENTA LA SOLICITUD

De conformidad con el Real Decreto 1393/2007, por el que se establece la ordenación de las Enseñanzas Universitarias Oficiales

UNIVERSIDAD SOLICITANTE CENTRO CÓDIGOCENTRO

Universitat de València (Estudi General) Escuela Técnica Superior de Ingeniería 46035537

NIVEL DENOMINACIÓN CORTA

Grado Ciencia de Datos

DENOMINACIÓN ESPECÍFICA

Graduado o Graduada en Ciencia de Datos por la Universitat de València (Estudi General)

RAMA DE CONOCIMIENTO CONJUNTO

Ingeniería y Arquitectura No

HABILITA PARA EL EJERCICIO DE PROFESIONESREGULADAS

NORMA HABILITACIÓN

No

SOLICITANTE

NOMBRE Y APELLIDOS CARGO

JESUS AGUIRRE MOLINA Jefe de Sección de Planes de Estudio y Títulos

Tipo Documento Número Documento

NIF 25972815L

REPRESENTANTE LEGAL


ESTEBAN JESUS MORCILLO SANCHEZ Rector


NIF 22610942X

RESPONSABLE DEL TÍTULO


PAULA MARZAL DOMENECH Directora de la Escuela Técnica Superior de Ingenierías


NIF 22691513N

2. DIRECCIÓN A EFECTOS DE NOTIFICACIÓNA los efectos de la práctica de la NOTIFICACIÓN de todos los procedimientos relativos a la presente solicitud, las comunicaciones se dirigirán a la dirección que figure

en el presente apartado.

DOMICILIO CÓDIGO POSTAL MUNICIPIO TELÉFONO

Avenida de Blasco Ibáñez, 13 46010 Valencia 620647262

E-MAIL PROVINCIA FAX

[email protected] Valencia/València 963864117

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


2 / 101

3. PROTECCIÓN DE DATOS PERSONALES

De acuerdo con lo previsto en la Ley Orgánica 5/1999 de 13 de diciembre, de Protección de Datos de Carácter Personal, se informa que los datos solicitados en este

impreso son necesarios para la tramitación de la solicitud y podrán ser objeto de tratamiento automatizado. La responsabilidad del fichero automatizado corresponde

al Consejo de Universidades. Los solicitantes, como cedentes de los datos podrán ejercer ante el Consejo de Universidades los derechos de información, acceso,

rectificación y cancelación a los que se refiere el Título III de la citada Ley 5-1999, sin perjuicio de lo dispuesto en otra normativa que ampare los derechos como

cedentes de los datos de carácter personal.

El solicitante declara conocer los términos de la convocatoria y se compromete a cumplir los requisitos de la misma, consintiendo expresamente la notificación por

medios telemáticos a los efectos de lo dispuesto en el artículo 59 de la 30/1992, de 26 de noviembre, de Régimen Jurídico de las Administraciones Públicas y del

Procedimiento Administrativo Común, en su versión dada por la Ley 4/1999 de 13 de enero.

En: Valencia/València, AM 21 de julio de 2017

Firma: Representante legal de la Universidad

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


3 / 101

1. DESCRIPCIÓN DEL TÍTULO1.1. DATOS BÁSICOSNIVEL DENOMINACIÓN ESPECIFICA CONJUNTO CONVENIO CONV.

ADJUNTO

Grado Graduado o Graduada en Ciencia de Datos por laUniversitat de València (Estudi General)

No Ver Apartado 1:

Anexo 1.

LISTADO DE MENCIONES

No existen datos

RAMA ISCED 1 ISCED 2

Ingeniería y Arquitectura Ingeniería y profesionesafines

Ciencias de la computación

NO HABILITA O ESTÁ VINCULADO CON PROFESIÓN REGULADA ALGUNA

AGENCIA EVALUADORA

Agencia Nacional de Evaluación de la Calidad y Acreditación

UNIVERSIDAD SOLICITANTE

Universitat de València (Estudi General)

LISTADO DE UNIVERSIDADES

CÓDIGO UNIVERSIDAD

018 Universitat de València (Estudi General)

LISTADO DE UNIVERSIDADES EXTRANJERAS

CÓDIGO UNIVERSIDAD

No existen datos

LISTADO DE INSTITUCIONES PARTICIPANTES

No existen datos

1.2. DISTRIBUCIÓN DE CRÉDITOS EN EL TÍTULOCRÉDITOS TOTALES CRÉDITOS DE FORMACIÓN BÁSICA CRÉDITOS EN PRÁCTICAS EXTERNAS

240 60 12

CRÉDITOS OPTATIVOS CRÉDITOS OBLIGATORIOS CRÉDITOS TRABAJO FIN GRADO/MÁSTER

18 138 12


MENCIÓN CRÉDITOS OPTATIVOS

No existen datos

1.3. Universitat de València (Estudi General)1.3.1. CENTROS EN LOS QUE SE IMPARTE

LISTADO DE CENTROS

CÓDIGO CENTRO

46035537 Escuela Técnica Superior de Ingeniería

1.3.2. Escuela Técnica Superior de Ingeniería1.3.2.1. Datos asociados al centroTIPOS DE ENSEÑANZA QUE SE IMPARTEN EN EL CENTRO

PRESENCIAL SEMIPRESENCIAL A DISTANCIA

Sí No No

PLAZAS DE NUEVO INGRESO OFERTADAS

PRIMER AÑO IMPLANTACIÓN SEGUNDO AÑO IMPLANTACIÓN TERCER AÑO IMPLANTACIÓN

65 65 65

CUARTO AÑO IMPLANTACIÓN TIEMPO COMPLETO

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


4 / 101

65 ECTS MATRÍCULA MÍNIMA ECTS MATRÍCULA MÁXIMA

PRIMER AÑO 60.0 60.0

RESTO DE AÑOS 36.0 72.0

TIEMPO PARCIAL

ECTS MATRÍCULA MÍNIMA ECTS MATRÍCULA MÁXIMA

PRIMER AÑO 24.0 36.0

RESTO DE AÑOS 24.0 36.0

NORMAS DE PERMANENCIA

http://www.uv.es/graus/normatives/Permanencia.pdf

LENGUAS EN LAS QUE SE IMPARTE

CASTELLANO CATALÁN EUSKERA

Sí No No

GALLEGO VALENCIANO INGLÉS

No Sí No

FRANCÉS ALEMÁN PORTUGUÉS

No No No

ITALIANO OTRAS

No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


5 / 101

2. JUSTIFICACIÓN, ADECUACIÓN DE LA PROPUESTA Y PROCEDIMIENTOSVer Apartado 2: Anexo 1.

3. COMPETENCIAS3.1 COMPETENCIAS BÁSICAS Y GENERALES

BÁSICAS

CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de laeducación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye tambiénalgunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean lascompetencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro desu área de estudio

CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio)para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como noespecializado

CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriorescon un alto grado de autonomía

GENERALES

CG01 - Conocimiento de materias básicas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, asícomo que le dote de una gran versatilidad para adaptarse a nuevas situaciones.

CG02 - Capacidad de resolver problemas con iniciativa, creatividad, y de comunicar y transmitir conocimientos, habilidades ydestrezas, comprendiendo la responsabilidad ética y profesional de la actividad del Científico de Datos.

CG03 - Capacidad para la realización de modelos, cálculos, informes, planificación de tareas y otros trabajos análogos en el ámbitoespecífico de la Ciencia de Datos.

CG04 - Capacidad de trabajar en un grupo multidisciplinar y en un entorno multilingüe y de comunicar, tanto por escrito como deforma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la Ciencia de Datos.

CG05 - Capacidad de análisis y síntesis, en la elaboración de informes y defensa de ideas.

CG06 - Capacidad de acceso y gestión de la información en diferentes formatos para su posterior análisis con el fin de obtenerconocimiento a partir de datos.

CG07 - Capacidad para tomar decisiones de forma autónoma, elaborando de forma adecuada y original, argumentos razonados,pudiendo obtener así hipótesis razonables y contrastables.

3.2 COMPETENCIAS TRANSVERSALES

CT01 - Ser capaces de acceder a herramientas de información (bibliográficas) y de utilizarlas apropiadamente en el desarrollo desus tareas cotidianas

CT02 - Ser capaces de completar su formación técnica, científica, social y humana en general, y de organizar su propioautoaprendizaje con un alto grado de autonomía.

CT03 - Habilidad para defender su trabajo con rigor y argumentos, exponiéndolo de forma adecuada y precisa, apoyándose en losmedios necesarios.

CT04 - Ser responsables de su propio desarrollo profesional y de su especialización, aplicando los conocimientos adquiridos en laidentificación de salidas profesionales y yacimientos de empleo.

CT05 - Capacidad para evaluar las ventajas e inconvenientes de diferentes alternativas metodológicas y/o tecnológicas en distintosámbitos de aplicación.

3.3 COMPETENCIAS ESPECÍFICAS

CE01 - Capacidad para resolver los problemas matemáticos que puedan plantearse en Ciencia de Datos aplicando conocimientossobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos y optimización.

CE02 - Conocer y aplicar de forma metodológica las técnicas de programación y la algoritmia necesarias para el procesado eficientede información y la resolución informática de problemas que utilizan grandes volúmenes de datos.

CE03 - Capacidad para resolver problemas de clasificación, modelización, segmentación y predicción a partir de un conjunto dedatos.

CE04 - Conocer y utilizar los distintos modelos de almacenamiento de datos y los sistemas de gestión de las bases de datosutilizando lenguajes de programación de definición, consulta y manipulación de los mismos.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


6 / 101

CE05 - Conocer los ámbitos de aplicación más relevantes de la Ciencia de Datos y entender cómo la Ciencia de Datos se utilizapara soportar y realizar la toma de decisiones basada en datos.

CE06 - Capacidad para representar y visualizar conjuntos de datos para la extracción de conocimiento.

CE07 - Capacidad para modelar la dependencia entre una variable respuesta y varias variables explicativas, en conjuntos de datoscomplejos, mediante técnicas de aprendizaje máquina, interpretando los resultados obtenidos.

CE08 - Capacidad para comprender, seleccionar y utilizar la infraestructura y técnicas adecuadas para el tratamiento de datosmasivos, atendiendo a criterios de eficiencia, escalabilidad, seguridad, tolerancia a fallos y adecuación al entorno de producción.

CE09 - Conocer y aplicar de forma metodológica los conceptos y técnicas de probabilidad y estadística necesarios para laextracción de conocimiento útil a partir del análisis de datos.

CE10 - Capacidad para procesar señales de forma digital extrayendo información de ellas.

CE11 - Capacidad para diseñar e implementar la toma de datos, su integración, transformación, selección, comprobación de sucalidad y veracidad a partir de distintas fuentes, teniendo en cuenta su carácter, heterogeneidad y variabilidad.

CE12 - Capacidad para diseñar y poner en marcha soluciones basadas en análisis de datos en el ámbito de la medicina y de losnegocios, teniendo en cuenta los requisitos específicos de este tipo de casos de uso.

CE13 - Saber diseñar, aplicar y evaluar algoritmos de Ciencia de Datos para la resolución de problemas complejos.

CE14 - Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el tratamiento de los datos y la aplicación delconocimiento obtenido.

CE15 - Capacidad para modelizar y analizar la incertidumbre en estudios basados en datos así como saber interpretar ycontextualizar los resultados obtenidos.

CETFG - Capacidad para desarrollar un ejercicio original, a realizar individualmente, así como presentar y defender anteun tribunal universitario, consistente en un trabajo en el ámbito de la ciencia de datos en el que se sinteticen e integren lascompetencias adquiridas en las enseñanzas.

4. ACCESO Y ADMISIÓN DE ESTUDIANTES4.1 SISTEMAS DE INFORMACIÓN PREVIO

Ver Apartado 4: Anexo 1.

4.2 REQUISITOS DE ACCESO Y CRITERIOS DE ADMISIÓN

4.2. Requisitos de acceso y criterios de admisión

El artículo 14 del Real Decreto 1393/2007, de 29 de octubre, por el que se establece la organización de las enseñanzas universitarias oficiales disponeque para acceder a las enseñanzas oficiales de Grado se requerirá estar en posesión del título de bachiller o equivalente y haber superado la prueba aque se refiere el artículo 42 de la Ley 6/2001 Orgánica de Universidades modificada por la Ley 4/2007 de 12 de abril, sin perjuicio de los demás meca-nismos de acceso previstos por la normativa vigente.

El Real Decreto 412/2014, de 6 de junio, por el que se establece la normativa básica de los procedimientos de admisión a las enseñanzas universita-rias oficiales de Grado, indica que para dicho acceso se requerirá estar en posesión del título de bachiller o equivalente. No obstante, y de conformi-dad a lo dispuesto en la disposición transitoria única de esta norma, las Universidades, durante el periodo hasta la total implantación del calendario deactuaciones, podrán utilizar como criterio de valoración en los procedimientos de admisión la superación de las materias de la Prueba de Acceso a laUniversidad y la calificación obtenida en la misma.

Asimismo, el RD 412/2014 indica que, en el ámbito de sus competencias, las administraciones educativas podrán coordinar los procedimientos de ac-ceso a las Universidades de su territorio. En este sentido, en la Comunitat Valenciana la organización del procedimiento de acceso a las enseñanzasuniversitarias oficiales de Grado y de los procesos de admisión a las universidades públicas del sistema universitario valenciano, se lleva a cabo por laComisión Gestora de los Procesos de Acceso y Preinscripción en las Universidades Públicas del Sistema Universitario Valenciano, que se regula porel Decreto 80/2010, de 7 de mayo, del Consell. La Comisión Gestora está adscrita a la Conselleria que tiene atribuidas las competencias en materiade universidades y, a estos efectos, las universidades públicas valencianas se consideran como una sola, constituyendo el Distrito Universitario Valen-ciano.

En la actualidad la convocatoria ordinaria de las pruebas para el acceso a las enseñanzas universitarias oficiales de Grado en las universidades públi-cas de la Comunitat Valenciana se realiza durante la primera quincena de junio, y la convocatoria extraordinaria durante la primera quincena de julio.La información relativa a la organización de estas pruebas y al proceso de admisión a las universidades públicas del sistema valenciano puede consul-tarse en la web de la Consejería de Educación, Cultura y Deporte de la Generalitat Valenciana y, más específicamente, en la web de la Universitat deValència. Esta información se organiza de la siguiente forma:

1. Acceso a las enseñanzas universitarias oficiales de Grado

De acuerdo con el RD 412/2014, de 6 de junio, podrán acceder a los estudios universitarios oficiales de Grado, los estudiantes que reúnan alguno delos siguientes requisitos:

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


7 / 101

· Estudiantes en posesión del título de Bachillerato del sistema educativo Español o de otro declarado equivalente.

· Estudiantes en posesión del título de Bachillerato Europeo o del diploma de Bachillerato Internacional.

· Estudiantes en posesión de títulos, diplomas o estudios de Bachillerato o Bachiller procedentes de sistemas educativos de Estados miembros de la Unión Europeao de otros Estados con los que España haya suscrito acuerdos internacionales aplicables a este respecto, en régimen de reciprocidad.

· Estudiantes en posesión de títulos, diplomas o estudios homologados al título de Bachiller del Sistema Educativo Español, obtenidos o realizados en sistemaseducativos de Estados que no sean miembros de la Unión Europea con los que no se hayan suscrito acuerdos internacionales para el reconocimiento del título deBachiller en régimen de reciprocidad.

· Estudiantes en posesión de los títulos oficiales de Técnico Superior de Formación Profesional, de Técnico Superior de Artes Plásticas y Diseño o de Técnico De-portivo Superior perteneciente al Sistema Educativo Español, o de títulos, diplomas o estudios declarados equivalentes u homologados a dichos títulos.

· Estudiantes en posesión de títulos, diplomas o estudios, diferentes de los equivalentes a los títulos de Bachiller, Técnico Superior de Formación Profesional, Téc-nico Superior de Artes Plásticas y Diseño, o de Técnico Deportivo Superior del Sistema Educativo Español, obtenidos o realizados en un Estado miembro de laUnión Europea o en otros Estados con los que se hayan suscrito acuerdos internacionales aplicables a este respecto, en régimen de reciprocidad, cuando dichosestudiantes cumplan los requisitos académicos exigidos en dicho Estado miembro para acceder a sus Universidades.

· Personas mayores de veinticinco años que superen la prueba de acceso establecida en este real decreto.

· Mayores de 40 años. Se reserva el 1 por 100 de las plazas para los estudiantes mayores de 40 años que acrediten experiencia laboral o profesional. El procedi-miento de selección de estos estudiantes tendrá en cuenta su experiencia laboral y profesional, su formación, el conocimiento del valenciano y de idiomas co-munitarios. También se realizará una entrevista personal para valorar su madurez e idoneidad. La selección de estos estudiantes se regirá por el procedimientode selección para el acceso a enseñanzas universitarias oficiales de grado para mayores de 40 años mediante la acreditación de experiencia laboral o profesionalaprobado por el Consejo de Gobierno de la Universitat de València, ACGUV 52/2010. En cuanto a la experiencia profesional la Comisión Académica de Título(CAT) valorará los siguientes aspectos: a) Experiencia profesional en la resolución de problemas basada en un uso y análisis intensivo de datos (máximo 7 pun-tos) y b) relación de la experiencia profesional con el ámbito de la Estadística y la Informática (máximo 3 puntos). Estos aspectos se determinarán a partir del cu-rriculum del candidato así como de la entrevista personal mantenida con el candidato o la candidata.

· Personas mayores de cuarenta y cinco años que superen la prueba de acceso establecida en este real decreto.

· Estudiantes en posesión de un título universitario oficial de Grado, Máster o título equivalente.

· Estudiantes en posesión de un título universitario oficial de Diplomado universitario, Arquitecto Técnico, Ingeniero Técnico, Licenciado, Arquitecto, Ingeniero,correspondientes a la anterior ordenación de las enseñanzas universitarias o título equivalente.

· Estudiantes que hayan cursado estudios universitarios parciales extranjeros o españoles, o que habiendo finalizado los estudios universitarios extranjeros no ha-yan obtenido su homologación en España y deseen continuar estudios en una universidad española. En este supuesto, será requisito indispensable que la universi-dad correspondiente les haya reconocido al menos 30 créditos ECTS.

· Estudiantes que estuvieran en condiciones de acceder a la universidad según ordenaciones del Sistema Educativo Español anteriores a la Ley Orgánica 8/2013,de 9 de diciembre.

2. Preinscripción

La preinscripción es el procedimiento por el que cada estudiante manifiesta sus preferencias para cursar una titulación de Grado, y sirve para ordenar-los y asignarles una plaza o ubicarlos en las listas de espera. Las universidades públicas valencianas realizan la preinscripción conjuntamente, y cadaestudiante solo puede presentar una única preinscripción al distrito universitario valenciano. Se realiza entre los meses de junio y julio, en convocatoriaúnica para los alumnos de las convocatorias ordinaria y extraordinaria de las pruebas para el acceso y admisión a la universidad.

El estudiante ha de indicar en la solicitud el orden de preferencia de las titulaciones de grado, teniendo en cuenta que es una información fundamen-tal puesto que el estudiante será admitido en una única titulación, la de mayor preferencia que le permita su nota, quedará en lista de espera de las demayor preferencia y se eliminará de la lista de espera de las titulaciones solicitadas con menor preferencia.

3. Admisión y Perfil de acceso recomendado

La admisión a las titulaciones oficiales de Grado de la Universitat de València es el proceso por el que se distribuyen y adjudican las plazas ofertadascada curso entre las personas que solicitan cada titulación, siempre que cumplan alguno de los requisitos de acceso y teniendo en cuenta su adecua-ción al perfil de acceso recomendado.

La Universitat de València ha establecido los factores de ponderación que se tienen en cuenta para el proceso de admisión a cada titulación, que soncomunes para todo el sistema universitario público valenciano.

4. Oferta de plazas y criterios de adjudicación

El número de plazas ofertadas para cada titulación de Grado es el que se indica en la Memoria de Verificación del plan de estudios. La propuesta deplazas de acceso a cada titulación de Grado es ratificada, en el mes de febrero, por el Consejo de Gobierno.

Las plazas se reparten entre los estudiantes que acceden por diferentes vías del siguiente modo:

4.1. Porcentajes de reserva de plazas

Del número total de plazas ofertadas en cada titulación, y siempre que el estudiante cumpla los requisitos académicos correspondientes, se realizanlos siguientes porcentajes de reserva por colectivos:

· Titulados universitarios o equivalentes. Se reserva el 3 por 100 de las plazas.

· Alumnado con discapacidad. Se reserva el 5 por 100 de las plazas para el alumnado que tenga reconocido un grado de discapacidad igual o superior el 33%, asícomo para aquellos estudiantes con necesidades educativas especiales permanentes asociadas a las condiciones personales de discapacidad que durante su escola-rización anterior hayan precisado de recursos y apoyos para su plena normalización educativa.

· Alumnado con la Calificación de Deportista de Alto Nivel. Se reserva el 3 por 100 de las plazas para los estudiantes que el Consejo Superior de Deportes califi-que y publique como Deportistas de Alto Nivel antes del 15 de junio del año en curso, así como aquellos que la Comunitat Valenciana clasifique como Depor-

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


8 / 101

tistas de Elite (Nivel A o B) y que figuren como tales en la relación publicada en el DOCV, o que cumplan los requisitos que establezca el Consejo de Coordina-ción Universitaria.

· Mayores de 25 años. Se reserva el 3 por 100 de las plazas para los estudiantes mayores de 25 años que tengan superada la correspondiente prueba de acceso.

· Mayores de 40 años. Se reserva el 1 por 100 de las plazas para los estudiantes mayores de 40 años que acrediten experiencia laboral o profesional. El procedi-miento de selección de estos estudiantes tendrá en cuenta su experiencia laboral y profesional, su formación, el conocimiento del valenciano y de idiomas comu-nitarios. También se les realizará una entrevista para valorar su madurez e idoneidad.

· Mayores de 45 años. Se reserva el 1 por 100 de las plazas para los estudiantes mayores de 45 años que tengan superada la correspondiente prueba de acceso y su-peren una entrevista de aptitud.

De acuerdo con el dispuesto en el RD 412/2014, de 6 de junio, las plazas que queden sin cubrir en los cupos de reserva serán acumuladas a las ofer-tadas para el cupo general. Los estudiantes que reúnan los requisitos para solicitar la admisión por más de un porcentaje de reserva podrán hacer usode dicha posibilidad.

4.2. Orden de prelación en la adjudicación de plazas

La asignación de plazas se hará atendiendo a los siguientes criterios de preferencia:

1. Estudiantes que reúnan los requisitos académicos para el acceso a la universidad en la convocatoria ordinaria del año en curso o en convocatorias ordinarias o ex-traordinarias de años anteriores.

2. Estudiantes que reúnan los requisitos académicos para el acceso a la universidad en la convocatoria extraordinaria del año en curso.

Las solicitudes que, atendiendo a los criterios recogidos en el punto anterior, estén en igualdad de condiciones, se ordenarán en función de la nota deadmisión que corresponda, expresada con tres cifras decimales y redondeada a la milésima más próxima y en caso de equidistancia a la superior.

4.3. Adjudicación de plazas a los estudiantes que quedan en lista de espera

A los estudiantes que no hayan sido admitidos en la titulación que solicitaron en primera opción se les adjudicará un número de orden en la lista de es-pera de todas las titulaciones que hubiesen solicitado con mayor preferencia, y se les eliminará de la lista de espera de las titulaciones solicitadas conmenor preferencia.

Una vez finalizada la matrícula de los estudiantes admitidos en cada titulación de grado, se analizarán las vacantes y se procederá a la adjudicaciónde las mismas entre los estudiantes que estén en la lista de espera de cada titulación. Esta adjudicación no es presencial y se realizará mediante unprocedimiento equivalente a la adjudicación de las plazas iniciales, teniendo en cuenta el número de plazas vacantes y las preferencias del estudiante.Se realizarán varias adjudicaciones antes de comenzar el curso académico, y el resultado se publicará en la web de la Universitat y podrá ser consul-tado, con acceso individual y personalizado, por las personas interesadas.

Los estudiantes deberán confirmar, antes de cada adjudicación y para cada titulación en la que estén en lista de espera, que continúan interesados enobtener plaza en la misma. Dicha confirmación se realizará a través del portal web de la Universitat de València y, en caso de no realizar esta confir-mación, se entenderá que no siguen interesados y se les excluirá automáticamente de los listados, perdiendo la opción de ser admitidos en esa titula-ción.

5. Admisión de estudiantes con estudios universitarios oficiales parciales por cambio de estudios y/o universidad

Además de las vías de acceso relacionadas anteriormente, que son las mayoritarias, es posible la admisión por cambio de estudios oficiales y/o uni-versidad. Pueden solicitarlo los estudiantes con estudios universitarios oficiales españoles parciales y los estudiantes con estudios universitarios ex-tranjeros parciales o totales que no hayan obtenido la homologación del título en España y se les reconozca un mínimo de 30 créditos ECTS, deacuerdo con lo dispuesto en el artículo 6 del RD 1393/2997, de 29 de octubre.

La oferta de plazas deberá ser aprobada por la Junta de Centro y comunicada al vicerrectorado con competencias en materia de estudios de grado.

El plazo de presentación de solicitudes se fijará anualmente en el calendario de procesos de gestión académica de la Universidad y, en todo caso, elprocedimiento deberá garantizar que los estudiantes puedan incorporarse a los estudios de grado como muy tarde en la primera quincena del mes deoctubre.

No serán admitidas solicitudes de cambio de estudios en los casos siguientes:

· Solicitudes que comporten la necesidad de cursar asignaturas que no se impartan como consecuencia de la extinción del plan de estudios correspondiente.

· Solicitudes de estudiantes procedentes de otras universidades con seis convocatorias agotadas en los estudios universitarios iniciados.

Por otra parte, la admisión deberá comportar la realización en la Universitat de València de al menos 30 créditos, además del trabajo de fin de gradocorrespondiente, excepto en aquellos casos en que concurran en la persona solicitante circunstancias especiales debidamente acreditadas.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


9 / 101

Las solicitudes que cumplan los requisitos se priorizarán de acuerdo con los criterios siguientes:

· Solicitudes de estudiantes procedentes de titulaciones de la misma rama de conocimiento. En el caso de títulos que habilitan para el ejercicio de actividades pro-fesionales reguladas en España, tendrán preferencia las solicitudes procedentes de títulos que habiliten para la misma profesión regulada.

· Solicitudes de estudiantes procedentes de titulaciones de otras ramas de conocimiento.

· Una vez aplicados los criterios anteriores, el criterio de ordenación dentro de cada grupo será el número de créditos reconocidos.

4.3 APOYO A ESTUDIANTES

1. Apoyo a estudiantes

Organos y servicios de apoyo y orientación en la Universitat de València

· SEDI: Servicio de la UV para la información y dinamización de los/las estudiantes mediante el establecimiento e impulso de programas de soporte personal(ayudas al estudio, movilidad, asesoramiento psicológico, pedagógico y sexológico, programa de convivencia, gestión de becas de colaboración, etc.) y de accio-nes para incentivar la participación, el asociacionismo y el voluntariado, asesorando la creación y gestión de asociaciones.

· OPAL: Servicio de la UV cuyo objetivo fundamental es potenciar la inserción laboral de los/las graduados/as y postgraduados/as de la Universitat de València,desarrollando las tareas necesarias con la finalidad de relacionar de manera eficaz la oferta y la demanda, es, en esencia, un puente entre la formación y la ocupa-ción (www.uv.es/opal).

· ADEIT: Servicio de la Fundación Universidad-Empresa cuyo objetivo fundamental es potenciar la realización de prácticas externas desarrollando las tareas ne-cesarias con la finalidad de aproximar la formación y el empleo.

· UPD: Unitat per a la Integració de Persones amb Discapacitat: Es un servicio de atención y asesoramiento a toda la Comunitat universitaria en materia de disca-pacidad. Este servicio tiene como misión ofrecer apoyo para facilitar la integración de las personas con diversidad funcional de la UV. Entre otras acciones reali-za funciones de apoyo en la docencia y se coordinan diversas acciones de ayuda personalizada. Ante la solicitud pertinente realiza una evaluación de las necesi-dades específicas de cara a determinar los recursos técnicos y humanos necesarios, así como, si procede, las posibles adaptaciones curriculares.

· Servicio de Estudiantes de la Universitat de València.

Tutorización de los/las estudiantes

Con el fin de orientar al alumnado en aspectos relacionados con la actividad académica la Comisión Académica de Título (CAT) del Grado designará aun coordinador o coordinadora de curso. Además, en el caso de los y las estudiantes de nuevo ingreso, el programa de tutorización Entreiguals (http://mentors.blogs.uv.es/) asignará a cada estudiante un estudiante mentor de cursos superiores que realiza un acompañamiento en la incorporación delestudiante a la ETSE-UV. En cada titulación de la UV el programa es coordinado por un responsable académico que realiza un seguimiento de la laborde los mentores y el programa en su conjunto.

Órganos de representación de los estudiantes

Según la normativa de la Universitat de València, los/las estudiantes del Grado pueden presentarse como candidatos/as a la Junta de Centro y al Con-sejo de Departamento en las elecciones anuales correspondientes, así como a la Asamblea de Representantes del Centro, ADR, que es el máximo ór-gano de representación del estudiantado. Esta Asamblea la forman representantes elegidos por cada uno de los cursos de los estudios de grado y depostgrado, y representantes de los/las estudiantes en la Junta de Centro y en el Claustro. Sus funciones van desde distribuir los presupuestos para lasactividades deportivas y culturales hasta proponer las medidas que se consideren oportunas para defender los derechos e intereses de los y las estu-diantes.

Además de esto, al inicio del curso, desde la Coordinación del Grado, se animará al alumnado a escoger un/una representante que actúe como dele-gado/a de curso para agilizar la resolución de los posibles problemas que se planteen, transmitir sugerencias, etc. Esta representatividad, si bien no esoficial, tiene la ventaja de que puede ser operativa desde ell inicio del curso, y a la vez prepara a la persona seleccionada para su posible presentacióncomo candidata oficial al ADR y a los órganos de gobierno de la ETSE-UV y los Departamentos con docencia en la titulación (Junta de Centro y Con-sejos de Departamento). La representación de los/las estudiantes es muy aconsejable ya que, además de favorecer la exposición de sus intereses oproblemas, contribuye también a que desde la Coordinación del Grado se pueda ir perfilando la gestión del mismo para que en siguientes ediciones sepuedan evitar los posibles problemas surgidos y se vaya mejorando el proceso docente y organizativo del Grado.

4.4 SISTEMA DE TRANSFERENCIA Y RECONOCIMIENTO DE CRÉDITOS

Reconocimiento de Créditos Cursados en Enseñanzas Superiores Oficiales no Universitarias

MÍNIMO MÁXIMO

0 0

Reconocimiento de Créditos Cursados en Títulos Propios

MÍNIMO MÁXIMO

0 0

Adjuntar Título PropioVer Apartado 4: Anexo 2.

Reconocimiento de Créditos Cursados por Acreditación de Experiencia Laboral y Profesional

MÍNIMO MÁXIMO

0 0

Reglamento para la Transferencia y Reconocimiento de Créditos

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042

http://mentors.blogs.uv.es/

http://mentors.blogs.uv.es/


10 / 101

Exposición de Motivos

La Ley Orgánica 6/2001, de 21 de diciembre, de Universidades, en su artículo 36. a), establece que el Gobierno,previo informe del Consejo de Universidades, regulará los criterios generales a los que habrán de ajustarse las uni-versidades en materia de convalidación y adaptación de estudios cursados en centros académicos españoles o ex-tranjeros, así como la posibilidad de validar, a efectos académicos, la experiencia laboral o profesional.

El Real Decreto 1393/2007, de 29 de octubre, por el que se establece la ordenación de las enseñanzas universita-rias oficiales, fija el concepto y los principales efectos de la transferencia y el reconocimiento de créditos en el con-texto de las nuevas enseñanzas oficiales universitarias.

El Real Decreto 861/2010 de 2 de julio, modifica parcialmente el contenido de diversos artículos del Real Decreto1393/2007 de 29 de octubre. Entre las modificaciones introducidas se encuentran las que afectan al reconocimientode créditos en estudios universitarios cuyo contenido se recoge en la nueva redacción de los artículos 6 y 13.

A la vista de la nueva redacción dada a los citados artículos resulta necesario adecuar a la actual regulación el Re-glamento para la Transferencia y Reconocimiento de Créditos en estudios de Grado y de Máster en la Universitat deValència, aprobado en Consejo de Gobierno de fecha 16 de febrero de 2010 y, en consecuencia, aprobar una nuevareglamentación.

Artículo 1. Objeto y ámbito de aplicación

El objeto de esta normativa es regular la transferencia y el reconocimiento de créditos en los estudios universitariosconducentes a la obtención de los correspondientes títulos oficiales de la Universitat de València, de acuerdo conlos artículos 6 y 13 del Real Decreto 1393/2007, de 29 de octubre y las posteriores modificaciones introducidas porel Real Decreto 861/2010, de 2 de julio, de conformidad con les recomendaciones generales emanadas del EspacioEuropeo de Educación Superior.

Transferencia de Créditos

Artículo 2. Transferencia de créditos

1. La transferencia de créditos implica que en el expediente y en los documentos académicos oficiales acreditativos de las ense-ñanzas seguidas por cada estudiante, se incluirán la totalidad de los créditos obtenidos en enseñanzas oficiales cursadas conanterioridad, en la misma u otra universidad, que no hayan conducido a la obtención de un título oficial. La transferencia decréditos requiere la previa admisión del estudiante/ta en el estudio correspondiente.

2. La Universitat de València transferirá al expediente académico de sus estudiantes/tas todos los créditos obtenidos de acuer-do con lo dispuesto en el apartado anterior. En el expediente del estudiante/ta, debe constar debiendo la denominación de losmódulos, las materias o asignaturas cursadas, así como el resto de la información necesaria para la expedición del Suplemen-to Europeo al Título (SET).

3. Los módulos, las materias o asignaturas transferidas al expediente académico de los nuevos títulos no se tendrán en cuentapara el cálculo de la baremación del expediente.

4. En los supuestos de simultaneidad de estudios, no serán objeto de transferencia los créditos que el estudiante/ta haya obteni-do en estos estudios, salvo que el estudiante renuncie a la simultaneidad, por abandono de dichos estudios.

Reconocimiento de Créditos

Artículo 3. Reconocimiento de créditos

1. Se entiende por reconocimiento la aceptación por una universidad de los créditos que, habiendo sido obtenidos en unas en-señanzas oficiales, en la misma u otra universidad, son computados en otras distintas a efectos de la obtención de un títulooficial. Asimismo, podrán ser objeto de reconocimiento los créditos cursados en otras enseñanzas superiores oficiales o enenseñanzas universitarias conducentes a la obtención de otros títulos, a los que se refiere el artículo 34.1 de la Ley Orgánica4/2007, de 12 de abril por la que se modifica la Ley Orgánica 6/2001, de 21 de diciembre, de Universidades.

2. La experiencia laboral y profesional acreditada podrá ser también reconocida en forma de créditos que computarán a efectosde la obtención de un título oficial, siempre que dicha experiencia esté relacionada con las competencias inherentes a dichotítulo.

3. El reconocimiento se realizará sobre la totalidad de la unidad administrativa de matrícula, sea ésta el módulo, la materia o laasignatura, de acuerdo con lo establecido en el plan de estudios. No será posible el reconocimiento parcial de la unidad admi-nistrativa de matrícula.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


11 / 101

Artículo 4. Reconocimiento de créditos obtenidos en estudios oficiales universitarios conforme a anterioresordenaciones.

1. En el caso de créditos obtenidos en estudios oficiales de la Universitat de València regulados por el Real Decreto 1497/1987o el Real Decreto 56/2005, el reconocimiento se realizará teniendo en cuenta la tabla de adaptación de créditos de las asig-naturas de dichos planes de estudio con las asignaturas de los nuevos planes de estudio regulados por el Real Decreto1393/2007 y el Real Decreto 861/2010 que modifica el anterior, que acompañan a cada memoria de verificación de títulos dela Universitat de València.

2. En el caso de créditos obtenidos en otros estudios oficiales pertenecientes a anteriores ordenaciones, éstos se podrán reco-nocer teniendo en cuenta la adecuación entre los conocimientos asociados a las materias y/o asignaturas cursadas por las si-guientes reglas:

1. que el número de créditos, o en su caso horas, sea, al menos, el 75% del número de créditos u horas de las materias y/o asig-naturas por las que se quiere obtener el reconocimiento de créditos, y

2. que contengan, al menos, el 75% de conocimientos de las materias y/o asignaturas por las que se quiere obtener el reconoci-miento de créditos.

1. Quienes, estando en posesión de un título oficial de Licenciado, Arquitecto, Ingeniero, Diplomado o Ingeniero Técnico pre-tendan acceder a enseñanzas conducentes a un título de Grado perteneciente a la misma rama de conocimiento que su títulode origen, según el anexo que acompaña este reglamento, obtendrán el reconocimiento de créditos de formación básica queproceda con arreglo a lo dispuesto en el artículo 13 del Real Decreto 1393/2007 y el Real Decreto 861/2010 que modifica elanterior, sin perjuicio de aquéllos otros que puedan realizarse de acuerdo con el apartado anterior.

2. En el caso de los créditos obtenidos por la superación de cursos de doctorado regulados conforme a anteriores ordenaciones,éstos no podrán ser reconocidos por más de 45 créditos ECTS en los estudios de máster o período formativo del programa dedoctorado.

Artículo 5. Reconocimiento de créditos obtenidos en títulos universitarios oficiales conforme a la actual or-denación.

1. Podrán ser reconocidos los créditos superados en origen en cualquier materia, teniendo en cuenta:a. La adecuación entre las competencias, contenidos y créditos asociados a las materias superadas por el estudiante y los

previstos en el plan de estudios de la titulación de destino.b. A los efectos indicados en el apartado anterior la equivalencia mínima que debe darse para poder llevar a cabo el reco-

nocimiento de créditos correspondientes será de un 75%.2. Excepcionalmente, se podrá otorgar el reconocimiento de créditos optativos de carácter genérico, si se considera que los con-

tenidos y competencias asociadas a las materias cursadas por el estudiante/ta en la titulación de origen, se adecuan a las com-petencias generales o específicas del título.

3. En el caso particular de las enseñanzas de Grado, el reconocimiento de créditos deberá respetar además las siguientes reglasbásicas:

a. Siempre que el título al que se pretende acceder pertenezca a la misma rama de conocimiento, serán objeto de recono-cimiento al menos 36 créditos correspondientes a materias de formación básica de dicha rama.

b. Serán también objeto de reconocimiento los créditos obtenidos en aquellas otras materias de formación básica pertene-cientes a la rama de conocimiento del título al que se pretende acceder.

4. En ningún caso podrán ser objeto de reconocimiento los créditos correspondientes a los trabajos de fin de grado y máster.5. Lo dispuesto en este artículo le será de aplicación también a los reconocimientos de créditos obtenidos en títulos universita-

rios extranjeros.

Artículo 6. Reconocimiento de créditos a partir de la experiencia profesional o laboral y de enseñanzas uni-versitarias no oficiales.

1. La experiencia laboral y profesional acreditada podrá ser también reconocida en forma de créditos que computarán a efectosde la obtención de un título oficial, siempre que confieran, al menos, el 75% de las competencias de las materias por las quese quiere obtener reconocimiento de créditos. El reconocimiento de créditos por este apartado deberá realizarse, con caráctergeneral, respecto de las asignaturas contempladas en el plan de estudios como ¿prácticas externas¿. La Comisión Académicao la Comisión de Coordinación Académica del correspondiente título determinará el período mínimo de tiempo acreditado deexperiencia laboral o profesional, requerido para poder solicitar y obtener este reconocimiento de créditos, y que en ningúncaso podrá ser inferior a 6 meses.

2. El número de créditos que sean objeto de reconocimiento a partir de la experiencia profesional o laboral y de enseñanzas uni-versitarias no oficiales no podrá ser superior, en su conjunto, al 15% del total de créditos que constituyen el plan de estudios.

3. No obstante, los créditos procedentes de títulos propios podrán, excepcionalmente, ser objeto de reconocimiento en un por-centaje superior al señalado en el párrafo anterior o, en su caso, ser objeto de reconocimiento en su totalidad siempre que elcorrespondiente título propio haya sido extinguido y sustituido por un título oficial.

4. La Comisión de Estudios de Grado o Postgrado, a propuesta de la Comisión Académica del Título o de la Comisión de Coor-dinación Académica respectiva, puede aceptar la excepcionalidad señalada en el párrafo anterior, siempre que los créditosaportados para su reconocimiento correspondan a un título propio de la Universitat de València, y se den las circunstanciasrequeridas para ello que se establecen en el artículo 6.4 del Real Decreto 1393/2007 modificado por Real Decreto 861/2010de 2 de julio.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


12 / 101

Artículo 7. Reconocimiento de créditos cursados en enseñanzas superiores oficiales no universitarias.

1. Podrán ser objeto de reconocimiento los créditos cursados en otras enseñanzas superiores oficiales, siempre que quede acre-ditado que los contenidos de la formación superada y la carga lectiva de la misma sea equivalente a aquella para la que se so-licita el reconocimiento.

2. En el caso concreto de quienes acrediten haber superado estudios de formación profesional de grado superior, se atenderáigualmente a lo que a este respecto se establece en el artículo 44.3 de la Ley Orgánica 2/2006 de 3 de mayo de Educación.

Artículo 8. Reconocimiento de créditos en programas de movilidad

1. Los/as estudiantes/tas de la Universitat de València que participen en programas de movilidad nacionales o internacionales, yhayan cursando un período de estudio en otras instituciones de educación superior, obtendrán el reconocimiento que se deri-ve del acuerdo académico correspondiente.

2. Asimismo, serán objeto de reconocimiento los créditos cursados en enseñanzas oficiales reguladas mediante convenios oacuerdos interuniversitarios que así lo recojan específicamente. En ambos casos, no será necesario el informe establecido enel artículo 12.1.

Artículo 9. Reconocimiento por participación en actividades culturales, deportivas, de representación estu-diantil, solidarias y de cooperación

En los estudios de grado se podrá reconocer hasta un máximo de 6 créditos por participar en actividades universita-rias culturales, deportivas, de representación estudiantil, solidarias y de cooperación, no programadas en el marcodel plan de estudios cursado, de acuerdo con lo establecido en la normativa estatal y en la reglamentación propia dela Universitat de València.

En estos casos, la formación reconocida se computará como créditos optativos de la titulación.

Procedimiento

Artículo 10. Solicitud

1. Los procedimientos de transferencia o reconocimiento han de iniciarse a instancias del/la estudiante/ta.2. Las solicitudes para este tipo de procedimientos se han de presentar en el Registro del centro al que estén adscritas las ense-

ñanzas que se pretender cursar, en cualquier otro registro de la Universitat de Valencia o de los mencionados en el art 38 dela ley 30/1992 de Régimen Jurídico de las Administraciones Publicas y de Procedimiento Administrativo Común.

3. El plazo de presentación coincidirá con el período de matrícula de la titulación que curse el/la interesado/a.4. La solicitud deberá ir acompañada de la documentación indicada en el artículo siguiente. En caso contrario, se concederá un

plazo de 5 días para completar la documentación. Si, después de este plazo, no se ha aportado toda la documentación se en-tenderá que el/la estudiante/a desiste en su petición, previa resolución declarando el desistimiento.

Artículo 11. Documentación

1. En el caso de solicitantes con estudios superiores españoles que no hayan conducido a la obtención de un título, que incluyanmaterias, actividades u otra formación para la que se solicite reconocimiento, deberán aportar, en el momento de presentar lasolicitud, los programas o guías docentes de las mismas y acreditar, en su caso, que han solicitado el traslado del correspon-diente expediente académico (estudios universitarios) desde el centro de origen a la Universitat de València.

2. En los restantes supuestos se aportará Certificación Académica Oficial (CAO), en la que conste la denominación de las ma-terias, programas y créditos de las mismas, curso académico y convocatoria en que se superaron, así como las calificacionesobtenidas. En su caso, se aportará además el Suplemento Europeo al Título.

3. La acreditación de la experiencia profesional y laboral, deberá efectuarse mediante la aportación de la documentación que encada caso corresponda, preferentemente:

1. Certificación de la empresa u organismo en el que se concrete que la persona interesada ha ejercido o realizado la actividadlaboral o profesional para la que se solicita reconocimiento de créditos, y el período de tiempo de la misma, que necesaria-mente ha de coincidir con lo reflejado en el informe de vida laboral. Este informe acreditará la antigüedad laboral en el grupode cotización que la persona solicitante considere que guarda relación con las competencias previstas en los estudios corres-pondientes.

2. En caso de realizar o haber realizado actividades por su cuenta, certificado censal, certificado colegial o cualquier otra docu-mentación que acredite que el/la interesado/a han ejercido, efectivamente, la citada actividad por su cuenta.

1. La acreditación de la superación de estudios correspondientes a enseñanzas universitarias no oficiales, se efectuará median-te la aportación de la certificación académica expedida por el órgano competente de la universidad en que se cursaron, el pro-grama o guía docente de las asignaturas cursadas y, en su caso, el correspondiente título propio.

2. Para el reconocimiento de créditos en programas de movilidad se tendrá en cuenta el acuerdo de estudios o de formación y elcertificado de notas expedido por la universidad de destino.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


13 / 101

3. En el caso de reconocimiento por participación en actividades culturales, deportivas, de representación estudiantil, solidariasy de cooperación, la documentación acreditativa será la que establece el reglamento aprobado por la Universitat de Valènciarelativo a este tipo de reconocimientos.

4. Para efectuar la transferencia de créditos será suficiente la presentación de la certificación académica emitida por la Univer-sidad de procedencia. En el caso de traslados internos, el Centro receptor efectuará la transferencia de créditos teniendo encuenta la información académica existente del/la estudiante/ta en la Universitat de València.

5. En el caso de estudios cursados en centros extranjeros de educación superior de países que no sean de la Unión Europea, lacitada documentación deberá presentarse debidamente legalizada, traducida por un traductor jurado a una de las dos lenguasoficiales de la Universitat de València, y ser original, o en su caso aportar copia de la misma para su cotejo en el momento dela presentación.

6. No será precisa la documentación referida en los apartados anteriores cuando el reconocimiento se refiera a estudios cursadosen la propia Universitat de València.

Artículo 12. Resolución

1. Son competentes para resolver estos procedimientos el decano/a y director/a del centro al que están adscritas las enseñan-zas que se pretenden cursar, visto un informe previo de la Comisión Académica del Título correspondiente, en el caso de es-tudios de grado, o de la Comisión de Coordinación Académica, cuando se trate de máster o doctorado. No será necesario elmencionado informe cuando se solicite, exclusivamente, la transferencia de créditos ni en los supuestos que se contemplan enel artículo 13.6 de este reglamento.

2. El plazo máximo para emitir la resolución será de un mes contado desde la finalización del plazo de presentación de solicitu-des. En el caso de que no se resuelva expresamente en el mencionado término se entenderá desestimada la petición.

3. Contra estas resoluciones, la persona interesada podrá presentar recurso de alzada ante el Rector de la Universitat de Valèn-cia en el plazo de un mes contado a partir del día siguiente al de la recepción de la misma.

Artículo 13. Efectos de la resolución

1. En cualquiera de los supuestos anteriores, la Comisión Académica del Título correspondiente, en el caso de estudios de gra-do, o la Comisión de Coordinación Académica, cuando se trate de estudios de master o doctorado, determinará en la corres-pondiente resolución qué módulos, materias o asignaturas del plan de estudios le son reconocidas. Asimismo, en dicha reso-lución la Comisión podrá recomendar al/la estudiante/ta cursar voluntariamente aquellas materias/asignaturas en que se apre-cien carencias formativas.

2. La resolución del procedimiento dará derecho a la modificación de la matrícula en función del resultado de la misma. Loscréditos reconocidos se incorporarán al expediente de la persona interesada, especificándose su tipología en cada caso, y se-ñalándose el número de créditos y la denominación de ¿reconocido¿.

3. En el expediente constará la calificación obtenida, que se obtendrá a partir de las materias objeto de reconocimiento, deacuerdo con los siguientes criterios:

1. Reconocimiento de una materia a partir de otra materia: a la materia reconocida se le asignará la nota obtenida en la materiaobjeto de reconocimiento.

2. Reconocimiento de una materia a partir de varias materias: a la materia reconocida se le asignará una nota obtenida comomedia ponderada de las notas obtenidas en las materias objeto de reconocimiento.

3. Reconocimiento de varias materias a partir de una materia: a todas las materias reconocidas se les asignará la nota obtenidaen la materia objeto de reconocimiento.

4. Reconocimiento de varias materias a partir de varias materias: a todas las materias reconocidas se asignará una nota obtenidacomo media ponderada de las notas obtenidas en las materias objeto de reconocimiento.

Estas calificaciones, una vez incorporadas al expediente, se tendrán en cuenta para su baremación.

1. Excepción a lo dispuesto en el apartado anterior son los créditos reconocidos por actividades universitarias de participación,experiencia laboral o profesional, o por enseñanzas universitarias no oficiales, que serán incorporados al expediente de lapersona interesada sin calificación, por lo que no computarán a efectos de baremación del expediente.

2. Todos los créditos obtenidos por el/la estudiante/ta en las enseñanzas oficiales que haya cursado en cualquier universidad, lostransferidos, los reconocidos y los superados para la obtención del correspondiente título, serán reflejados en el SuplementoEuropeo al Título.

3. Las resoluciones de reconocimientos de créditos establecidas en base a lo señalado en este reglamento, se considerarán comoreglas precedentes y serán aplicadas directamente a las nuevas solicitudes que coincidan con las mismas situaciones académi-cas. Estos antecedentes deberán hacerse públicos en las páginas web de los centros responsables de la titulación con anterio-ridad al inicio del plazo de presentación de solicitudes.

Artículo 14. Tasas

Por el estudio de las solicitudes e incorporación al expediente de los créditos reconocidos, se devengarán las tasasestablecidas por la comunidad autónoma para cada uno de estos supuestos.

No devengará pago de tasas la transferencia de créditos entre expedientes de otros estudios de la Universitat de Va-lència.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


14 / 101

Disposición Derogatoria. Quedan derogados el Reglamento de Transferencia y Reconocimiento de Créditos apro-bado por Consejo de Gobierno de 16 de febrero de 2010 y las Directrices para el reconocimiento de créditos en es-tudios conducentes a la obtención de títulos de máster y doctorado aprobadas por acuerdo 191/2009 de 3 de no-viembre del Consejo de Gobierno, así como cualquier otra norma de igual o menor rango, que contradiga la actual.

Disposición Final. La presente Normativa entrará en vigor al día siguiente de su aprobación y es aplicable a los es-tudios que regula el RD1393/2007.

Aprobado por el Consejo de Gobierno de 24 de mayo de 2011. ACGUV 126/2011.

ANEXO I

Vinculación de los títulos a las ramas de conocimiento que establece el RD 1393/2007, elaborados por la Universitatde València al amparo del RD 1497/1987 y también sus equivalentes,

Títulos de la rama de Ciencies Sociales y Jurídicas

Diplomado/a en Ciencies Empresariales

Diplomado/a en Logopedia

Diplomado/a en Relaciones Laborales

Diplomado/a en Trabajo Social

Diplomado/a en Turismo

Licenciado/a en Administración y Dirección de Empresas

Licenciado/a en Ciencias Políticas y de la Administración Pública

Licenciado/a en Derecho

Licenciado/a en Economía

Licenciado/a en Psicología

Licenciado/a en Sociología

Diplomado/a en Educación Social

Maestro, especialidad en Audición y Lenguaje

Maestro, especialidad en Educación Musical

Maestro, especialidad en Educación Infantil

Maestro, especialidad en Educación Física

Maestro, especialidad en Educación Especial

Maestro, especialidad en Educación en Lengua Extranjera

Maestro, especialidad en Educación Primaria

Licenciado/a en Pedagogía

Licenciado/a en Ciencias de la Actividad Física y del Deporte

Licenciado/a en Comunicación Audiovisual

Licenciado/a en Periodismo

Diplomado/a en Biblioteconomía y Documentación

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


15 / 101

Títulos de la rama de Artes y Humanidades

Licenciado/a en Filología Alemana

Licenciado/a en Filología Catalana

Licenciado/a en Filología Clásica

Licenciado/a en Filología Francesa

Licenciado/a en Filología Hispánica

Licenciado/a en Filología Inglesa

Licenciado/a en Filología Italiana

Licenciado/a en Geografía

Licenciado/a en Historia del Arte

Licenciado/a en Historia

Licenciado/a en Filosofía

Títulos de la rama de Ciencias

Diplomado/a en Óptica y Optometría

Licenciado/a en Física

Licenciado/a en Matemáticas

Licenciado/a en Biología

Licenciado/a en Ciencies Ambientales

Licenciado/a en Química

Títulos de la rama de Ingeniería y Arquitectura

Ingeniero/a Técnico/a en Telecomunicación, especialidad en Telemática

Ingeniero/a Técnico/a en Telecomunicación, especial. en Sistemas Electrónicos

Ingeniero/a en Informática

Ingeniero/a en Química

Títulos de la rama de Ciencias de la Salud

Diplomado/a en Enfermería

Diplomado/a en Podología

Diplomado/a en Fisioterapia

Diplomado/a en Nutrición Humana y Dietética

Licenciado/a en Farmacia

Licenciado/a en Medicina

Licenciado/a en Odontología

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


16 / 101

Nota explicativa

En el caso de estudiantes que hayan cursado estudios de sólo 2º ciclo o el 2º ciclo de una titulación procedente deun primer ciclo distinto, los reconocimientos de las materias de formación básica de rama son aquellas de la rama deconocimiento de la titulación del primer ciclo.

Títulos sólo de segundo ciclo

Licenciado/a en Ciencias Actuariales y Financieras

Licenciado/a en Investigación y Técnicas de Mercado

Licenciado/a en Ciencias del Trabajo

Licenciado/a en Criminología

Licenciado/a en Humanidades

Licenciado/a en Traducción e Interpretación

Licenciado/a en Psicopedagogía

Licenciado/a en Bioquímica

Licenciado/a en Ciencia y Tecnología de los Alimentos

Ingeniero/a en Electrónica

4.5 CURSO DE ADAPTACIÓN PARA TITULADOS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


17 / 101

5. PLANIFICACIÓN DE LAS ENSEÑANZAS5.1 DESCRIPCIÓN DEL PLAN DE ESTUDIOS


5.2 ACTIVIDADES FORMATIVAS

AF01. Actividades teóricas. En las clases teóricas se desarrollarán los temas proporcionando una visión global e integradora,analizando con mayor detalle los aspectos clave y de mayor complejidad, fomentando, en todo momento, la participación delestudiante.

AF02. Resolución de problemas. Como complemento a las actividades teóricas, se realizarán sesiones de discusión en el aulay resolución de problemas y ejercicios previamente trabajados por los estudiantes. Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo en equipo; típico en cualquier desarrollo práctico en Ciencia de Datos.

AF03. Actividades prácticas. Se implementarán y analizarán los contenidos teóricos en aulas de laboratorio de capacidad reducidadonde el alumnado tendrá acceso a los equipos y programas adecuados para esa labor.

AF04. Trabajo personal del estudiante. Realización fuera del aula de cuestiones, problemas e informes, así como la preparación declases y exámenes (estudio). Esta tarea se realizará de manera individual e intenta potenciar el trabajo autónomo.

AF05. Evaluación. Realización de cuestionarios /pruebas escritas individuales de evaluación en el aula con la presencia delprofesor.

AF06. Seminarios, visitas a instalaciones, asistencia a conferencias, etc.

AF07. Prácticas en empresa, organismo público o centro de investigación.

AF08. Elaboración de la memoria del Trabajo Fin de Grado y preparación de la presentación de la exposción pública.

AF09. Exposición pública del Trabajo Fin de Grado.

AF10. Tutorias

5.3 METODOLOGÍAS DOCENTES

MD1 - Actividades teóricas. Desarrollo expositivo de la materia con la participación del estudiante en la resolución de cuestionespuntuales. Realización de cuestionarios individuales de evaluación.

MD2 - Actividades prácticas. Aprendizaje mediante resolución de problemas, ejercicios y casos de estudio a través de los cuales seadquieren competencias sobre los diferentes aspectos de la materia.

MD3 - Competencias transversales. Visita a empresas, asistencia a cursos, conferencias, mesas redondas y otros tipos de actividadesorganizadas y/o propuestas por la CAT del Grado.

MD4 - Trabajos en laboratorio y/o aula ordenador. Aprendizaje mediante la realización de actividades desarrolladas de formaindividual o en grupos reducidos y llevadas a cabo en laboratorios y/o aulas de ordenador.

MD5 - Prácticas externas. Tareas llevadas a cabo en empresas o centros de investigación y desarrolladas sobre instalaciones,procesos, sistemas y/o servicios relacionados con la actividad profesional del Científico/a de Datos.

MD6 - Trabajo Fin de Grado. Trabajo individual y original realizado por el estudiante y relacionado con el empleo y desarrollo delas metodologías y técnicas aprendidas y las competencias adquiridas

5.4 SISTEMAS DE EVALUACIÓN

SE1 - Prueba objetiva, consistente en uno o varios exámenes que constan tanto de cuestiones teórico-prácticas como de problemas.

SE2 - Evaluación de las actividades prácticas a partir de la elaboración de trabajos/memorias y/o exposiciones orales.

SE3 - Evaluación continua de cada alumno, basada en la participación y grado de implicación del alumno en el proceso deenseñanza-aprendizaje, teniendo en cuenta la asistencia regular a las actividades presenciales previstas y la resolución de cuestionesy problemas propuestos periódicamente.

SE4- Informes sobre el alumno del tutor de la empresa o institución donde se desarrollen las prácticas externas y del tutoracadémico. Estos informes estarán basados en los aspectos más relevantes referidos al grado de cumplimiento de la práctica, aaspectos formativos y a las competencias adquiridas por el alumno.

SE5 - Evaluación de la memoria, presentación y defensa, del Trabajo Fin de Grado en el que se sinteticen las competenciasadquiridas en las enseñanzas.

5.5 NIVEL 1: Formación Básica

5.5.1 Datos Básicos del Nivel 1

NIVEL 2: Matemáticas

5.5.1.1 Datos Básicos del Nivel 2

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


18 / 101

CARÁCTER RAMA MATERIA

Básica Ingeniería y Arquitectura Matemáticas

ECTS NIVEL2 18

DESPLIEGUE TEMPORAL: Semestral

ECTS Semestral 1 ECTS Semestral 2 ECTS Semestral 3

18






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Matemática Discreta

5.5.1.1.1 Datos Básicos del Nivel 3

CARÁCTER ECTS ASIGNATURA DESPLIEGUE TEMPORAL

Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Análisis Matemático



Básica 6 Semestral

DESPLIEGUE TEMPORAL


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


19 / 101

6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Álgebra



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

5.5.1.2 RESULTADOS DE APRENDIZAJE

MATEMÁTICA DISCRETA

Entender las bases del razonamiento matemático, demostraciones matemáticas y razonamiento algorítmico. Saber formalizar información a través desentencias lógicas. Entender las bases de la teoría de números y ser capaces de aplicarlas en la resolución de problemas. Entender y conocer las pro-piedades básicas de los árboles y los grafos y ser capaces de relacionar estas estructuras con ejemplos prácticos.

ANÁLISIS MATEMÁTICO

Comprender y trabajar los conceptos de límite de sucesiones y de funciones, derivada e integral. Operar derivadas mediante sus propiedades básicas,la regla de la cadena o el teorema de la función inversa. Obtener primitivas de funciones con diferentes métodos. Entender y saber utilizar el conceptode función de varias variables y su derivabilidad parcial. Entender y saber utilizar los conceptos de gradiente y hessiano.

ÁLGEBRA

Conocer el álgebra matricial básica. Saber resolver sistemas de ecuaciones lineales masivos de forma eficiente. Conocer las descomposiciones másextendidas de las matrices y sus aplicaciones.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


20 / 101

5.5.1.3 CONTENIDOS


Lógica y proposiciones. Lógica booleana. Conjuntos. Relaciones binarias. Conteos y combinatoria. Aritmética. Sucesiones. Recurrencia e Inducción.Grafos: caminos y ciclos, coloraciones, conexión, representación de grafos en programas. Árboles: tipos de árboles y bosques de árboles.


Función de una variable. Series numéricas.Límites y continuidad. Derivadas e integrales. Teorema de Taylor. Funciones de varias variables. Diferen-ciabilidad. Gradiente y hessiano.

ÁLGEBRA

Vectores. Matrices. Espacios vectoriales y normas. Sistemas de ecuaciones lineales. Transformaciones. Procedimiento de Gramm-Schmidt. Valores yvectores propios de una matriz. Métodos numéricos para la resolución de sistemas lineales. Descomposiciones de matrices en valores singulares, envalores propios, LU y QR.

5.5.1.4 OBSERVACIONES

5.5.1.5 COMPETENCIAS

5.5.1.5.1 BÁSICAS Y GENERALES





5.5.1.5.2 TRANSVERSALES


5.5.1.5.3 ESPECÍFICAS


5.5.1.6 ACTIVIDADES FORMATIVAS

ACTIVIDAD FORMATIVA HORAS PRESENCIALIDAD

AF01. Actividades teóricas. En lasclases teóricas se desarrollarán lostemas proporcionando una visión globale integradora, analizando con mayordetalle los aspectos clave y de mayorcomplejidad, fomentando, en todomomento, la participación del estudiante.

78 100

AF02. Resolución de problemas. Comocomplemento a las actividades teóricas,se realizarán sesiones de discusión en elaula y resolución de problemas y ejerciciospreviamente trabajados por los estudiantes.Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo enequipo; típico en cualquier desarrollopráctico en Ciencia de Datos.

36 100

AF03. Actividades prácticas. Seimplementarán y analizarán los contenidosteóricos en aulas de laboratorio decapacidad reducida donde el alumnado

60 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


21 / 101

tendrá acceso a los equipos y programasadecuados para esa labor.

AF04. Trabajo personal del estudiante.Realización fuera del aula de cuestiones,problemas e informes, así como lapreparación de clases y exámenes(estudio). Esta tarea se realizará de maneraindividual e intenta potenciar el trabajoautónomo.

270 0

AF05. Evaluación. Realizaciónde cuestionarios /pruebas escritasindividuales de evaluación en el aula conla presencia del profesor.

6 100

5.5.1.7 METODOLOGÍAS DOCENTES




5.5.1.8 SISTEMAS DE EVALUACIÓN

SISTEMA DE EVALUACIÓN PONDERACIÓN MÍNIMA PONDERACIÓN MÁXIMA

SE1 - Prueba objetiva, consistente enuno o varios exámenes que constan tantode cuestiones teórico-prácticas como deproblemas.

0.0 80.0

SE2 - Evaluación de las actividadesprácticas a partir de la elaboración detrabajos/memorias y/o exposiciones orales.

20.0 80.0

SE3 - Evaluación continua de cadaalumno, basada en la participación ygrado de implicación del alumno enel proceso de enseñanza-aprendizaje,teniendo en cuenta la asistencia regulara las actividades presenciales previstas yla resolución de cuestiones y problemaspropuestos periódicamente.

0.0 20.0

NIVEL 2: Estadística



Básica Ciencias Matemáticas

ECTS NIVEL2 12



6 6






Sí No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


22 / 101


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Probabilidad y Simulación



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Inferencia Estadística



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


23 / 101

No No


PROBABILIDAD Y SIMULACIÓN

Entender el concepto de incertidumbre, aleatoriedad y probabilidad. Saber resolver problemas de cálculo de probabilidades. Entender el concepto devariable aleatoria. Conocer las distribuciones probabilísticas más importantes y saber calcular sus momentos y cuantiles y probabilidades asociadas.Entender el concepto de vector aleatorio y sus diferentes distribuciones de probabilidades asociadas: conjuntas, marginales y condicionadas. Simula-ción de distribuciones de probabilidad asociadas a variables aleatorias y cálculo aproximado de sus diferentes características probabilísticas.

INFERENCIA ESTADÍSTICA

Conocer las bases del aprendizaje estadístico frecuentista. Entender el concepto de población estadística en relación a los modelos probabilísticos.Entender el concepto de muestra aleatoria probabilística y muestra de datos observados. Entender el concepto de verosimilitud. Conocer los procedi-mientos básicos estadísticos de estimación y contraste de hipótesis, y saberlos aplicar al estudio de poblaciones normales y proporciones. Entenderlos fenómenos de censura y truncamiento en un banco de datos.

5.5.1.3 CONTENIDOS


Probabilidad. Cálculo de probabilidades. Variable aleatoria. Principales distribuciones discretas y continuas. Momentos. Transformaciones de variablesaleatorias. Vectores aleatorios. Distribución conjunta, condicionada y marginal. Covarianzas y correlaciones. Distribución normal multivariante. Simula-ción (métodos Monte Carlo).


Muestra y población. Población estadística. Máxima verosimilitud. Estimación y contraste de hipótesis. Intervalos de confianza y significatividad. Pre-dicción. Poblaciones normales: comparación de una o varias poblaciones. Muestras emparejadas y muestras independientes. Proporciones: compara-ción de una o varias proporciones. Análisis de supervivencia.
















60 100

AF02. Resolución de problemas. Comocomplemento a las actividades teóricas,

16 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


24 / 101

se realizarán sesiones de discusión en elaula y resolución de problemas y ejerciciospreviamente trabajados por los estudiantes.Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo enequipo; típico en cualquier desarrollopráctico en Ciencia de Datos.

AF03. Actividades prácticas. Seimplementarán y analizarán los contenidosteóricos en aulas de laboratorio decapacidad reducida donde el alumnadotendrá acceso a los equipos y programasadecuados para esa labor.

40 100


180 0


4 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Informática



Básica Ingeniería y Arquitectura Informática

ECTS NIVEL2 18



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


25 / 101

6 12






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Fundamentos de la Programación



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Bases de Datos



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6




Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


26 / 101



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Estructura de Datos y Algoritmos



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


FUNDAMENTOS DE LA PROGRAMACIÓN

Conocer las características y el funcionamiento básico de los elementos que conforman un ordenador Conocer y utilizar adecuadamente los diferentestipos de datos, simples y estructurados, para la representación informatizada de los datos Desarrollar, mantener y adaptar códigos estructurados quesean robustos, eficientes y seguros. Saber realizar programas que trabajen con diferentes formatos de entrada de datos y generen información en elformato de salida deseado.

BASES DE DATOS

Conocer los conceptos relacionados con los sistemas y modelos de almacenamiento y recuperación de la información y su importancia en las organi-zaciones. Conocer las ventajas de la utilización de Bases de Datos y las funcionalidades que proporciona un SGBDs. Conocer las teorías básicas y losmodelos matemáticos en los que se apoya el modelo relacional de datos. Conocer las herramientas para definir, introducir, modificar y explotar infor-mación en un sistema de gestión de bases de datos. Aplicar la metodología de diseño de BDs, desde el diseño conceptual al diseño físico.Conocer losconceptos básicos sobre el procesamiento de transacciones y sus propiedades. Saber representar información semántica con lenguajes de marcado.

ESTRUCTURAS DE DATOS Y ALGORITMOS

Diseñar algoritmos y analizar su idoneidad y complejidad para la resolución eficiente de problemas. Conocer, seleccionar y usar las estructuras de da-tos más adecuadas en función del problema a resolver. Desarrollar, mantener y adaptar códigos que utilicen adecuadamente las propiedades de laprogramación modular.

5.5.1.3 CONTENIDOS


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


27 / 101

Conceptos básicos de informática y herramientas del intérprete de comandos. Tipos de datos: simples y estructurados (arrays y registros). Estructurasde control. Programación modular. Entrada y Salida.

BASES DE DATOS

Concepto y modelos de Bases de datos. Modelo relacional de Bases de Datos. Lenguajes de consulta: SQL. Diseño de Bases de datos: diseño con-ceptual, lógico y físico. Estructuras básicas de almacenamiento para BDs. Procesamiento de Transacciones y propiedades ACID.Representación se-mántica de la información.


Diseño y análisis de algoritmos. Coste Computacional. Estructuras de datos: listas, pilas, colas, árboles, grafos. Métodos de ordenación. Orientación aobjetos. Encapsulación, herencia, polimorfismo.























AF01. Actividades teóricas. En lasclases teóricas se desarrollarán lostemas proporcionando una visión globale integradora, analizando con mayordetalle los aspectos clave y de mayor

78 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


28 / 101

complejidad, fomentando, en todomomento, la participación del estudiante.


36 100


60 100


270 0


6 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Datos y Sociedad



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


29 / 101

Básica Otras Ramas Otra Materia...

NUEVA MATERIA

ECTS NIVEL2 12



6 6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Datos, Ciencia y Sociedad



Básica 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Aspectos Legales sobre Datos



Básica 6 Semestral

DESPLIEGUE TEMPORAL


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


30 / 101

6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


DATOS, CIENCIA Y SOCIEDAD

Conocer el ámbito de aplicación de la ciencia de datos y las diferentes técnicas/aproximaciones que existen para ello. Conocer los elementos/etapasque componen un análisis de datos. Conocer las librerías/programas de los lenguajes más extendidos para el procesamiento de datos. Conocer elconcepto de reproducibilidad en Ciencia de Datos.

ASPECTOS LEGALES SOBRE DATOS

Tener conocimientos jurídicos básicos aplicados al uso y utilización de datos, tanto en redes sociales e Internet como en bases de datos electrónicasy no electrónicas, para respetar, cuanto menos, los derechos de intimidad y protección de datos. Tener conocimientos de protección jurídica y explota-ción, con fines investigadores y con fines comerciales, de los propios datos. Tener conocimientos básicos sobre el marco jurídico de la Administraciónelectrónica. Tener conocimientos básicos sobre la posición de la Administración Pública en el tratamiento de datos de carácter personal.

5.5.1.3 CONTENIDOS


Ciencia de datos definición, objetivos y técnicas. Tipos de datos/ problemas/aprendizaje. Etapas en un problema de datos. Aplicaciones en socie-dad/economía/industria. Programas/Lenguajes usados en ciencia de datos. Procedimientos de evaluación de modelos basados en datos. Medidas deerror. Problemas usuales: overfitting. Comunicación de resultados: investigación reproducible.


L.O.P.D europea y española: descripción y principales cuestiones. Ciberseguridad, aspectos legales. Propiedad intelectual y productos basados en da-tos. Nuevas cuestiones éticas/legales de la inteligencia artificial. Privacidad en la era del Big Data, aspectos legales. Identificación electrónica y servi-cios de confianza. Administración electrónica. Controles y garantías. Régimen jurídico. Procedimiento administrativo. Derechos de los ciudadanos. Se-guridad de las relaciones telemáticas.









Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


31 / 101










CE14 - Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el tratamiento de los datos y la aplicación delconocimiento obtenido.




74 100


7 100


30 100


180 0


4 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


32 / 101

AF06. Seminarios, visitas a instalaciones,asistencia a conferencias, etc.

5 100









0.0 80.0


20.0 80.0


0.0 20.0

5.5 NIVEL 1: Obligatorias


NIVEL 2: Optimización


CARÁCTER Obligatoria

ECTS NIVEL 2 6



6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


33 / 101

NIVEL 3: Optimización



Obligatoria 6 Semestral

DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


OPTIMIZACIÓN

Saber construir modelos de Optimización a partir de la descripción del problema a resolver, utilizando las variables y restricciones adecuadas en cadacaso. Saber utilizar los algoritmos básicos de optimización con y sin restricciones. Saber utilizar las herramientas básicas de resolución de los modelosde Programación Lineal y Programación Lineal Entera. Saber identificar la complejidad de un problema. Diseñar e implementar algoritmos metaheurís-ticos adecuados a cada problema.

5.5.1.3 CONTENIDOS

OPTIMIZACIÓN

Optimización sin restricciones. Diseño de funciones de coste. Optimización con restricciones. Extremos condicionados y multiplicadores de Lagrange.Métodos exactos. Tratabilidad: clases de problemas P y NP. Algoritmos de búsqueda. Metaheurísticos.











Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


34 / 101







30 100


8 100


20 100


90 0


2 100








0.0 80.0


20.0 80.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


35 / 101


0.0 20.0

NIVEL 2: Modelos Estadísticos



ECTS NIVEL 2 18




6 12





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Modelos Lineales




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


36 / 101

No No

NIVEL 3: Series Temporales




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Modelos Bayesianos




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


MODELOS LINEALES

Entender y aplicar los modelos de regresión lineal con una o varias variables de entrada. Entender y aplicar los modelos lineales de clasificación. En-tender y aplicar los procedimientos clásicos de selección de variables por etapas y los métodos de regularización y reducción de la dimensión del nú-mero de variables input.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


37 / 101

SERIES TEMPORALES

Conocer el concepto de serie temporal. Conocer los conceptos de localización/tendencia y estacionalidad. Conocer los diferentes métodos y modelospara analizar series temporales. Entender las fluctuaciones de la series temporales en relación a su esperanza y su varianza condicionada.

MODELOS BAYESIANOS

Aprender los elementos básicos del aprendizaje estadístico bayesiano. Entender la potencia del concepto bayesiano de probabilidad. Combinar infor-mación experta y experimental en procesos inferenciales básicos. Saber trabajar en entornos inferenciales y predictivos. Conocer el concepto de mo-delo gráfico probabilístico. Calcular probabilidades conjuntas mediante una red bayesiana. Conocer los algoritmos de inferencia de los modelos gráfi-cos probabilísticos.

5.5.1.3 CONTENIDOS

MODELOS LINEALES

Regresión lineal simple y múltiple. Clasificación: Regresión logística, análisis lineal discriminante. Selección de variables. Métodos de regularización.Métodos de reducción de la dimensión: componentes principales y mínimos cuadrados parciales.

SERIES TEMPORALES

Descomposición de las series temporales: localización, tendencia y estacionalidad. Modelos de suavizado exponencial. Modelos ARIMA. ModelosGARCH y NARX.

MODELOS BAYESIANOS

Probabilidad bayesiana. Distribución previa y a posteriori. Distribución predictiva previa y a posteriori. Intervalos de credibilidad. Proporciones y datosgaussianos. Contraste de hipótesis bayesiano. Redes bayesianas. Modelos gráficos probabilísticos.


















90 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


38 / 101


24 100


60 100


270 0


6 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Señales



ECTS NIVEL 2 18


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


39 / 101


6


6


6




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Señales y Sistemas




DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Procesado de Imágenes




DESPLIEGUE TEMPORAL



6


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


40 / 101




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Internet de las Cosas




DESPLIEGUE TEMPORAL




6




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


SEÑALES Y SISTEMAS

Saber caracterizar las señales en diferentes dominios. Conocer la respuesta impulsional. Saber determinar la salida de un sistema LTI. Conocer losmétodos de Fourier. Sabe aplicar/diseñar filtros digitales.

PROCESADO DE IMÁGENES

Conocer la representación de las imágenes. Conocer la transformada de Fourier de una imagen y su relación con la convolución 2D. Saber aplicar mé-todos de preprocesamiento de imágenes para modificación del contraste, eliminación de ruido y realce de bordes. Conocer los distintos formatos derepresentación de imágenes, sin compresión y con compresión (con o sin pérdidas). Saber aplicar técnicas para extracción de características en unaimagen (detección de esquinas, líneas, y aspectos circulares). Conocer en qué consiste la segmentación de imágenes y poder aplicar los métodos bá-sicos para esta tarea.

INTERNET DE LAS COSAS

Conocer las aplicaciones SMART basadas en datos. Conocer el concepto de Open Data y sus fuentes. Conocer los diferentes tipos de sensores exis-tentes en el mercado. Conocer las características de los datos en streaming.

5.5.1.3 CONTENIDOS

SEÑALES Y SISTEMAS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


41 / 101

Caracterización de señales y secuencias, energía y potencia. Respuesta impulsional , convolución y correlación. Sistemas en el dominio temporal. Sis-temas en el dominio transformado. Métodos de Fourier. Filtrado.


Representación de imágenes en niveles de gris y en color. Transformaciones de imagen en el dominio espacial y frecuencial. Preprocesamiento deimágenes: manipulación del contraste, eliminación de ruido, realce de bordes. Formatos de imagen y métodos de comprensión. Medidas de calidad deimagen. Extracción de características. Segmentación y clasificación.


Industria 4.0; Aplicaciones Smart (Smart-Cities, Smart-Tourism, Smart-Grid). Fuentes de información abiertas. Sensores. Datos en Streaming.





















86 100

AF02. Resolución de problemas. Comocomplemento a las actividades teóricas,se realizarán sesiones de discusión en elaula y resolución de problemas y ejerciciospreviamente trabajados por los estudiantes.

28 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


42 / 101

Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo enequipo; típico en cualquier desarrollopráctico en Ciencia de Datos.


60 100


270 0


6 100









20.0 80.0


20.0 60.0


0.0 20.0

NIVEL 2: Gestión de la Información



ECTS NIVEL 2 18



6 6

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


43 / 101


6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Tratamiento de los Datos




DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Gestión de Datos




DESPLIEGUE TEMPORAL


6





Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


44 / 101


Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Visualización de Datos




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


TRATAMIENTO DE LOS DATOS

Conocer las técnicas y algoritmos para pre-procesar y extraer las características más importantes de un conjunto de datos. Determinar las transforma-ciones más adecuadas para el problema a resolver. Saber caracterizar los datos atípicos o outliers. Conocer qué problemas se tienen al tener conjun-tos altamente desbalanceados.

GESTIÓN DE DATOS

Comprender la motivación de los sistemas de gestión de bases de datos paralelos y distribuidos. Disponer de los fundamentos básicos para analizarlas diferentes arquitecturas, las implicaciones en el rendimiento, la velocidad, la escalabilidad y la seguridad de las diferentes estrategias de particio-nado de los datos y evaluar y optimizar las consultas sobre datos distribuidos. Comprender qué es un almacén de datos y la razón de su importanciacomo soporte a la toma de decisiones. Conocer el modelo de datos multidimensional y el tipo de análisis de datos que facilita. Conocer los diferentessistemas de almacenamiento masivo de información conocidos genéricamente como sistemas NoSQL y disponer de los fundamentos básicos paradefinir, diseñar e implementar sistemas de información utilizando estos sistemas. Saber cómo realizar un proceso de integración de datos de distintasfuentes y migración.

VISUALIZACIÓN DE DATOS

Conocer qué características conducen a una buena visualización. Usar gráficos estadísticos (representativos y de diagnóstico) que se utilizan para ca-racterizar datos. Implementar métodos de visualización de datos multidimensionales. Aplicar técnicas de visualización de datos con dependencia tem-poral y espacial. Implementar procedimientos de visualización interactiva.

5.5.1.3 CONTENIDOS


Carga de datos. Selección y extracción de características. Pre-procesado de los datos: normalización y estandarización. Datos ausentes y anómalos.Entropía. Codificación de la información. Transformación de variables. Filtrado. Detección de outliers. Clases desbalanceadas.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


45 / 101

GESTIÓN DE DATOS

Bases de Datos paralelas y distribuidas. Optimización de consultas y optimización de consultas en entornos distribuidos. Almacenes de datos y mode-los multidimensional de datos. Bases de datos NoSQL . Integración de datos y procesos de migración de datos.


Color y percepción. El proceso de visualización de la información. Elementos básicos de un sistema de visualización. Herramientas para el diseño desistemas de visualización. Modelos de visualización: Tablas, gráficas, mapas de puntos, grafos Datos espaciales y geográficos. Visualización de múlti-ples variables y dimensiones. Manipulación de vistas. Datos textuales. Gráficos interactivos.

























92 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


46 / 101



22 100


60 100


270 0


6 100








0.0 60.0


20.0 80.0


0.0 20.0

NIVEL 2: Aprendizaje Automático y Minería de Datos



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


47 / 101

ECTS NIVEL 2 24




12 12





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Aprendizaje Máquina




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Agrupamiento y Variedades




DESPLIEGUE TEMPORAL



6

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


48 / 101





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Modelos Conexionistas




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Procesado del Lenguaje Natural




DESPLIEGUE TEMPORAL



6





Sí No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


49 / 101


No Sí No


No No No

ITALIANO OTRAS

No No


APRENDIZAJE MÁQUINA

Conocer e implementar árboles basados en datos. Conocer la base de los métodos kernel y los diferentes kernels que se pueden plantear.Obtener re-glas de asociación a partir de bases de datos (basket analysis). Conocer las diferentes formas que se tienen de asociar sistemas expertos.

AGRUPAMIENTO Y VARIEDADES

Conocer el concepto de clustering y los algoritmos iniciales planteados (HCM: Hard Means, FCM: Fuzzy Means y jerárquicos). Conocer los problemasde los algoritmos planteados y posibles soluciones. Conocer el problema de la maldición de la dimensionalidad . Conocer los principales algoritmos devariedades (manifolds) que existen.

MODELOS CONEXIONISTAS

Conocer el concepto de neurona. Aprender las principales arquitecturas neuronales. Conocer qué es una red convolucional. Aprender la diferencia en-tre lógica clásica y borrosa. Saber implementar sistemas neuro-borrosos.

PROCESADO DEL LENGUAJE NATURAL

Saber segmentar texto en elementos simples. Conocer las técnicas de procesado de lenguaje natural. Conocer e implementar las aplicaciones másextendidas de procesado de lenguaje natural.

5.5.1.3 CONTENIDOS


Métodos de aprendizaje. Árboles de decisión/regresión. Métodos kernel. Funciones de kernel no-estándar. Métodos ensemble. Reglas de asociación.Aprendizaje reforzado.


Clustering, concepto. Técnicas clásicas HCM y FCM. Clustering jerárquico, Spectral clustering y DBSCAN. Biclustering. Variedades (SOM, ISOMAP,LLE,T-SNE).


Neurona, concepto. Lógica borrosa. El perceptrón/adaline. Redes neuronales feed-forward shallow. Redes convolucionales. Sistemas Neuro-borrosos.


División de texto (tokenization), análisis morfológico (lemmatization), etiquetado gramatical (part-of-speech tagging), análisis de dependencia (depen-dency parsing), reconocimiento de entidades (named entity recognition). Modelos de lenguaje (n-gram, word embeddings). Aplicaciones: análisis desentimiento, extracción de información, clasificación de documentos, sistemas de respuesta automática (question answering), traducción automática.









Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


50 / 101














122 100


30 100


80 100


360 0


8 100



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


51 / 101






0.0 60.0


20.0 80.0


0.0 20.0

NIVEL 2: Economía, Empresa y Gestión



ECTS NIVEL 2 24




6 12


6




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Empresa y Ciencia de Datos




DESPLIEGUE TEMPORAL



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


52 / 101

6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Métodos Cuantitativos para la Gestión




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Gestión de la Innovación en Ciencia de Datos




DESPLIEGUE TEMPORAL



6





Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


53 / 101

Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Economía y Ciencia de Datos




DESPLIEGUE TEMPORAL




6




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


EMPRESA Y CIENCIA DE DATOS

Aplicar técnicas de decisión al ámbito de la empresa. Reconocer patrones de consumo mediante análisis de datos. Conocer técnicas de marketingdestinadas la relación con el consumidor. Medir la eficiencia y la eficacia de diferentes estrategias de marketing.

MÉTODOS CUANTITATIVOS PARA LA GESTIÓN

Aplicar los conceptos aprendidos de matemáticas y estadística a contextos de economía y empresa. Conocer técnicas de análisis dinámico de situa-ciones económicas tanto en tiempo discreto como continuo. Manejar las herramientas necesarias para extraer tendencias y cambios marginales en losdatos económicos. Buscar, seleccionar y valorar la información adecuada para el análisis económico.

GESTIÓN DE LA INNOVACIÓN EN CIENCIA DE DATOS

Organizar y dirigir los recursos, tanto humanos como económicos, con el fin de aumentar la creación de nuevos conocimientos relacionados con laCiencia de Datos. Conocer técnicas y procedimientos para la generación de ideas prácticas que permitan obtener nuevos productos, procesos y ser-vicios o mejorar los ya existentes en el ámbito de la Ciencia de Datos. Diseñar métodos para la transferencia de esas mismas ideas a las fases de ex-plotación y uso por la Sociedad. Ser capaz de desarrollar un Plan de Negocio (Business Plan) alrededor de una potencial idea de negocio.

ECONOMÍA Y CIENCIA DE DATOS

Conocer magnitudes macroeconómicas y microeconómicas a partir de grandes conjuntos de datos. Aplicar los modelos teóricos a las situaciones eco-nómicas. Manejar la estructura de mercado en diferentes contextos. Evaluar políticas de actuación a través de técnicas econométricas.

5.5.1.3 CONTENIDOS


Fundamentos de organización de empresas. La empresas y su áreas de decisión. Decisiones de marketing. Análisis del consumidor. Sistema de infor-mación marketing. Marketing analytics y Customer Relationship Marketing. Indicadores de eficacia y eficiencia de las decisiones de marketing.

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


54 / 101


Modelos input-output. Situaciones de equilibrio estático. Tendencias y análisis marginal. Elasticidad y análisis de sensibilidad. Análisis de equilibrio di-námico en tiempo continuo y discreto. Selección, filtrado y manejo de datos de fuentes primarias y secundarias (cuestionarios, encuestas y bases dedatos).


Procesos de Innovación en el ámbito de la Ciencia de Datos. Plan estratégico basado en la Innovación. Generación y detección de ideas (creatividad,vigilancia tecnológica, benchmarking e inteligencia competitiva). Desarrollo de proyectos (diseño de modelos de negocio, gestión de proyectos de in-novación, financiación, comunicación). Explotación de la innovación (mantenimiento y aseguramiento, transferencia y explotación, y gestión del conoci-miento).


Macroeconomía: Macromagnitudes, Empleo/desempleo, Inflación, Balanza de pagos, Tipos de cambio, Política fiscal y monetaria. Microeconomía:Teoría de la producción, Estructura de mercado de competencia perfecta e imperfecta. Aplicaciones empíricas de la Econometría a la Economía. Téc-nicas econométricas de evaluación de políticas.






















117 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


55 / 101



31 100


80 100


360 0


8 100

AF06. Seminarios, visitas a instalaciones,asistencia a conferencias, etc.

4 100









0.0 80.0


20.0 80.0


0.0 20.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


56 / 101

NIVEL 2: Salud



ECTS NIVEL 2 6




6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Estadística para Datos Ómicos




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


ESTADÍSTICA PARA DATOS ÓMICOS

Aprender las características especiales de los datos en biomedicina. Conocer los datos -ómicos (proteómicos, genómicos y metabólicos). Conocer lasaplicaciones de la ciencia de datos en biomedicina. Aplicar los métodos conocidos en problemas de biomedicina.

5.5.1.3 CONTENIDOS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


57 / 101

ESTADÍSTICA PARA DATOS ÓMICOS

Estadística y datos ómicos. R y Bioconductor. Anotación. Microarrays. Datos de RNA-seq. Expresión diferencial marginal. Comparaciones múltiples.Expresión diferencial con microarrays. Expresión diferencial con datos RNASeq. Generación de informe. Grupos de genes. Análisis de conjuntos degenes. Enriquecimiento de grafos. Agregación de listas y meta-análisis.


















30 100


8 100


20 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


58 / 101


90 0


2 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Computación



ECTS NIVEL 2 24



6


12


6




Sí No No


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


59 / 101

No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Infraestructura de Almacenamiento de Datos




DESPLIEGUE TEMPORAL


6






Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Redes y Seguridad




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


60 / 101

NIVEL 3: Datos Masivos




DESPLIEGUE TEMPORAL




6




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Programación Paralela




DESPLIEGUE TEMPORAL



6





Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


INFRAESTRUCTURA DE ALMACENAMIENTO DE DATOS

Conocer y saber utilizar los servicios y herramientas ofrecidos por los sistemas operativos . Conocer y saber utilizar los diferentes niveles de almace-namiento local, desde los dispositivos físicos de almacenamiento hasta los sistemas de ficheros. Conocer las técnicas habituales de virtualización derecursos y saber seleccionarlas y utilizarlas. Conocer la estructura básica de soporte físico usado en "Big Data".

REDES Y SEGURIDAD

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


61 / 101

Conocer la estructura de capas de las redes de computadores, así como los principales protocolos y servicios usados en Internet y en el tratamientode datos. Conocer y saber utilizar los dispositivos físicos y virtuales necesarios para crear y mantener redes de computadores. Conocer los riesgos de-rivados de la obtención, procesamiento, almacenamiento e intercambio de datos. Conocer y saber utilizar las técnicas criptográficas adecuadas para laobtención, procesamiento, almacenamiento e intercambio de datos. Seleccionar y aplicar las medidas técnicas que permitan mantener la seguridad delos sistemas de obtención, procesamiento, almacenamiento e intercambio de datos.

DATOS MASIVOS

Identificar y describir los requerimientos de almacenamiento y procesamiento de los sistemas de datos masivos. Describir y aplicar los nuevos para-digmas de procesamiento paralelo y distribuido necesarios en los sistemas de datos masivos. Conocer la arquitectura y gestionar los recursos de sis-temas de ficheros distribuidos. Conocer y aplicar diferentes paradigmas sobre arquitectura, flujo de datos y el modelo de programación de datos masi-vos. Conocer y utilizar los servicios ofrecidos por los sistemas de computación en la nube para el procesamiento de datos masivos.

PROGRAMACIÓN PARALELA

Identificar y describir las arquitecturas de los computadores paralelos y distribuidos. Conocer y aplicar los paradigmas de programación paralela y dis-tribuida, los modelos de programación relacionados y los estándares para el desarrollo de sistemas de altas prestaciones. Evaluar las prestaciones yescalabilidad de un sistema de procesamiento paralelo, estableciendo y aplicando las métricas para su comparación. Diseñar y desarrollar algoritmosconcurrentes que exploten las capacidades de paralelismo de las infraestructuras de computación paralela y distribuida.Diseñar y desarrollar progra-mas que utilicen con eficiencia los multiprocesadores y las arquitecturas paralelas para el procesado de datos.

5.5.1.3 CONTENIDOS


Introducción a los SSOO y su administración. Almacenamiento local: discos duros, particiones, volúmenes lógicos, RAID. Sistemas de ficheros locales.Virtualización de recursos y sistemas operativos virtualizados. Hardware orientado a Big Data.

REDES Y SEGURIDAD

Introducción a las redes de computadores: estructura de capas y protocolos básicos de Internet. Virtualización de redes. Seguridad informática (SI):concepto de proceso de seguridad, evaluación de riesgos y de impacto, medidas preventivas, detección y tratamiento de incidentes, auditoría. Cripto-grafía y sus aplicaciones: cifrado de datos almacenados y en tránsito (HTTPs, SSH, VPNs).

DATOS MASIVOS

Programación distribuida/paralela. Sistemas de ficheros distribuidos: HDFS. Modelo de programación MapReduce. Hadoop, Spark. Paralelización. Sis-temas distribuidos a gran escala. Infraestructuras de computación en la nube. Servicios.


Fundamentos de los sistemas paralelos y distribuidos. Paradigmas y modelos de programación de los sistemas paralelos y distribuidos. Programaciónmultihilo. Criterios de evaluación de algoritmos/modelos paralelos (eficiencia).













Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


62 / 101
















122 100


30 100


80 100


360 0

AF05. Evaluación. Realizaciónde cuestionarios /pruebas escritas

8 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


63 / 101

individuales de evaluación en el aula conla presencia del profesor.









0.0 60.0


20.0 80.0


0.0 20.0

5.5 NIVEL 1: Optativas


NIVEL 2: Análisis y Procesamiento de Audio y Voz


CARÁCTER Optativa

ECTS NIVEL 2 4,5

DESPLIEGUE TEMPORAL: Anual

ECTS Anual 1 ECTS Anual 2 ECTS Anual 3


4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


64 / 101

NIVEL 3: Análisis y Procesamiento de Audio y Voz



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


ANÁLISIS Y PROCESAMIENTO DE AUDIO Y VOZ

Aplicar técnicas de estimación y detección sobre señales de audio, entendiendo los fundamentos estadísticos asociados a las mismas. Conocer losfundamentos de los sistemas de reconocimiento de voz basados en modelos ocultos de Markov. Aplicar técnicas de aprendizaje máquina a señales deaudio y voz, con aplicación al reconocimiento de locutores y otros problemas de clasificación. Comprender los fundamentos básicos de la generacióny la percepción de señales de audio en general, voz y música. Conocer la representación de señales de audio en el dominio temporal y frecuencial,así como los fundamentos matemáticos asociados a ambos dominios. Aplicar transformaciones tiempo-frecuencia para el análisis en tiempo corto deseries temporales. Aplicar técnicas de estimación y detección sobre señales de audio, entendiendo los fundamentos estadísticos asociados a las mis-mas.

5.5.1.3 CONTENIDOS

ANÁLISIS Y PROCESAMIENTO DE AUDIO Y VOZ

Análisis de la señal de voz. Reconocimiento automático del habla. Modelado acústico y del lenguaje. Reconocimiento del locutor Síntesis del habla.Representaciones vectoriales de las palabras. Descriptores para señales de audio y musicales. Análisis de señales de audio. Información y recupera-ción en bases de datos de audio. Segmentación y detección de eventos en tramas de audio.












Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


65 / 101



22 100


6 100


15 100


67.5 0


2 100








0.0 80.0


20.0 80.0

SE3 - Evaluación continua de cadaalumno, basada en la participación ygrado de implicación del alumno enel proceso de enseñanza-aprendizaje,teniendo en cuenta la asistencia regulara las actividades presenciales previstas y

0.0 20.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


66 / 101

la resolución de cuestiones y problemaspropuestos periódicamente.

NIVEL 2: Analítica de Datos en Salud


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Analítica de Datos en Salud



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


ANALÍTICA DE DATOS EN SALUD

Conocer las características especiales de las imágenes/señales médicas. Conocer las bases de un sistema de ayuda a la decisión clínica. Saber im-plementar un sistema de aprendizaje por refuerzo en clínica. Saber gestionar/optimizar los recursos hospitalarios a partir de datos.

5.5.1.3 CONTENIDOS

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


67 / 101


Sistemas de ayuda a la decisión clínica. Desarrollo de un sistema experto en salud: etapas. Modelado de series temporales biomédicas. Farmacociné-tica/Farmacodinámica usando aprendizaje máquina. Optimización de dosis. Mejora de recursos hospitalarios. Desarrollo de una aplicación práctica.

















26 100


2 100


15 100

AF04. Trabajo personal del estudiante.Realización fuera del aula de cuestiones,problemas e informes, así como lapreparación de clases y exámenes(estudio). Esta tarea se realizará de manera

67.5 0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


68 / 101

individual e intenta potenciar el trabajoautónomo.


2 100









0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Aprendizaje Profundo


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


69 / 101

No existen datos

NIVEL 3: Aprendizaje Profundo



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


APRENDIZAJE PROFUNDO

Aprender las principales arquitecturas neuronales profundas. Conocer los problemas del aprendizaje profundo y sus soluciones. Conocer los principa-les algoritmos de redes recurrentes.

5.5.1.3 CONTENIDOS


Problemas con sistemas multicapa profundos: soluciones. Autoencoders profundos, redes convolucionales profundas; redes recurrentes.












Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


70 / 101







25 100


3 100


15 100


67.5 0


2 100








0.0 80.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


71 / 101


20.0 80.0


0.0 20.0

NIVEL 2: Analítica Web y Redes Sociales


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Analítica Web y Redes Sociales



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


72 / 101


No existen datos


ANALÍTICA WEB Y REDES SOCIALES

Recopilar y analizar información de la web (incluyendo redes sociales). Implementar sistemas para procesar y analizar la información adquirida. Aplicarlas principales herramientas informáticas existentes para llevar a cabo dicho análisis.

5.5.1.3 CONTENIDOS


Introducción a la analítica web y redes sociales. KPI (Key Performance Index) y técnicas analíticas. Agrupamiento de usuarios en la web. Informes.Analítica social. Análisis de sentimientos.
















22 100


6 100

AF03. Actividades prácticas. Seimplementarán y analizarán los contenidosteóricos en aulas de laboratorio decapacidad reducida donde el alumnado

15 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


73 / 101

tendrá acceso a los equipos y programasadecuados para esa labor.


67.5 0


2 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Sistemas Dinámicos Complejos


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


74 / 101

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Sistemas Dinámicos Complejos



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


SISTEMAS DINÁMICOS COMPLEJOS

Entender los conceptos básicos para el estudio de los mecanismos de decisión individual en juegos. Saber aplicar las técnicas para el modelado y si-mulación de sistemas complejos. Conocer la estructura y características de las redes de interconexión en entornos de dinámica social. Saber analizare interpretar los fenómenos colectivos de emergencia en sistemas sociales.

5.5.1.3 CONTENIDOS


Teoría de juegos y cálculo de equilibrios. Modelización y simulación de sistemas dinámicos. Interacción en redes complejas. Emergencia de fenóme-nos colectivos en sistemas sociales.










Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


75 / 101








22 100


6 100


15 100


67.5 0


2 100








0.0 80.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


76 / 101


20.0 80.0


0.0 20.0

NIVEL 2: Logística Basada en Datos


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Logística Basada en Datos



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


77 / 101


No existen datos


LOGÍSTICA BASADA EN DATOS

Saber construir modelos de localización adecuados al problema a resolver. Saber modelizar y resolver problemas de rutas por vértices y por arcos. Sa-ber construir modelos para la gestión de almacenes. Conocer las técnicas básicas de Optimización Multicriterio y saber aplicarlas en problemas de Lo-gística. Conocer las herramientas existentes para la solución exacta de los modelos. Diseñar e implementar algoritmos heurísticos y metaheurísticosadecuados a cada problema.

5.5.1.3 CONTENIDOS


Problemas de localización. Distribución de productos y servicios: rutas por vértices y rutas por arcos. Gestión de almacenes. Problemas estáticos y di-námicos. Problemas multicriterio. Algoritmos exactos y heurísticos.


















24 100

AF02. Resolución de problemas. Comocomplemento a las actividades teóricas,se realizarán sesiones de discusión en elaula y resolución de problemas y ejerciciospreviamente trabajados por los estudiantes.Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo en

4 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


78 / 101

equipo; típico en cualquier desarrollopráctico en Ciencia de Datos.


15 100


67.5 0


2 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Finanzas y Ciencia de Datos


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


79 / 101

Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Finanzas y Ciencia de Datos



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


FINANZAS Y CIENCIA DE DATOS

Aplicar los conceptos cuantitativos y económicos a las decisiones de inversión. Conocer técnicas de valoración de datos financieros. Seleccionar carte-ras de valores utilizando criterios financieros y no financieros. Utilizar las técnicas estadísticas y borrosas para el tratamiento de la incertidumbre en lasinversiones.

5.5.1.3 CONTENIDOS


Decisiones de inversión. Criterios de valoración financiera. Rentabilidad y riesgo de activos. Selección de carteras. Inversiones bajo condiciones de in-certidumbre. Inversiones socialmente responsables.






Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


80 / 101











20 100


8 100


15 100


67.5 0


2 100





Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


81 / 101




0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Análisis Espacial y Geográfico


CARÁCTER Optativa

ECTS NIVEL 2 4,5




4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Análisis Espacial y Geográfico



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


82 / 101

No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


ANÁLISIS ESPACIAL Y GEOGRÁFICO

Saber organizar, almacenar, modelización y analizar datos espaciales. Entender datos con diferentes distribuciones espaciales. Identificar la aleatorie-dad espacial completa. Entender los variogramas. Entender los modelos bayesianos jerárquicos con suavización espacial para el mapeado de enfer-medades o de otros sucesos relevantes.

5.5.1.3 CONTENIDOS


Sistemas de información geográfica. Estudio de patrones puntuales. Geoestadística. Modelos Bayesianos de suavización espacial.


















24 100

AF02. Resolución de problemas. Comocomplemento a las actividades teóricas,

4 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


83 / 101

se realizarán sesiones de discusión en elaula y resolución de problemas y ejerciciospreviamente trabajados por los estudiantes.Se incentivará el trabajo en grupo paraacostumbrar al alumno al trabajo enequipo; típico en cualquier desarrollopráctico en Ciencia de Datos.


15 100


67.5 0


2 100








0.0 80.0


20.0 80.0


0.0 20.0

NIVEL 2: Métodos de Álgebra Lineal para Matrices Masivas de Datos


CARÁCTER Optativa

ECTS NIVEL 2 4,5



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


84 / 101


4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NIVEL 3: Métodos de Álgebra Lineal para Matrices Masivas de Datos



Optativa 4,5 Anual

DESPLIEGUE TEMPORAL



4,5



Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos


Conocer las estructuras de datos comunes para el almacenamiento de matrices masivas, posiblemente dispersas. Tener capacidad de desarrollar es-tructuras de datos adecuadas a cada problema particular. Identificar las limitaciones de los métodos algebraicos comunes cuando se aplican a matri-ces dispersas o con estructura. Conocer métodos eficientes para la resolución de sistemas lineales y para el cálculo de la descomposición en valoressingulares de problemas con matrices de gran tamaño. Conocer los métodos elementales de resolución de sistemas no lineales masivos.

5.5.1.3 CONTENIDOS

Estructuras de datos eficientes para matrices masivas de datos; métodos iterativos de proyección para sistemas lineales determinados y sobredetermi-nados (mínimos cuadrados); métodos de Arnoldi y Lanczos para descomposiciones parciales en valores y vectores propios o singulares; métodos deresolución de sistemas no lineales masivos.





Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


85 / 101













21 100


7 100


15 100


67.5 0


2 100



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


86 / 101






0.0 80.0


20.0 80.0


0.0 20.0

5.5 NIVEL 1: Prácticas Externas


NIVEL 2: Prácticas Externas


CARÁCTER Prácticas Externas

ECTS NIVEL 2 12





12




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No

NIVEL 3: Prácticas Externas



Prácticas Externas 12 Semestral

DESPLIEGUE TEMPORAL


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


87 / 101



12




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


PRÁCTICAS EXTERNAS

Saber aplicar los conocimientos y habilidades adquiridos en un entorno profesional. Ser capaz de integrarse en un entorno laboral. Aprender a trabajarcon otros científicos de datos en un problema común.

5.5.1.3 CONTENIDOS

PRÁCTICAS EXTERNAS

Se desarrollarán actividades relacionadas con la actividad profesional del científico de datos en empresas, organismos públicos o centros de investiga-ción. Dada la elevada diversidad de actividades posibles, los contenidos variarán según la organización y el trabajo realizado en ésta. El seguimiento ydesarrollo de las prácticas se llevará a cabo según la normativa de la Universitat de València.
















AF07. Prácticas en empresa, organismopúblico o centro de investigación.

300 100

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


88 / 101


MD5 - Prácticas externas. Tareas llevadas a cabo en empresas o centros de investigación y desarrolladas sobre instalaciones,procesos, sistemas y/o servicios relacionados con la actividad profesional del Científico/a de Datos.



SE4- Informes sobre el alumno del tutorde la empresa o institución donde sedesarrollen las prácticas externas y deltutor académico. Estos informes estaránbasados en los aspectos más relevantesreferidos al grado de cumplimiento dela práctica, a aspectos formativos y a lascompetencias adquiridas por el alumno.

100.0 100.0

5.5 NIVEL 1: Trabajo Fin de Grado


NIVEL 2: Trabajo Fin de Grado


CARÁCTER Trabajo Fin de Grado / Máster

ECTS NIVEL 2 12





12




Sí No No


No Sí No


No No No

ITALIANO OTRAS

No No


No existen datos

NO CONSTAN ELEMENTOS DE NIVEL 3


Capacidad para desarrollar, presentar y defender ante una comisión un trabajo relacionado con el perfil de egreso que se ha definido a través de losobjetivos generales indicados en esta memoria. Capacidad para realizar un trabajo específico o de investigación en el ámbito de ciencia de datos. Sa-ber aplicar los conocimientos y habilidades adquiridos a aspectos relacionados con el desempeño de la profesión.

5.5.1.3 CONTENIDOS

Realización, presentación y defensa de un ejercicio original presentado individualmente ante un tribunal universitario, consistente en un proyecto inte-gral de ciencia de datos de naturaleza técnico profesional o explicativa (prueba de concepto) en el que se sinteticen las competencias adquiridas enlas enseñanzas.



Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


89 / 101










CETFG - Capacidad para desarrollar un ejercicio original, a realizar individualmente, así como presentar y defender anteun tribunal universitario, consistente en un trabajo en el ámbito de la ciencia de datos en el que se sinteticen e integren lascompetencias adquiridas en las enseñanzas.



AF08. Elaboración de la memoria delTrabajo Fin de Grado y preparación de lapresentación de la exposción pública.

290 0

AF09. Exposición pública del Trabajo Finde Grado.

1 100

AF10. Tutorias 9 100


MD6 - Trabajo Fin de Grado. Trabajo individual y original realizado por el estudiante y relacionado con el empleo y desarrollo delas metodologías y técnicas aprendidas y las competencias adquiridas



SE5 - Evaluación de la memoria,presentación y defensa, del TrabajoFin de Grado en el que se sinteticenlas competencias adquiridas en lasenseñanzas.

100.0 100.0

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


90 / 101

6. PERSONAL ACADÉMICO6.1 PROFESORADO Y OTROS RECURSOS HUMANOS

Universidad Categoría Total % Doctores % Horas %

Universitat de València (Estudi General) ProfesorContratadoDoctor

13.8 100 12,8

Universitat de València (Estudi General) Ayudante Doctor 1.7 100 1,5

Universitat de València (Estudi General) Profesor Titularde EscuelaUniversitaria

6.9 0 3,3

Universitat de València (Estudi General) Catedrático deUniversidad

20.7 100 27,4

Universitat de València (Estudi General) Profesor Titularde Universidad

56.9 100 55

PERSONAL ACADÉMICO


6.2 OTROS RECURSOS HUMANOS


7. RECURSOS MATERIALES Y SERVICIOSJustificación de que los medios materiales disponibles son adecuados: Ver Apartado 7: Anexo 1.

8. RESULTADOS PREVISTOS8.1 ESTIMACIÓN DE VALORES CUANTITATIVOS

TASA DE GRADUACIÓN % TASA DE ABANDONO % TASA DE EFICIENCIA %

60 20 75

CODIGO TASA VALOR %

No existen datos

Justificación de los Indicadores Propuestos:


8.2 PROCEDIMIENTO GENERAL PARA VALORAR EL PROCESO Y LOS RESULTADOS

El procedimiento para la revisión y mejora de la calidad del grado seguirá el Sistema de Garantía Interna de Calidad de la Universitat de València des-crito en el apartado 9, incluyendo el diseño de un plan de seguimiento, mejora y de evaluación de los resultados.

Este plan permitirá valorar mejor los resultados del aprendizaje de los y las estudiantes en la evaluación de cada una de los módulos. Los profesores ylas profesoras de los módulos que comparten actividades podrán compartir la evaluación de la adquisición de las distintas competencias. Se proponenla figura del coordinador o la coordinadora docente que se encargará de supervisar e integrar el funcionamiento en esos dos ámbitos, y formará partede la comisión académica de título del grado propuesto.

Por su parte las prácticas externas permitirán tener un referente externo para valorar el trabajo del alumnado por parte de instituciones o empresas.Por último, el trabajo final de grado también permitirá evaluar el grado de adquisición de un número de competencias por parte de los y las estudian-tes.

El mecanismo del proceso de análisis y medición de resultados globales de la titulación, descrito dentro del Sistema de Garantía Interna de Calidad dela UV, consiste en:

1. Gestión del proceso

Impulso del Plan: corresponde al Vicerrectorado que asume las competencias de la política de calidad, que en este momento es el Vicerrectorado dePolíticas de Formación y Calidad Educativa. Dicho vicerrectorado desarrolla el Plan mediante el apoyo técnico de la Unitat de Qualitat.

Aprobación y lanzamiento del Plan: Comisión de Calidad de los Servicios Universitarios.

Estructura Técnica de apoyo:· Servicio de Análisis y Planificación, que gestiona el Observatorio de Calidad de las Titulaciones y ofrece información actualizada sobre el comportamiento en

cada titulación de los indicadores seleccionados.· Unitat de Qualitat, que coordina el desarrollo del proceso

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


91 / 101

Estructuras de evaluación y seguimiento en las titulaciones:· Comisión Académica de la Titulación (CAT): es el órgano responsable de la garantía de calidad de la titulación.

· Comité de Calidad de la Titulación (CCT): nombrado por la CAT, es el órgano responsable de evaluar la calidad del grado y entre sus funciones principales estála de emitir los informes técnicos de la calidad de la titulación, y remitirlos a la CAT. Para ello contará con el apoyo de la Unitat de Qualitat.

2. Indicadores de rendimiento

Para evaluar el funcionamiento del título se utilizarán, además de los indicadores de resultados propuestos en el punto anterior, los siguientes indica-dores de rendimiento:

· Tasa de rendimiento: Relación porcentual entre el número total de créditos superados y el número total de créditos matriculados a examen.

· Tasa de éxito: Relación porcentual entre el número total de créditos superados y el número total de créditos presentados a examen.

· Tasa de eficiencia: relación entre el número de créditos superados por los/las estudiantes y el número de créditos que se tuvieron que matricular en ese curso y enanteriores, para superarlos.

Además, el Comité de Calidad estudiará otros aspectos como:

· Permanencia

· Absentismo en clases presenciales

· Presentación a la primera convocatoria

· Participación en actividades complementarias del curriculum central.

Asimismo se contará con el asesoramiento del OPAL para analizar la inserción profesional de los/las egresados/as con el objetivo de conocer y com-paginar las demandas del mercado laboral, el perfil de los/las egresados/as y la formación universitaria.

3. Proceso a seguir

1. La Comisión de Calidad de los Servicios Universitarios insta a la CAT a elaborar un informe de seguimiento del progreso de los estudiantes, una vez concluidoel grado.

2. El Servicio de Análisis y Planificación proporciona a la CAT los datos elaborados en el Observatorio de Calidad de las Titulaciones (perteneciente a la Unitat deQualitat).

3. La CAT nombra el Comité de Calidad de Titulación y le encarga la elaboración de un informe, a partir de los datos proporcionados por el Observatorio de Cali-dad de las Titulaciones (Unitat de Qualitat).

4. La CAT debate el informe presentado por el CCT y aprueba las medidas de mejora a implantar en la titulación al año siguiente.5. La Dirección del Centro remite al Vicerrectorado y a la Comisión de Calidad de la Universidad una copia del informe aprobado.

4. Medición de la satisfacción

En cualquier proceso de garantía de calidad de una titulación es necesario realizar la medición de la satisfacción de todos los implicados. En este sen-tido la Unitat de Qualitat, junto con el Servei de Postgrau, y en coordinación con el CCT, elaborará y propondrá las encuestas de satisfacción para re-coger la satisfacción y opinión de los diferentes grupos de interés (estudiantes, profesores, egresados, personal de administración y servicios, etc.) en

diferentes momentos del proceso de enseñanza.

La Unitat de Qualitat realizará el correspondiente procesamiento y análisis de los resultados emitiendo el informe de los resultados. Este informe seráutilizado por la Comisión Académica del Título (CAT), en la evaluación de los diferentes procesos del sistema de garantía de calidad.

9. SISTEMA DE GARANTÍA DE CALIDADENLACE http://www.uv.es/gade/c/docs/SGIC/VERIFICA/VERIFICA.pdf

10. CALENDARIO DE IMPLANTACIÓN10.1 CRONOGRAMA DE IMPLANTACIÓN

CURSO DE INICIO 2018


10.2 PROCEDIMIENTO DE ADAPTACIÓN

No procede.

10.3 ENSEÑANZAS QUE SE EXTINGUEN

CÓDIGO ESTUDIO - CENTRO

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


92 / 101

11. PERSONAS ASOCIADAS A LA SOLICITUD11.1 RESPONSABLE DEL TÍTULO

NIF NOMBRE PRIMER APELLIDO SEGUNDO APELLIDO

22691513N PAULA MARZAL DOMENECH

DOMICILIO CÓDIGO POSTAL PROVINCIA MUNICIPIO

Avenida de la Universidd, s/n 46100 Valencia/València Burjassot

EMAIL MÓVIL FAX CARGO

[email protected] 667796114 963864117 Directora de la Escuela TécnicaSuperior de Ingenierías

11.2 REPRESENTANTE LEGAL


22610942X ESTEBAN JESUS MORCILLO SANCHEZ


Avenida de Blasco Ibáñez, 13 46010 Valencia/València Valencia


[email protected] 620647262 963864117 Rector

11.3 SOLICITANTE

El responsable del título no es el solicitante


25972815L JESUS AGUIRRE MOLINA


Avenida de Blasco Ibáñez, 13 46010 Valencia/València Valencia


[email protected] 649457354 963864117 Jefe de Sección de Planes deEstudio y Títulos

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042


93 / 101

Apartado 2: Anexo 1Nombre :Apartado 2 con Respuesta alegaciones.pdf

HASH SHA1 :D85B130F3498FDB18823E923049DC4C009A8329C

Código CSV :274101457742249412413712Ver Fichero: Apartado 2 con Respuesta alegaciones.pdf

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042

https://sede.educacion.gob.es/cid/274101457742249412413712.pdf


94 / 101

Apartado 4: Anexo 1Nombre :Apartado_4_1.pdf

HASH SHA1 :93E93F43ED4BAE88F3C91F62630AEF385113CF2F

Código CSV :258750561265496172284667Ver Fichero: Apartado_4_1.pdf

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



95 / 101


HASH SHA1 :9CAA8A815D92604F5901B22E15173E785519884F


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



96 / 101


HASH SHA1 :7046A8A67B1FAADC0D340EBD779515E914CF4C10


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



97 / 101


HASH SHA1 :2F3C7DED9402DA778FB5B4A7546128D2556E1268


Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



98 / 101

Apartado 7: Anexo 1Nombre :Apartado_7.pdf

HASH SHA1 :A77852880CF6702D0F329EAC2B3BF7DCEC4712C6

Código CSV :274081451595183192327456Ver Fichero: Apartado_7.pdf

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



99 / 101

Apartado 8: Anexo 1Nombre :Apartado 8.pdf

HASH SHA1 :7B6E615E34E59AB8930A92CC1A82ADFAC64ECDCF

Código CSV :258885709112766098923398Ver Fichero: Apartado 8.pdf

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



100 / 101

Apartado 10: Anexo 1Nombre :Apartado_10.pdf

HASH SHA1 :749712C24462A37B583BD1091877DE22A239A8A3

Código CSV :258885664332240402352608Ver Fichero: Apartado_10.pdf

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042



101 / 101

Pued

e va

lidar

est

e do

cum

ento

en

la S

ede

Elec

troni

ca d

e es

te M

inis

terio

o e

n su

Car

peta

Ciu

dada

na (h

ttps:

//sed

e.ad

min

istra

cion

.gob

.es)

.C

SV: 2

7758

1391

2157

5286

4942

042

FECHA: 13/10/2017 EXPEDIENTE Nº: 9717/2017

ID TÍTULO: 2503664

RESPUESTA AL INFORME PROVISIONAL REALIZADO POR ANECA DE LA SOLICITUD DE VERIFICACIÓN DEL TÍTULO DE GRADUADO/A EN CIENCIA DE DATOS POR LA UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) ASPECTOS A SUBSANAR CRITERIO 3. COMPETENCIAS La competencia CE05 "Entender la utilidad de la ciencia de datos y sus elementos asociados, así como su aplicación en la resolución de problemas, eligiendo las técnicas más adecuadas a cada problema, aplicando de forma correcta las técnicas de evaluación y, finalmente, interpretando los modelos y resultados" no se refiere a aspectos concretos del título, sino que se trata de una competencia tan genérica que englobaría prácticamente todo el título. Para facilitar su evaluación debe reescribirse dicha competencia La redacción de la competencia CE09 “Saber aplicar conceptos de probabilidad y de estadística básica a problemas con datos” es ambigua. Se debe concretar a qué se refiere con “problemas con datos”. La competencia CE13 “Capacidad de razonar como un científico de datos, con capacidad analítica y orientada a la resolución de problemas complejos” es ambigua y no evaluable. Debe reescribirse dicha competencia.

RESPUESTA: Se han reescrito las competencias CE05, CE09 y CE13 para subsanar los comentarios del presente informe. Las nuevas competencias quedan de la siguiente forma:

● CE05: Conocer los ámbitos de aplicación más relevantes de la Ciencia de Datos y entender cómo la Ciencia de Datos se utiliza para soportar y realizar la toma de decisiones basada en datos.

● CE09: Conocer y aplicar de forma metodológica los conceptos y técnicas de probabilidad y

estadística necesarios para la extracción de conocimiento útil a partir del análisis de datos.

● CE13: Saber diseñar, aplicar y evaluar algoritmos de Ciencia de Datos para la resolución de problemas complejos.

La nueva redacción de la competencia CE05 se centra en el conocimiento de los ámbitos de aplicación de la ciencia de datos. Por ello, se vincula a las asignaturas “Datos y sociedad”, “Economía, empresa y gestión”, “Logística basada en datos”, “Finanzas y ciencia de datos” y “Análisis espacial y geográfico”, donde se muestra su utilidad como soporte para la toma de decisiones en diferentes contextos.

csv:

274

1014

5774

2249

4124

1371

2

En la nueva redacción de la competencia CE09 se especifica más claramente el sentido que anteriormente se había dado al término “problemas con datos” quedando patente que el objetivo es la extracción de conocimiento útil. La nueva redacción de la competencia CE13 especifica con mayor claridad el objetivo concreto de saber diseñar, aplicar y evaluar algoritmos para la resolución de problemas complejos. La competencia, así definida, es evaluable a través de la comprobación de la correcta aplicación de la metodología de análisis y diseño de algoritmos.

CRITERIO 4. ACCESO Y ADMISIÓN DE ESTUDIANTES

Respecto al acceso a las enseñanzas de grado de mayores de 40 años con experiencia laboral o profesional, el RD 412/2014, por el que se establece la normativa básica de los procedimientos de admisión a las enseñanzas universitarias oficiales de Grado, contempla esta posibilidad si bien la Universidad “A efectos de lo dispuesto en este artículo, las Universidades incluirán en la memoria del plan de estudios verificado, de acuerdo con lo dispuesto en el Real Decreto 1393/2007, de 29 de octubre, por el que se establece la ordenación de las enseñanzas universitarias oficiales, los criterios de acreditación y ámbito de la experiencia laboral o profesional en relación con cada una de las enseñanzas, de forma que permitan ordenar a los solicitantes. Entre dichos criterios se incluirá, en todo caso, la realización de una entrevista personal con el candidato, que podrá repetir en ocasiones sucesivas”. Esta información ha de aportarse en la memoria. RESPUESTA: Atendiendo a la sugerencia se ha añadido el siguiente párrafo en el apartado 4.2 “Requisitos de acceso y criterios de admisión” (dentro del subapartado “Porcentaje de reserva de plazas”): “Mayores de 40 años. Se reserva el 1 por 100 de las plazas para los estudiantes mayores de 40 años que acrediten experiencia laboral o profesional. El procedimiento de selección de estos estudiantes tendrá en cuenta su experiencia laboral y profesional, su formación, el conocimiento del valenciano y de idiomas comunitarios. También se realizará una entrevista personal para valorar su madurez e idoneidad. La selección de estos estudiantes se regirá por el procedimiento de selección para el acceso a enseñanzas universitarias oficiales de grado para mayores de 40 años mediante la acreditación de experiencia laboral o profesional aprobado por el Consejo de Gobierno de la Universitat de València, ACGUV 52/2010. En cuanto a la experiencia profesional la Comisión Académica de Título (CAT) valorará los siguientes aspectos: a) Experiencia profesional en la resolución de problemas basada en un uso y análisis intensivo de datos (máximo 7 puntos) y b) relación de la experiencia profesional con el ámbito de la Estadística y la Informática (máximo 3 puntos). Estos aspectos se determinarán a partir del curriculum del candidato así como de la entrevista personal mantenida con el candidato o la candidata”.

csv:

274

1014

5774

2249

4124

1371

2

CRITERIO 5. PLANIFICACIÓN DE LAS ENSEÑANZAS

La memoria incluye un apartado genérico de información sobre los procesos de movilidad. Se debe añadir información concreta de las actuaciones de movilidad que atañan a este título, adjuntando la relación de universidades con las que se tiene establecido convenio para el

intercambio de estudiantes de este título.

RESPUESTA: Se ha modificado el apartado 5.1.2 para incluir los acuerdos de movilidad que tiene suscritos la Universitat de València con otras universidades relacionadas directamente con el grado propuesto. Como se ha comentado en el apartado 3, las competencias CE05, CE09 y CE13 deben reescribirse, por lo tanto deberá revisarse también la asignación de las mismas a las materias del plan de estudios. RESPUESTA: Se han reescrito las competencias comentadas, clarificando los aspectos señalados en el informe. Consecuentemente, se han revisado todas las asignaciones de competencias.

Además, se han visto los siguientes problemas en la asignación de competencias: Los contenidos de la materia “Señales” no contribuyen de manera significativa a la adquisición de las competencias CE02 “Conocer y aplicar de forma metodológica las técnicas de programación y la algoritmia necesarias para el procesado eficiente de información y la resolución informática de problemas que utilizan grandes volúmenes de datos” y CE06 “Capacidad para representar y visualizar conjuntos de datos para la extracción de conocimiento”. RESPUESTA: Estando de acuerdo con esta apreciación, se ha eliminado la vinculación de las competencias CE02 y CE06 a la materia “Señales”.

Los contenidos de la materia “Economía, Empresa y Gestión” no contribuyen de manera significativa a la adquisición de las competencias CE08 “Capacidad para comprender, seleccionar y utilizar la infraestructura y técnicas adecuadas para el tratamiento de datos masivos, atendiendo a criterios de eficiencia, escalabilidad, seguridad, tolerancia a fallos y adecuación al entorno de producción” y CE10 “Capacidad para procesar señales de forma digital extrayendo información de ellas”.

csv:

274

1014

5774

2249

4124

1371

2

RESPUESTA: Estando de acuerdo con esta apreciación, se ha eliminado la vinculación de las competencias CE08 y CE10 a la materia “Economía, Empresa y Gestión”.

Los contenidos de la materia “Computación” no contribuyen de manera significativa a la adquisición de la competencia CE14 “Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el tratamiento de los datos y la aplicación del conocimiento obtenido”. RESPUESTA: Estando de acuerdo con esta apreciación, se ha eliminado la vinculación de la competencia CE14 a la materia “Computación”.

Los contenidos de la materia “Finanzas y Ciencia de Datos” no contribuyen significativamente a ninguna de las competencias que tiene asignadas. RESPUESTA: Estando de acuerdo con esta apreciación, se han asignado las siguientes competencias a la materia “Finanzas y Ciencia de Datos”: CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. CG05 - Capacidad de análisis y síntesis, en la elaboración de informes y defensa de ideas. CG07 - Capacidad para tomar decisiones de forma autónoma, elaborando de forma adecuada y original, argumentos razonados, pudiendo obtener así hipótesis razonables y contrastables. CT05 - Capacidad para evaluar las ventajas e inconvenientes de diferentes alternativas metodológicas y/o tecnológicas en distintos ámbitos de aplicación. CE05 - Conocer los ámbitos de aplicación más relevantes de la Ciencia de Datos y entender cómo la Ciencia de Datos se utiliza para soportar y realizar la toma de decisiones basada en datos.. CE12 - Capacidad para diseñar y poner en marcha soluciones basadas en análisis de datos en el ámbito de la medicina y de los negocios, teniendo en cuenta los requisitos específicos de este tipo de casos de uso.

csv:

274

1014

5774

2249

4124

1371

2

Los contenidos de la materia “Estadística”, no contribuyen significativamente a alcanzar la competencia CE01 “Capacidad para resolver los problemas matemáticos que puedan plantearse en Ciencia de Datos aplicando conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos y optimización”. RESPUESTA: Estando de acuerdo con esta apreciación, se ha eliminado la vinculación de la competencia CE01 a la materia “Estadística”. El TFG está asociado exclusivamente a las competencias específicas CE03 y CE13. Estas competencias no integran ni sintetizan la mayor parte de las competencias del título. Se debe solventar este aspecto. RESPUESTA: Estando de acuerdo con la apreciación, se ha añadido una nueva competencia específica que recoge las características integrales del TFG en el Grado en Ciencia de Datos y se ha eliminado la anterior vinculación a las competencias específicas CE03 y CE13. La redacción de la nueva competencia para el TFG es la siguiente: CETFG: Capacidad para desarrollar un ejercicio original, a realizar individualmente, así como presentar y defender ante un tribunal universitario, consistente en un trabajo en el ámbito de la ciencia de datos en el que se sinteticen e integren las competencias adquiridas en las enseñanzas. Debe realizarse una asignación más realista de competencias a materias. RESPUESTA: Atendiendo a las modificaciones indicadas en las anteriores respuestas, y tras una revisión completa de la asignación de competencias a las materias, se propone una asignación más realista. Los cambios realizados son:

● Datos y sociedad: se añade la competencia CE05 y se elimina la CE13 al reescribirse ambas competencias.

● Optimización: se elimina la competencia CE05 y se añade la competencia CE13 al reescribirse dichas competencias.

● Modelos estadísticos: se añade la competencia CE09 y se eliminan la competencias CE05 y CE13 al reescribirse ambas competencias.

● Computación: se eliminan las competencias CE05 y CE14. ● Señales: se eliminan las competencias CE02 y CE06. ● Economía, empresa y gestión: se eliminan las competencias CE01, CE08, CE10 y CE13. ● Análisis y procesamiento de audio: se elimina la competencia CE01. ● Sistemas dinámicos complejos se elimina la competencia CE05 y se añade la CE13. ● Finanzas y ciencia de datos: se sustituyen las anteriores competencias por las siguientes: CB2,

CB5, CG05, CG07, CT05, CE05, CE12.

csv:

274

1014

5774

2249

4124

1371

2

● Métodos de álgebra lineal para matrices masivas de datos: se elimina la competencia CE05 al reescribirse dicha competencia.

● Trabajo Fin de Grado: se sustituyen las anteriores competencias específicas por la nueva competencia específica CETFG.

La descripción de contenidos de las asignaturas "Internet de las Cosas" y "Analítica de Datos en Salud" es demasiado general, lo que hace difícil evaluar si el estudiante adquirirá las competencias asignadas a las materias correspondientes. RESPUESTA: Atendiendo a la sugerencia del informe, se han ampliado los contenidos de estas dos asignaturas para dar mayor información:

● En cuanto a Internet de las Cosas el temario quedaría como: Sensores. Plataformas Arduino y Raspberry Pi, Programación en Python de estas plataformas. Industria 4.0; Aplicaciones Smart (Smart-Cities, Smart-Tourism, Smart-Grid). Fuentes de información abiertas. Sensores. Datos en Streaming. Desarrollo de un proyecto de Internet de las Cosas.

● El nuevo temario de Analítica de Datos en Salud sería el siguiente Sistemas de ayuda a la decisión clínica. Desarrollo de un sistema experto en salud: etapas. Modelado de series temporales biomédicas. Farmacocinética/Farmacodinámica usando aprendizaje máquina. Optimización de dosis. Mejora de recursos hospitalarios. Desarrollo de una aplicación práctica.

El peso dado al SE2 "Evaluación de las actividades prácticas a partir de la elaboración de trabajos/memorias y/o exposiciones orales." no es acorde al carácter práctico de la materia “Señales” en la que la ponderación mínima del SE2 es de 0%. Se debe ajustar el mínimo del sistema de evaluación en la materia “Señales”. RESPUESTA: Tratándose de un error de transcripción se corrige asignando un porcentaje mínimo de esta materia para SE2 del 20%.

CRITERIO 6. PERSONAL ACADÉMICO

La Universidad facilita la información del profesorado disponible de los departamentos

involucrados. Se debe dar la información específica del profesorado disponible para el título

propuesto. Para poder valorar la adecuación y suficiencia del personal académico, se debe incluir

el perfil académico (titulación, acreditación), docente (años de experiencia y ámbito de

csv:

274

1014

5774

2249

4124

1371

2

experiencia), profesional (años de experiencia y ámbito de experiencia) y porcentaje de dedicación

al título, todo ello por ámbitos de conocimiento.

RESPUESTA: Con el fin de mostrar la adecuación y suficiencia del personal académico, en el Anexo del Apartado 6 sobre Personal Académico, se ha incluido la Tabla 6.5 en la que se recoge el profesorado del título agrupado por materias. Para cada profesor se indica el área de conocimiento a la que pertenece, el porcentaje su dedicación a la materia y una breve biografía mostrando su perfil académico y su trayectoria docente e investigadora. Asimismo se han actualizado las tablas de Profesorado (Apartado 6), Quinquenios del profesorado participante en el grado (Tabla 6.3 del Anexo 1 del Apartado 6) y Sexenios del profesorado participante en el grado (Tabla 6.4 del Anexo 1 del Apartado 6), teniendo en cuenta los cambios en las figuras de profesorado habidos desde la remisión de la solicitud.

Dado que el título posee Prácticas Externas se debe especificar la experiencia de los tutores

académicos, que participarán en la docencia del título, en la tutorización de dichas actividades.

RESPUESTA: Atendiendo a la sugerencia se facilita información de la experiencia del profesorado en la tutorización de Prácticas Externas. Para ello se incluye una tabla resumen de las prácticas tutorizadas por el profesorado implicado en el título en los últimos tres cursos académicos, mostrando cifras entre 100 y 175 prácticas tuteladas anualmente (Tabla 6.7 del Anexo 1 del Apartado 6). Cabe resaltar que la mayor parte del profesorado se encuentra adscrito a centros en los que las titulaciones incluyen mayoritariamente prácticas externas obligatorias, como es el caso el presente título, lo que avala la capacidad del profesorado y del propio centro para gestionar esta compleja actividad. Asimismo, se cuenta con profesorado con dilatada experiencia en la gestión de los procesos de las prácticas externas como Coordinador de Prácticas de Centro. Por último, indicar que recientemente se ha iniciado un programa en la Universitat de València para la “Evaluación y acreditación de tutores de prácticas externas” al que ya se han acogido algunos profesores que participarán en la titulación y se espera que otros lo hagan en las próximas ediciones.

CRITERIO 7. RECURSOS MATERIALES Y SERVICIOS

Se debe incluir una descripción de los laboratorios/aulas informáticas que realmente se utilizarán para la docencia práctica del Grado donde se indique, para cada uno de ellos, los equipos disponibles (HW y SW), el número de puestos de trabajo y el porcentaje de su utilización en la titulación.

Se ha añadido toda la información solicitada al Anexo 1 del Apartado 7, que ahora describe los detalles de las aulas informáticas que se utilizarán para las sesiones de laboratorio de la titulación así como su porcentaje de utilización. Puede comprobarse tanto la adecuación y disponibilidad de los espacios como de la dotación HW y SW para la impartición del Grado en Ciencia de Datos.

csv:

274

1014

5774

2249

4124

1371

2

2 - J 2.1 -La cmultiEl cono hestá Se ecantiimprecreciconoañosprofepartircient En loUniveotrosen esuna abstrescricientStree

FigurEstadprobl Existgradnuevinvol

Justifica

- Justificacapacidad idisciplinar ontexto tecnan hecho mrevoluciona

estima que idad de infenta desdeimiento anu

ocimiento pas se ha pesionales cr de los datífica de dat

os últimos ersidad esps perfiles ceste campo. científica deracción gráito por Ractíficas de det Journal, D

ra 2-1. Perfidística, conolema a resolv

ten una sero y que, de

vas asignatucradas. Po

ación, ad

ción de tratar yha estado dnológico acmás que coando nuestr

los datos reformación

e su apariciual son deara empres

producido ucon capacidatos: un petos.

años, no hpañola, la dercanos queDe hecho,

e datos se áfica ha sidchel Schutt datos del grDow Jones

il de un cienocimientos dver.

rie de factoresde un enturas en loor ejemplo,

ecuación

y explotar detrás de mtual y la adnfirmar a lora vida diari

egistrados acientos de ón. Cabe c

el 300%. Tasas, sociedaun crecimiedades para erfil que ha

habiendo, edemanda de no obstancomo mueha ubicado

do extraídaque es la

rupo empre, The New Y

ntífico de dade programac

res que aconfoque doceos planes d

conviene te

n de la p

conjuntos muchos avadición constos datos coia.

actualmenteveces ma

considerar, al cantidadades y gobento de tip

manejar, ta sido acuñ

en sentido e estos pronte muestrastra la Figu

o en la inter del libro “

a actual resesarial NewYork Post, T

atos: debe tción avanza

onsejan la cente, van mde estudio ener en cue

propuesta

de datos ances sociatante de numo una ma

e rondan loayor a la pademás, q

d de datos biernos. Es po exponetransformarñado como

estricto, eofesionales an algunas

ura 2-1, el prsección de“Doing Datsponsable dws Corp queThe Times

tener una fuados (Hackin

creación de más allá de

actuales denta los sigu

a y proce

desde un les a lo largevos ámbit

ateria prima

os 100 ZB (producida eue las tasaes una vapor ello qu

encial en lr y extraer el de un

ste perfil ase ha intencarencias erfil típico d

e distintas ha Science, del equipo e está detrof London y

uerte base eng Skills) y c

este nuevoe la simple de las diveuientes asp

edimient

punto de go de la hisos de aplic

a cuya utiliz

(1023 bytes)en bruto pas esperadaaliosa fuente en los úla demandconocimiecientífico o

académico ntado cubricuando tra

de un cientíhabilidades. O’Reilly 2de científic

rás de They The Sun.

en Matemáticonocimiento

o perfil a nivintroducció

ersas discippectos:

tos

vista storia. ación ación

), una por la as de te de timos a de nto a

o una

en la ir con bajan fico o Esta

2013”, cos y Wall

icas y os del

vel de ón de plinas

csv:

274

1014

5774

2249

4124

1371

2

1. El desarrollo y bajo precio de los sensores y de los dispositivos de captación de datos en los últimos años ha hecho posible que aparezcan nuevos tipos de datos no estructurados para los cuales han surgido nuevas técnicas de tratamiento.

2. La disponibilidad de grandes volúmenes de datos en distintos dominios de aplicación, que se actualizan constantemente y que se encuentran en continuo crecimiento, ha conducido al desarrollo de nuevas herramientas y algoritmos para procesarlos que superan las aproximaciones clásicas.

3. Los progresos en el hardware y en el software de las computadoras actuales, como la consolidación de las GPUs o la virtualización, han permitido que la informática pueda dar respuesta el reto de gestionar datos masivos (Big Data).

4. El incremento de los algoritmos de Inteligencia Artificial así como de sus aplicaciones ha permitido su uso en un gran número de empresas, que necesitan cubrir un perfil que conozca no sólo la parte técnica sino también la base matemática, estadística y del ámbito del negocio.

5. El alumnado interesado en este tipo de formación debe en estos momentos optar por una formación de grado en sólo una de las áreas básicas anteriores para después complementar su formación con una formación de postgrado.

En respuesta a la demanda creciente de las empresas y de la Sociedad de un perfil especializado en el tratamiento, extracción de conocimiento y aplicación de los datos, el objetivo de este grado es: formar especialistas en el tratamiento de datos con conocimientos suficientes de Matemáticas, Estadística, Computación, Procesado de Señal y Negocio, capaces de adquirir, procesar, transformar y extraer conocimiento de conjuntos de datos (ya sean estructurados o no y ya sean en pequeños o grandes volúmenes). Se resumen a continuación las ventajas que aporta esta oferta formativa de grado:

1. Se cubre una demanda existente y futura de un perfil laboral del cual no se dispone actualmente a nivel de grado. El perfil obtenido, además, tendría una inserción laboral rápida y directa.

2. Se tendrá un nuevo perfil científico-técnico con una mayor preparación para afrontar los profundos cambios que el procesado de datos avanzado va a provocar en los próximos años. Considérese por ejemplo el concepto de Industria 4.0, la implantación generalizada de la Inteligencia Artificial, el beneficio de su utilización en el ámbito de la salud, la explosión de las tecnologías Smart, etc.

3. Situará a nuestro país junto a los más avanzados en estos temas, ya que actualmente los países más desarrollados están incluyendo este perfil en sus titulaciones y conviene no quedarse atrás.

La Universitat de València, Estudi General desde su nacimiento, reúne las condiciones óptimas para atender esta carencia formativa y ofertar este Grado en Ciencia de Datos que formará al alumnado en un perfil altamente demandado y con gran proyección, que no responde a ninguna titulación actual y que tiene una alta componente multidisciplinar, incluyendo conocimientos en Matemáticas, Estadística, Informática, Electrónica, Salud y Empresa. 2.2 - Adecuación de la propuesta Adecuación profesional El avance explosivo de las TIC en los últimos años ha revolucionado los procesos de conversión de datos en inferencias, información a partir de la cual generar conocimiento, de una manera impensable hasta hace poco más de un decenio. Tal

csv:

274

1014

5774

2249

4124

1371

2

posibilidad implica a todos los sectores, desde la ciencia y los negocios hasta los medios de comunicación, el ocio y el turismo. La importancia de los beneficios para ciertos ámbitos de aplicación (como son las ciudades inteligentes, la energía, el medio ambiente, la sostenibilidad, la participación ciudadana y la salud) evidencian la irreversibilidad de la implantación de dichos procesos. Esta situación fue prevista a finales de los años 90 por el biólogo evolucionista John Maynard Smith y el filósofo húngaro Eors Szathmáry, quienes, en "The Major Transitions in Evolution", indicaron que las TIC estaban originando un cambio cuyo alcance sería mayor que el producido por la imprenta y sólo comparable a la aparición del lenguaje articulado, pero cuyas consecuencias concretas no sabían todavía prever. Compartamos algunos números para dimensionar el contexto actual, a pesar de que las magnitudes se actualicen constantemente. La capacidad de cálculo de los superordenadores rebasa ya el Pflop (1015 operaciones en punto flotante por segundo), los portátiles más potentes se van aproximando al Tflop (1012 operaciones en punto flotante por segundo) y la computación en la nube hace accesible el cálculo de altas prestaciones a costes reducidos. Los enlaces troncales de comunicaciones suman cientos de Pbps (1015 bits por segundo), los accesos individuales llegan al entorno del Gbps (109 bits por segundo) y los dispositivos móviles se cuentan por miles de millones. YouTube almacena 100 horas nuevas de vídeo por minuto y Walmart tramita 1 millón de transacciones comerciales por hora con sus clientes. Cada día, Google procesa 24 PB de información, Flicker incluye 20 millones de fotografías y Twitter envía del orden de 340 millones de tuits. El instrumento clave para explotar el contexto anterior es la Ciencia de Datos, que incluye un sólido núcleo analítico matemático y estadístico, junto con su imprescindible apoyo en técnicas y herramientas informáticas. Los efectos de la aplicación de la Ciencia de Datos están siendo de primera magnitud a nivel profesional. Se observa una gradación desde la creación de gigantescas empresas con sólido apoyo en estos conocimientos y tecnologías (p.ej. Google, Amazon, Facebook,...), a la inclusión de las aplicaciones entre los objetivos de negocio de otras (p.ej. IBM, Fujitsu, Samsung, SAP, Atas, ...) o al nacimiento de nuevas compañías cuyo negocio se centra en la manera de entender la sociedad y la economía a través de los datos. En consecuencia, la demanda de profesionales en las áreas de tratamiento y extracción de conocimiento a partir de los datos ha tenido un crecimiento exponencial en los últimos años y se prevé que se mantenga en la próxima década. Por ejemplo, el portal de ofertas de empleo Infojobs aparecen 3106 trabajos relacionado con la palabra datos (fecha de búsqueda 9/5/2017); si la palabra de búsqueda es data aparecen 1117 ofertas. No en vano, la Harvard Business Review calificó la profesión de científico de datos como la más atractiva del siglo XXI (Data Scientist: The Sexiest Job of the 21st Century, HBR, Octubre 2012, https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century) mientras que Randstad Professional confirmaba la presencia entre los perfiles más demandados el pasado enero de 2017 (https://www.randstad.es/nosotros/sala-prensa/ingenieros-profesionales-de-it-y-especialistas-en-big-data-seran-los-perfiles-mas-demandados-en-2017/). En esta línea de consulta de fuentes de empleo se ha consultado el portal de salidas profesionales del OPAL (Observatorio de Inserción Profesional y Asesoramiento Laboral de la Universidad de Valencia) observando las mismas tendencias que en las fuentes anteriormente citadas. Es importante destacar que, más allá de las modas en el uso de ciertas etiquetas (p.ej. el famoso Big Data) o de tendencias tecnológicas (p.ej. MapReduce), existe un ajuste a largo plazo hacia perfiles con un mayor fundamento de ciertas disciplinas básicas.

csv:

274

1014

5774

2249

4124

1371

2

Se aprecia, en concreto, una evolución del científico o la científica de datos hacia un perfil profesional con las siguientes capacidades:

● Identificar situaciones en las que sea relevante el tratamiento de grandes volúmenes de datos, y los aspectos en los que dicho tratamiento puede suponer mejoras prácticas.

● Analizar las tareas a resolver en función de la situación concreta y los datos disponibles.

● Conocer las características de la organización y estructura de la Web más importantes para la búsqueda y recogida de información de interés.

● Emplear diferentes metodologías para la obtención y tratamiento de grandes volúmenes de datos relacionados con un problema concreto de la Web o de los medios sociales.

● Diseñar y desarrollar herramientas que permitan obtener, gestionar, tratar, analizar y visualizar grandes volúmenes de datos.

● Diseñar algoritmos eficientes de tratamiento de señales que permitan analizarlas y transformarlas en datos.

● Desarrollar aplicaciones que implementen estas técnicas para el tratamiento de problemas de gran escala, empleando, entre otras, herramientas de cálculo distribuido y masivamente paralelo.

● Aplicar técnicas analíticas para la extracción de información a partir de los datos disponibles, de manera computacionalmente eficiente.

● Conocer procedimientos de valoración de los resultados obtenidos, tanto desde el punto de vista de validez de los modelos empleados como desde la perspectiva de su aplicabilidad a casos concretos.

● Aplicar estos procedimientos a problemas reales en diferentes ámbitos prácticos, como pueden ser la gestión financiera o de mercados, el ámbito sanitario, los problemas energéticos, el tratamiento de textos, el tratamiento de imágenes, etc.

● Conocer la legislación relativa a la recogida, transporte, almacenamiento, tratamiento y difusión de datos.

● Comunicar los resultados obtenidos y las ventajas de la aplicación de los mismos de manera clara y atractiva.

● Trabajar como parte de un equipo que aborde los problemas de tratamiento de datos desde diferentes puntos de vista, y que proporcione soluciones eficientes y completas.

Como se puede observar, este nuevo perfil tan demandado hoy en día es altamente multidisciplinar y requiere que la universidad española desarrolle nuevos programas de grado que tengan estas características. Esta carencia se está intentando solucionar con programas de postgrado que complementan algunos de los aspectos anteriores. No obstante, la formación integral final dependerá mucho del grado de origen y el resultado no siempre responderá a esta visión global de generador y gestor de conocimiento. Adecuación académica El Grado en Ciencia de Datos tiene un encaje perfecto en la oferta formativa de la Universitat de València por varias razones:

1. La Universitat de València cuenta con las Facultades y Escuelas adecuadas para impartir esta formación multidisciplinar. Un grado de estas características necesita aportar una base de conocimientos en matemáticas, estadística e informática. Además, necesita aportar conocimientos sobre aspectos legales (p.ej. privacidad y propiedad en los datos), sobre aspectos de negocio (económicos y de empresa) y sobres aspectos de salud (biológicos y médicos).

csv:

274

1014

5774

2249

4124

1371

2

La Universitat de València - Estudi General (UV) dispone de las Facultades de Ciencias Matemáticas, Derecho, Economía, Física, Ciencias Biológicas, Medicina y Odontología y de la Escuela Técnica Superior de Ingeniería (ETSE-UV), donde se imparten conocimientos de Informática y Electrónica. Todo el personal académico y los recursos docentes asociados hacen de la UV una universidad especialmente apta y adecuada para formar científicos de datos.

2. Existe un gran número de departamentos de la Universitat de València que estarán involucrados en la impartición de este grado y que centran su labor investigadora y docente diaria en el análisis de datos (p.ej. de tipo texto, imágenes, vídeos, bioseñales, audio, datos numéricos “estándar, etc.). Este conjunto de profesores y profesoras proporciona un marco de colaboración que se ve reforzado y unificado bajo el paraguas docente de este grado. Así pues este grado proporciona un instrumento a la Universitat de València para aunar capacidades interdisciplinares e interdepartamentales.

3. La Universitat de València dispone de una gran red de colaboraciones con empresas e instituciones, que se materializa en forma de contratos y Cátedras Universidad - Empresa, que apoyan este grado. Entre las Cátedras más relevantes para el grado conviene destacar la Càtedra de Govern Obert, Participació i Open Data con la Generalitat Valenciana, la Cátedra de Privacidad y Transformación Digital con Microsoft (única en España y primera en europa), la Cátedra de Innovación en el Desarrollo de Software con Capgemini y la Cátedra DevStat-UV para la promoción de metodologías cuantitativas en la toma de decisiones y el desarrollo de políticas óptimas. Al final de este apartado 2 se anexan una serie de cartas de interés por parte de algunas empresas colaboradoras.

4. La Universitat de València imparte actualmente el único Máster Oficial en Ciencia de Datos (http://www.uv.es/mcd) acreditado por la ANECA en la Comunidad Valenciana. Se dispone, por tanto, de un cuerpo docente multidisciplinar y multidepartamental que ya tiene experiencia en implantar una oferta formativa tan compleja como la que se plantea. El Máster en Ciencia de Datos de la Universitat de València ofrece una continuidad en estudios de postgrado oficiales a los estudiantes de grado que no se ofrece en ninguna otra universidad de la Comunidad Valenciana. El plan de estudios de este Máster oficial se modificará sustancialmente para ser una continuación natural a la formación de la primera promoción del grado propuesto, que se prevé que tendrá sus primeros graduados y graduadas en 2022.

5. Además del Máster Universitario en Ciencia de Datos, la Universitat de València tiene una amplia experiencia en la impartición de títulos de postgrado relacionados con la Ciencia de Datos. Conviene destacar el Máster Oficial en Bioinformática que forma desde hace años a profesionales capaces de desarrollar nuevas estrategias computacionales y sistemas informáticos que se aplican al sector biomédico y biotecnológico. Por otra parte, el Máster Oficial en Tecnologías Web, Computación en la Nube y Aplicaciones Móviles de la Universitat de València forma al alumnado en nuevas técnicas de adquisición y visualización de datos así como su tratamiento en sistemas computacionales distribuidos en la nube.

Respecto a las características del alumnado, se espera un perfil científico con expectativas en la aplicabilidad de los futuros conocimientos y competencias que se adquirirán en el grado. El alumno o la alumna idóneos para cursar el grado que se propone deberían reunir a nivel suficiente las siguientes características:

csv:

274

1014

5774

2249

4124

1371

2

● Haber adquirido habilidades analíticas básicas, y haber llegado al convencimiento de su importancia para abordar problemas reales.

● Estar familiarizado con el manejo de los elementos y la utilización de los servicios TIC, y en particular con los ordenadores y los actuales dispositivos de acceso a las redes de comunicaciones.

● Sentir curiosidad e interés por un espectro amplio de problemas emergentes en las sociedades de este tiempo, desde los relativos a negocios hasta los de asistencia social y humanitaria, pasando por la salud, la calidad de vida, la formación, el ocio, etc. Mostrar una actitud favorable para estudiar dichos problemas y contribuir a su solución, propiciando además la innovación y el emprendimiento.

● Y, en virtud de los rasgos anteriores, tener la mejor disposición para dedicar el debido esfuerzo a la comprensión de los diferentes aspectos de problemas concretos, a la determinación de cómo se pueden emplear las herramientas analíticas y TIC para abordarlos, a aportar soluciones eficientes y eficaces, y a llevarlas a cabo de modo que contribuyan al progreso individual y colectivo.

En otras palabras, el nuevo grado resultará atractivo para aquellos futuros y aquellas futuras estudiantes cuyo interés sea el procesado de datos para conseguir otros objetivos relacionados con distintos ámbitos de aplicación. En definitiva, para todo aquel que esté interesado en saber manejar e interpretar conjuntos de datos provenientes de distintas fuentes, sin necesidad de adentrarse en los detalles de implementación y configuración de los sistemas de información. Obviamente, la detección de estudiantes preuniversitarios y preuniversitarias con este perfil requerirá, al menos inicialmente, de actuaciones específicas de difusión, exploración y atracción, que se diseñarán en momentos oportunos del proceso de implantación. 2.3 - Procedimientos de consulta para desarrollar la propuesta Procedimientos de consulta internos En el proceso de elaboración del presente Plan de Estudios del Título de Grado en Ciencia de Datos, se han seguido los procedimientos de consulta internos que se detallan a continuación:

● Propuesta de Comisión Elaboradora del Plan de Estudios (CEPE). ● Junta de Centro de la Escuela Técnica Superior de Ingenieria (ETSE-UV). ● Comisión de Estudios de Postgrado de la Universitat de València (UV). ● Nombramiento de la Comisión Elaboradora del Plan de Estudios (CEPE) por el

Consejo de Gobierno de la UV; miembros: ○ Dr. Francisco Grimaldo Moreno (Profesor Contratado Doctor del

Departamento de Informática y Subdirector de la ETSE-UV). Presidente.

○ Dr. Vicente Liern Carrión (Catedrático del Departamento de Mastemáticas para la Economía y la Empresa).

○ Dra. Esther de Ves Cuenca (Profesora Titular del Departamento de Ingeniería Informática).

○ Dra. Carmen Armero Cervera (Profesora Titular del Departamento de Estadística e Investigación Operativa).

○ Dr. Emilio Soria Olivas (Catedrático del Departamento de Ingeniería Electrónica y Director del Máster Oficial en Ciencia de Datos de la UV).

○ Dr. Javier Plaza Penadés (Catedrático del Departamento de Derecho Civil).

○ Dª. Joana Beta Muñoz (Personal de Administración y Servicios de la ETSE-UV).

csv:

274

1014

5774

2249

4124

1371

2

○ D. Julián Ballesteros García (Estudiante del Grado en Ingeniería Electrónica de Telecomunicaciones).

● Participación de los miembros de la CEPE en Sesiones Informativas organizadas por los Vicerrectorados de Estudios de Grado y Política Lingüística, Estudios de Postgrado, de Políticas de Formación y Calidad Educativa.

● Participación de los miembros de la CEPE en reuniones con las Asociaciones de Representantes de Estudiantes.

● Consultas a los departamentos implicados en la docencia. ● Recopilación de información de referentes externos y estructura del plan de

estudios. ● Organismos de apoyo en la elaboración del Plan de Estudios en la UV: Servicio

de Estudiantes de la Universitat de València, Servei de Recursos Humans (PDI), Unitat de Qualitat, Observatori d’Inserció Professional i Assesorament Laboral (OPAL), Servei de Formació Permanent (SFP), Unitat d’Igualtat, Servei de Anàlisis y Planificació (SAP), Servei d’Informació i Dinamització dels Estudiants (SeDI), Fundación Universidad-Empresa (ADEIT).

● Presentación a la Junta de Centro y emisión de informes. ○ Órgano: Junta de Centro ○ Resultado: Acuerdo de la Junta de Centro

● Presentación de la propuesta de plan de estudios por parte del Centro al Servicio de Estudiantes de la Universitat de València, para que los servicios implicados emitan los dictámenes correspondientes.

○ Órgano: Servicio de Estudiantes de la Universitat de València ○ Resultado: Informe de la Servicio de Estudiantes de la Universitat de

València ● Paralelamente, apertura del periodo de exposición pública de la propuesta de

plan de estudios (art. 124.2 de los Estatutos). ○ Órgano: Secretaría de la Universitat de València ○ Resultado: Alegaciones

● Presentación del plan de estudios a la Comisión Asesora de Estudios de Grado, que emitirá el informe correspondiente y que lo elevará al Consell de Govern para su aprobación, con un informe previo del Consell Social en caso que comporte modificaciones presupuestarias (art. 124)

○ Órgano: Comisión Asesora de Estudios de Grado ○ Resultado: Informe de la Comisión Asesora de Estudios de Grado

● Revisión de alegaciones y propuesta de enmiendas. ○ Órgano: CEPE. ○ Resultado: Formulario de solicitud de verificación del título

● Aprobación del plan de estudios por el Consell de Govern, junto a los dictámenes demandados y las alegaciones, si hubiese.

○ Órgano: Consell de Govern ○ Resultado: Formulario de solicitud de verificación del título (ANECA).

Procedimientos de consultas externos Los procedimientos de consulta externos que se han llevado a cabo para la elaboración de esta solicitud se dividen en tres categorías: a) los referentes académicos establecidos por otras titulaciones similares; b) las opiniones de reputados expertos nacionales e internacionales en temas de Ciencia de Datos; y c) las empresas que potencialmente pueden emplear a los futuros egresados y las futuras egresadas de este grado. A) Referentes académicos.

csv:

274

1014

5774

2249

4124

1371

2

Duragrad En laCien(recocurso

1

ante la realio similares,

a esfera naccia de Da

ordamos quo 2018-201

. Grado eCatalunyde estumatemáinformaccálculo del apreninformacfuente dcapacidapartir dmultidischttps://wbarcelon

Se obseestadísticestructurcada filade 30).

zación del , tanto a niv

cional sólo atos que cue la propue9). Los deta

en Ciencia ya: Según iudios este áticas y eción de mande manera gdizaje autón

ción represede datos ad de aprende materiaciplinares”

www.upc.eduna-fme-etse

erva, por taca, computra del plan es un cuat

plan de esvel internac

se ha encocomenzaránesta de graalles de am

e Ingeniendica la intgrado “pr

estadística,nera rigurosgeneralizadnomo, y proentada en imcodificadosndizaje autóas especí

u/aprender/etb-fib).

anto, una otación y prde estudio

trimestre y

tudios se hcional como

ontrado infon a impartiado de la Unmbos grados

ería de Datroducción qroporciona , para podsa; computda y eficientocesamienmágenes, as digitalmeónomo seráíficas y d

/estudios/gr

orientación rocesado dos publicadel número

han consultao nacional.

ormación soirse en el niversitat des son los sig

atos de la que apareceformación

der modelitación, parate en el tratanto de señaaudio y vídeente. El esán fomentade la pa

rados/cienc

clara en le señales.

do en la wede créditos

ado una se

obre dos gracurso esc

e València guientes:

Universitate en su pág

en tres plizar sistema utilizar losamiento de ales, para treo o generaspíritu emp

ados durantarticipación

cia-e-ingenie

as áreas dLa Figura

eb para ests ECTS por

erie de título

ados oficialecolar 2017-se implanta

t Politècnicgina web epilares bás

mas y trats dispositivo la informacratar la com

ada por cualprendedor te los estud

en proy(v

eria-de-dato

de matemá2-2 muest

te grado, dr cuatrimest

os de

es en -2018 ará el

ca de l plan sicos: tar la os de ción y

mpleja lquier y la

dios a yectos véase os-

áticas, tra la

donde tre es

csv:

274

1014

5774

2249

4124

1371

2

Figura 2-2. Estructura del plan de estudios del Grado en Ciencia e Ingeniería de Datos de la Universitat Politècnica de Catalunya

En cuanto a las optativas se comenta que se cursarán de otros grados (ingenierías y matemáticas) que ya están en marcha además de otras que se enumeran a continuación (se dan en bloques según temáticas): ● Interacción y Diseño de Interfaces, Lenguajes de Programación, Teoría de

la Computación, Ampliación de Algorítmica, Computación Numérica, Centros de Procesamiento de Datos, Robótica, Computación y Criptografía Cuánticas, Criptografía, Compresión de Datos e Imágenes, Software Libre y Desarrollo Social, Codificación de Contenidos Audiovisuales, Comunicaciones Multimedia, Transmisión de Datos, Diseño de Sistemas Basados en Microprocesadores, Transporte, Control y Gestión en Internet, Codificación y Seguridad de la Información, Descripción de Contenidos audiovisuales, Fundamentos de Financiación para el Emprendimiento, Marketing, Tecnología y Cambio en la Empresa, Procesamiento Digital de la Señal en Tiempo Real, Sistemas Digitales Utilizando Linux Embebido

● Física Cuántica, Biofísica 1, Química Inorgánica, Química Orgánica y Bioquímica

● Algebra Lineal Numérica, Algoritmia y Complejidad, Códigos y Criptografía, Combinatoria y Teoría de Grafos, Matemática Financiera, Análisis de Series Temporales, Estadística para las biociencias, Métodos Estadísticos para finanzas y seguros, Optimización en Ingeniería, Teoría de colas y simulación

2. Grado en Ingeniería Matemática en Ciencia de datos de la Universitat Pompeu

Fabra: Según indica la introducción a su plan de estudios “proporciona, por un lado, una formación fundamental y sólida en informática que permite tratar y organizar grandes volúmenes de información de manera automática. Por otro lado, proporciona las herramientas estadísticas y de aprendizaje automático necesarias para extraer información a partir de estos datos y, en consecuencia, poder tomar decisiones. Se propone por tanto una formación sólida en matemáticas e informática que el estudiante puede complementar profundizando en el modo de extraer información de diferentes tipos de datos como lenguaje natural, imágenes, vídeo, audio o música; también en el conocimiento de ámbitos específicos de utilización de datos masivos, como pueden ser los que afectan a salud personal, el análisis de redes sociales, la logística o las decisiones financieras, entre otros. Por último, se podrá profundizar en las técnicas matemáticas que resultan muy prometedoras en la investigación actual en ciencia de datos” (https://www.upf.edu/es/web/graus/grau-en-enginyeria-matematica-ciencia-de-dades). Como su propio título indica, este Grado utiliza a las matemáticas y a la estadística como hilo conductor, siendo la Computación una herramienta para el estudio de la ciencia de datos. La Figura 2-3 muestra el plan de estudios de este Grado en detalle, donde cada asignatura tiene una carga de 5 ECTS.

csv:

274

1014

5774

2249

4124

1371

2

FigurDatos

ra 2-3. Estrus de la Unive

ctura del plaersitat Pomp

an de estudioeu Fabra

os del Gradoo en Ingenieería Matemáttica en Cienc

cia de

csv:

274

1014

5774

2249

4124

1371

2

Los módulos sin nombre de la Figura 2-3 corresponden al estudio de posibles optativas que en la web del grado se pueden agrupar en los siguientes bloques temáticos:

● Anàlisi de Dades en Sèries Temporals, Xarxes Neuronals, Analítica de Processos i Gestió de Riscos, Teoria de Jocs per a Dades Massives

● Disseny Funcional de Programes, Teoria de la Computació, Enginyeria de Interacció, Enginyeria de Software, Compiladors, Intel·ligència Artificial, Aplicacions Intel·ligents per a la Web, Robòtica, Modelat de la Interacció Social 2.0, Enginyeria de Software per a Aplicacions Web

● Sistemes Interactius, Interacció Persona Màquina, Entorns de Comunicació Virtual, Jocs Electrònics, Temes Avançats d'Interacció

● Xarxes Inalàmbriques Multimèdia, Enginyeria Acústica, Enginyeria Òptica, Percepció i Cognició Audiovisual, Processament d'Imatges, Processament de Vídeo, Processat de So, Parla i Música, Sistemes de Codificació per a Àudio i Vídeo, Equips i Sistemes d'Àudio, Equips i Sistemes de Vídeo, Visualització Avançada, Geometria Computacional, Imatge Sintètica

● Enginyeria de Xarxes, Laboratori de Xarxes, Gestió de Xarxes i Serveis TIC ● Enginyeria Òptica, Processament d'Imatges, Processament de Vídeo, Anàlisi i

Interpretació d'Imatges, Visió Tridimensional, Anàlisi i Interpretació d'Imatges, Anàlisi de Gestos i Cares, Geometria Computacional, Imatge Sintètica, Percepció i Cognició Audiovisual

● Polítiques Publiques de TIC, Empreneduria i Creació d'Empreses, Gestió de la Innovació, Projectes Basats en Software Lliure

Si comparamos los dos grados anteriores vemos que hay asignaturas en común, sobre todo en los cursos inferiores, mientras que aparecen diferencias conforme se progresa en el grado. Otra característica que se observa, al igual que en los títulos de grado internacionales que se comentarán más adelante, es que las optativas son muy diferentes y que éstas dependen de la experiencia de la Universidad que las imparte. La consulta de referentes académicos a nivel internacional se han realizado consultando los siguientes portales de Grados y Másteres internacionales:

1. El portal http://www.bachelorsportal.eu/ contiene información sobre Bachelor europeos.

2. El portal http://datascience.community/ dispone de una lista de grados que se han considerado en el desarrollo de esta petición.

3. El portal http://101.datascience.community/ proporciona información sobre Grados y Másteres internacionales.

Como resultado de la búsqueda en estos tres portales se han consultado un conjunto de Grados y Másteres sobre Ciencia de Datos que, para simplificar este texto, se listan en el Anexo I. Se dan solamente los Grados que son los títulos relacionados con la presente edición. En todos los Grados consultados aparecen como elementos básicos la Informática, las Matemáticas y la Estadística, que se complementan con asignaturas sobre dominios concreto de aplicación aplicaciones que dependen del grado (p.ej. negocio, aplicaciones Smart, Industria 4.0, etc). C) Opiniones de Expertos. Para la elaboración de esta propuesta de título de grado se ha consultado con los siguientes expertos de prestigio internacional en el ámbito de la Ciencia de Datos:

csv:

274

1014

5774

2249

4124

1371

2

1. Dr. Anibal Ramón Figueiras Vidal, Catedrático de Universidad, Expresidente de la Academia de Ingeniería y una de las voces más reputadas a nivel internacional en el tema de análisis de datos. Ha sido consultor en varios de los grados en Ciencia de Datos que, actualmente, se están desarrollando en España.

2. Dr. Paulo Lisboa, Catedrático de Universidad y director del Departamento de Matemáticas Aplicadas de la Universidad John Moores de Liverpool. Su enfoque de investigación es el análisis avanzado de datos para el apoyo de decisiones. Ha aplicado Ciencia de los datos a la medicina personalizada, la salud pública, la analítica deportiva y el marketing digital. Es vicepresidente del Grupo Asesor Horizon2020 para el “Desafío Social 1: Salud, Cambio Demográfico y Bienestar” y ha proporcionado asesoramiento científico a uno de los programas de investigación coordinados más grandes del mundo en salud. También es el anterior presidente del Grupo de Trabajo de Análisis de Datos Médicos en el Comité Técnico de Minería de Datos del IEEE.

C) Empresas. Se ha consultado a un conjunto de empresas con las que la Universitat de València tiene una estrecha relación a nivel de investigación y a través de su colaboración con el actual Máster Oficial en Ciencia de Datos. Los y las representantes de las empresas han sugerido contenidos o propuesto competencias que los egresados y las egresadas de esta titulación deberían adquirir, los cuales se han tenido en cuenta para el diseño del plan de estudios. A continuación reproducimos el listado de empresas que apoyan la creación de este Grado en Ciencia de Datos por la Universitat de València:

● GMV Innovation Solutions ● IBM ● DEvSTats ● Tinámica ● Analog Devices ● BigML ● BBVA ● Wolfram ● Capgemini

Las diferentes empresas que apoyan este grado ya están colaborando con el Máster en Ciencia de Datos de la Universitat de València. En este ámbito, se han mantenido reuniones donde las empresas han dado su opinión y han manifestado su interés por determinadas materias que aparecen en el plan de estudios, por ejemplo un conocimiento más profundo del mundo de la empresa y las finanzas. Todos esos comentarios se han tenido en cuenta en la elaboración de la presente propuesta de grado. ANEXO 1: Grados internacionales consultados

● TU Dortmund (Data Analysis and Management) ● Harbor.Space University (Data Science) ● ENSAE Paris Tech (Data Science Specialisation) ● University of Derby (Analytics) ● University of Derby (Data Science) ● University of Derby (Information Technology - Analytics) ● University of Nottingham (Data Science)

csv:

274

1014

5774

2249

4124

1371

2

● University of Warwick (Data Science) ● Hong Kong University of Science & Technology (Risk Management and

Business Intelligence) ● University College Dublin (Business Analytics) ● Sangmyung University (Big Data Science) ● Massey University (Data Science) ● Auburn University (Data Science) ● Arkansas Tech University (Business Data Analytics) ● Arizona State University (Business Data Analytics) ● California Polytechnic State University (Data Science Minor) ● University of California-Irvine (Data Science) ● University Of San Francisco (Data Science) ● Florida Polytechnic University (Big Data Analytics) ● Luther College (Data Science) ● The University of Iowa (Business Analytics) ● University of Evansville (Statistics and Data Science) ● Valparaiso University (Bachelors of Arts in Business Analytics) ● Valparaiso University (Bachelors of Science in Data Science) ● Northern Kentucky University (Data Science) ● Becker College (Data Science) ● Smith College (Statistical & Data Sciences) ● Worcester Polytechnic Institute (Data Science) ● University of Michigan-Ann Arbor (Data Science) ● University of Minnesota-Duluth (Retail Marketing Analytics) ● Winona State University (Data Science) ● Elon University (Information Science) ● University of Nebraska at Omaha (Data Science Concentration) ● Southern New Hampshire University (Data Analytics) ● Thomas Edison State University (Data Science and Analytics) ● New York University (Applied Data Analytics and Visualization) ● University of Rochester (Data Science) ● Case Western Reserve University (Data Science) ● Denison University (Major in Data Analytics) ● Miami University of Ohio (Business Analytics Minor) ● Miami University of Ohio (I.S. and Analytics) ● The Ohio State University (Data Analytics) ● Pennsylvania State University (Data Sciences) ● College of Charleston (Data Science) ● St. Mary's University (Data Analytics) ● Westminster College (Minor in Data Science) ● George Mason University (Computational Data Sciences Minor) ● Virginia Polytechnic Institute and State University (Computational Modeling and

Data Analytics) ● University of Wisconsin-River Falls (Data Science and Predictive Analytics)

csv:

274

1014

5774

2249

4124

1371

2

ANEXO 2: Cartas de interés

International Business Machines, S.A.

C/ Santa Hortensia, 26-28 - 28002 Madrid Apartado 179 Tel.: 901 300 000 Fax: 91 519 39 87 Internet: http://www.ibm.com/es

IDAL, Intelligent Data Analysis Laboratory, Escuela Técnica Superior de Ingeniería Universitat de València Av. de la Universidad, S/N E-46100 Burjassot (Valencia) Att. Profesor D. Emilio Soria Olivas

Madrid, 21 de abril de 2017 Estimado Profesor Soria, IBM desea expresar mediante este documento su apoyo e interés a la propuesta del plan de estudios del Grado de Ciencia de Datos de la Universitat de Valencia. Dado el carácter transversal de la actividades alrededor de la analítica de datos que abarca este Grado, consideramos que se cubre una demanda de formación universitaria de profesionales altamente cualificados, requerida tanto en el contexto europeo en general, como en el español en particular. El gran impulso tecnológico del Big Data ha supuesto una revolución en el mundo empresarial. Las organizaciones sometidas a la necesidad de la transformación digital son demandantes y consumidoras de cantidades ingentes de datos. Convertirse en una empresa “dirigida hacia los datos” supone realizar un cambio cultural en la organización y asumir retos muy importantes en diferentes ámbitos (calidad, seguridad, normativa, etc.), pero a la vez es un factor clave para la competitividad de las empresas. En todo este contexto, la disponibilidad de profesionales Científicos de Datos es clave. La presente carta no constituye compromiso económico, financiero ni de ningún otro tipo por parte de IBM. Atentamente,

José Fernando García Ródenas University Programmes Spain Leader - IBM Spain C/. Santa Hortensia, 26 28002 - Madrid

csv:

274

1014

5774

2249

4124

1371

2

csv:

274

1014

5774

2249

4124

1371

2

Av. Cortes Valencianas, 39 Planta 3ª Oficina C2 46015 Valencia Spain

[email protected]

bigml.com

BIGML LABS, SAU

En Valencia, 27 de Marzo de 2017��

� D. Emilio Soria Olivas�� Escola Tecnica Superior d'Enginyeria �� Universitat de Valencia

Av. de la Universitat, S/N 46100 Burjassot (Valencia) �

� � �BigML es una compañía líder en Aprendizaje Automático (Machine Learning) que ayuda a todo

tipo de empresas, grandes y pequeñas, a tomar decisiones altamente automatizadas basadas en datos. BigML se fundó el 2011 en Corvallis, Oregon, EEUU, e hizo oficial su expansión europea en julio del 2015 con la apertura de su sede en Valencia, España. BigML fue pionera en la utilización del Machine Learning como Servicio (MLAAS) a través de su plataforma consumible, programable y escalable, optimizando la creación y despliegue de aplicaciones predictivas impulsadas por sus vanguardistas modelos predictivos. �

BigML ayuda a miles de analistas, desarrolladores y científicos a resolver y automatizar tareas de Machine learning (clasificación, regresión, clustering, detección de anomalías, descubrimiento de asociaciones y topic modeling para el análisis de texto) que transforman sus datos en modelos accionables y pueden usarse como servicios remotos o localmente, integrados en sus aplicaciones, para finalmente poder hacer predicciones.�

Hoy en día, BigML cuenta con un equipo internacional de 30 personas, tiene 6 patentes aprobadas, más de 43.000 clientes y usuarios en 130 países. Además de sus actividades comerciales, BigML participa activamente promocionando el Aprendizaje Automático en instituciones educativas de todo el mundo a través de su programa de educación, que ya cuenta con el apoyo de más de 630 universidades y 135 embajadores, convirtiendo así su lema en realidad: “Aprendizaje Automático sencillo y bonito para todos”. �

Por la presente BigML manifiesta su apoyo al Grado de Ciencia de Datos de la Universitat de València y a todas sus actividades para preparar a futuros profesionales del sector de Machine Learning, de los cuales hay una gran demanda en el mercado laboral. �

Fdo: Antonio Blasco Controller, BigML

� BigM L - M achine Learning M ade Easy�

csv:

274

1014

5774

2249

4124

1371

2

csv:

274

1014

5774

2249

4124

1371

2

10. Calendario de implantación. Curso de Inicio: 2018-2019. 10.1 Cronograma En la siguiente tabla aparecen los cursos académicos y los cursos del grado que se estarán impartiendo en dicho curso académico. A partir del curso académico 22-23 se prevé que se se habrán implantado todos los cursos del presente grado.

CURSO ACADÉMICO

18/19 19/20 20/21 21/22

CURSO

1

2

3

4

csv:

258

8856

6433

2240

4023

5260

8

4.1 Sistemas de información previos A) Sistemas de información previa a la matrícula

1. Programa conèixer, organizado por el Servicio de Información y Dinamización de la UV, dirigido a todo el alumnadode 2º curso de Bachillerato, que incluye las siguientes actividades informativas:

Encuentro con las orientadoras y los orientadores de los Centros de

Bachillerato. Presentación por ramas de los Planes de estudio, perfiles profesionales, y

de la organización e infraestructuras de la Universitat y visita guiada a instalaciones a la ETSE-UV, de acuerdo con las preferencias indicadas por los y las estudiantes.

2. Sesión informativa previa a la matrícula, organizada por la ETSE-UV y dirigida a los candidatos y las candidatas que han resultado admitidos en el proceso de preinscripción de la Titulación.

3. Jornada de Bienvenida a las alumnas y los alumnos de nuevo ingreso al inicio

de curso.

4. Otros sistemas de información utilizados:

Información multimedia: o Web institucional de la UV (www.uv.es) o Web de la ETSE-UV (http://www.uv.es/etse) y de la titulación o Portal de la Universidad: Guía de Acceso a la Universidad

http://www.uv.es/infodin/publicacions/guia_acceso_sp.pdf o Portal de la Universidad “Futuros estudiantes: acces”

(www.uv.es/acceso) o Vídeos de Facultades y Centros de las titulaciones de la Universidad

(http://http://mmedia.uv.es) o Vídeo de salidas profesionales de la titulación

Información documental e impresa:

o Revista Futura, de orientación a los orientadores y las orientadoras de secundaria http://revistafutura.blogs.uv.es/

o Folleto general institucional de la UV o Folletos específicos de la ETSE-UV y de la titulación o Guía de Grados de la UV

http://www.uv.es/infodin/publicacions/guia_graus.pdf o Agenda de la Universitat con información sobre titulaciones y servicios

de la Universidad

Jornadas: o Actividades formativas dirigidas al alumnado de secundaria (Tallers de

Secundària) o Actividades formativas dirigidas al alumnado de ciclos formativos de

grado superior (Tallers Aprén - Emprén) o Visitas guiadas a la UV para estudiantes de secundaria (Programa

Conèixer). o Visitas guiadas al Campus científico-técnico de Burjassot-Paterna

dirigidas al público en general (Programa Expociència)

csv:

258

7505

6126

5496

1722

8466

7

o Sesiones informativas por titulación o Concursos dirigidos a estudiantes a secundaria o Programa de difusión de la ETSE-UV en centros de secundaria o Programa Ciència-Ara para el alumnado de secundària de alto

rendimiento acadèmico

Información Personalizada: o Servicio de Estudiantes de la UV o Secretaría y Dirección de la ETSE-UV o Servicio de Información y Dinamización, con oficina en el propio

campus y personal técnico especializado o Delegación para la integración de personas con Discapacidad. o Observatori d´Inserció Professional i Assessorament Laboral (OPAL),

con oficina en la ETSE-UV. Para la orientación y asesoramiento de la carrera académica y profesional la comunidad universitaria se cuenta con los servicios de apoyo y orientación de este servicio (asesoramiento, formación, salidas profesionales, agencia de colocación y creación de empresas: emprendimiento)

B) Perfil de ingreso recomendado para el grado en Ciencia de Datos. Se recomienda que el estudiante o la estudiante interesados en cursar el Grado que se propone reúnan, con un nivel suficiente, las siguientes características:

Haber adquirido habilidades analíticas básicas, y haber llegado al convencimiento de su importancia para abordar problemas reales.

Estar familiarizado con el manejo de los elementos y la utilización de los servicios TIC, y en particular con los ordenadores y los actuales dispositivos de acceso a las redes de comunicaciones.

Sentir curiosidad e interés por un espectro amplio de problemas emergentes en las sociedades de este tiempo, desde los relativos a negocios hasta los de asistencia social y humanitaria, pasando por la salud, la calidad de vida, la formación, el ocio, etc. Mostrar una actitud favorable para estudiar dichos problemas y contribuir a su solución, propiciando además la innovación y el emprendimiento.

Y, en virtud de los rasgos anteriores, tener la mejor disposición para dedicar el debido esfuerzo a la comprensión de los diferentes aspectos de problemas concretos, a la determinación de cómo se pueden emplear las herramientas analíticas y TIC para abordarlos, a aportar soluciones eficientes y eficaces, y a llevarlas a cabo de modo que contribuyan al progreso individual y colectivo.

La detección de estudiantes preuniversitarios y preuniversitarias con este perfil requerirá, al menos inicialmente, de actuaciones específicas de difusión, exploración y atracción, que se diseñarán en momentos oportunos del proceso de implantación.

csv:

258

7505

6126

5496

1722

8466

7

6.2 Otros recursos humanos Se muestran los datos del Personal de Administración y Servicios que la UV tiene adscrito a la Escola Tècnica Superior d’Enginyeria de la UV, como centro responsable de la docencia del nuevo título de Grado:

Vinculación con la Universidad

Formación y experiencia

Adecuación a los ámbitos de conocimiento

Administración general

(F) Funcionario(L) Laboral

La formación del personal de administración general es muy variada, poseyendo en muchos casos estudios universitarios. El personal del centro se encarga de la gestión de estudiantes, implantación de planes de estudio, organización de aulas y horarios y otros aspectos relacionados con la docencia. El personal del Dpto. supone un apoyo directo al profesorado y, por lo tanto, a la docencia e investigación de los mismos

El Servicio de Formación Permanente de la UV asegura la organización de cursos de formación y actualización de conocimientos del personal, tanto de Administración general como especial.

Escola Tècnica Superior d’Enginyeria

Administrador de centro, 1 (F) Técnico medio de gestión, 1 (F) Secret. Dirección, 1 (F) Jefe de Admon., 1 (F)Jefa de Estudiantes, 1 (F) Administrativos, 7 (F) Coordinador de servicios, 1 (F) Conserje, 1 (L) Aux. de servicios, 2 (L) Total: 16

Dpto. de Ingeniería Electrónica

Jefa de Unidad, 1 (F) Administrativo, 3 (F) Total: 4

Dpto. de Informática

Jefa de Unidad, 1 (F) Administrativo, 2 (F) Total: 3

Administración especial (personal de laboratorios)

El personal de laboratorio (administración especial) es fundamental en la organización y mantenimiento de los laboratorios de prácticas. Estas personas tienen perfil en Ciencias Experimentales y Técnicas en

Escola Tècnica Superior d’Enginyeria

Oficial de laboratorio, 1 (L) Total: 1

Dpto. de Informática

Técnico de laboratorio 1 (F) Oficial de laboratorio, 2 (F) Total: 3

Dpto. de Técnico de

csv:

258

8860

7769

9741

9735

1299

2

Ingeniería Electrónica

laboratorio 1 (F)Oficial de laboratorio, 2 (F) Total: 3

Ingeniería, por lo que son adecuados para los laboratorios de la titulación.

El grado se desarrollará en la Escola Tècnica Superior d’Enginyeria de la Universitat de València (ETSE-UV) y contará con el personal técnico de mantenimiento de la ETSE-UV, del Departamento de Informática y del Departamento de Ingeniería Electrónica, consistente en 3 técnicos de laboratorio y 5 oficiales de laboratorio. Este personal se distribuye en turnos de mañana y tarde se encarga del mantenimiento del software y del hardware necesario para el desarrollo de este grado. Los laboratorios utilizados en el grado son compartidos con el resto de titulaciones en las que la ETSE-UV tiene responsabilidad docente, realizando los técnicos la puesta a punto y mantenimiento de cada uno de ellos y la asistencia, en caso necesario, para la resolución de problemas durante la ejecución de las prácticas. Todo ello justifica la adecuación de los recursos de personal técnico disponible. Además de este personal de carácter específico, la Universitat de València dispone de personal de otras Secciones y Servicios encargados de tareas de apoyo a los/las estudiantes de todas sus titulaciones:

Servicio de Informática: El Servicio de Informática está constituido por el conjunto de recursos humanos y materiales puestos a disposición de los diferentes estamentos de esta universidad. Tiene como misión el gestionar, mantener y actualizar estos recursos informáticos para dar soporte, entre otros aspectos, a la docencia en la Universitat de València.

Servicio de Bibliotecas y Documentación: Se encarga de la gestión de los fondos bibliográficos y documentales depositados en las distintas Bibliotecas de la UV.

Servicio General de Postgrado: Realiza gestiones sobre becas, carnet universitario, consulta de expedientes, certificaciones del registro histórico de actividades formativas, consultar normativas, etc. Además, presta apoyo técnico en la elaboración de planes de estudio.

Servicio de Información: Es un centro de información y de documentación especializada en temas de enseñanza superior. El objetivo del servicio es recoger, procesar y difundir información de interés para la comunidad universitaria, especialmente para los/las estudiantes.

Además se cuenta con medidas contra la discriminación y de acción positiva ajustadas a las disposiciones de la Ley 51/2003 de 2 de Diciembre de igualdad de oportunidades, no discriminación y accesibilidad universal de las personas con discapacidad, las cuales se regulan en el reglamento de Medidas para la Integración del Persona Docente e Investigador con Discapacidad de la Universitat de València, aprobado por acuerdo del Consejo de Gobierno de 28 de Marzo de 2013 (ACGUV 40/2013) que sustituye al anterior de fecha 31 de Octubre de 2007. Concretamente se contemplan ayudas económicas para el desarrollo de la función docente e investigadora destinadas a compensar gastos adicionales (Adquisición de productos de soporte específicos y/o gastos derivados de personal de apoyo) y ayudas de apoyo a la docencia (accesibilidad a espacios y recursos, facilitación de horarios, reducción de docencia…). En el organigrama de la Administración Universitaria, la Unitat per a la Integració de Persones amb Discapacitat tiene atribuidas competencias específicas en la materia con el fin de impulsar las acciones necesarias para hacer efectiva la igualdad y la no

csv:

258

8860

7769

9741

9735

1299

2

discriminación. La “Carta de Servicios” de esta unidad (http://upd.uv.es/index.php/cartaservicio.html) informa los compromisos de calidad y derechos y deberes de los usuarios.

csv:

258

8860

7769

9741

9735

1299

2

7. Recursos materiales y servicios. El grado se impartirá en las instalaciones de la Escola Tècnica Superior d’Enginyeria de la Universitat de València (ETSE-UV), que está situada en el Campus de Burjassot-Paterna. La ETSE-UV dispone de los medios materiales necesarios para la implantación de este grado, que se complementarán con los de otras instalaciones propias de la Universitat de València y de otras entidades que se relacionarán en este epígrafe. La ETSE-UV dispone de una nueva sede inaugurada en el año 2011 con todas las infraestructuras y equipamientos necesarios para el desarrollo de las actividades formativas del grado. Los edificios de la ETSE-UV contienen aulas, laboratorios, salas informáticas completamente equipadas para actividades docentes (incluyendo acceso a la red), servidores informáticos, dos aulas informáticas de libre acceso y una sala de lectura con acceso telemático a los fondos electrónicos y salas para el estudio y el trabajo en grupo. Las actividades a realizar de modo autónomo por los y las estudiantes podrán realizarse tanto en la sala de lectura como en las salas de estudio y en las trabajo en grupo. Las actividades informáticas se podrán realizar en un ordenador propio o en las dos aulas informáticas de libre acceso, siendo posible en cualquier caso la conexión a los servidores informáticos disponibles. Resumen de instalaciones del nuevo edificio de la ETSE La ETSE-UV ha incrementado sustancialmente la dotación de espacios de todas las titulaciones del centro desde la inauguración en 2011 de su nueva ubicación. A continuación se resumen las instalaciones comunes del centro:

Tipo de espacio Núm. espacios Superficie (m2)

Administración del centro 11 345

Sala de lectura y trabajo en grupo 2 820

Salas de estudio y realización de TFG 9 150

Salón de Grados 1 214

Salas de reuniones 5 300

Delegación y asociaciones de estudiantes 6 132

Laboratorios docentes 59 5.800

Aulas teoría 18 2.000

Para la impartición del grado se utilizarán dos aulas teórico-prácticas de capacidad de 84 estudiantes en horario de mañana y tarde. Se asignan las aulas 2.3 y 3.3 de la

csv:

274

0814

5159

5183

1923

2745

6

ETSE-UV, que podrán ser sustituidas por otras dos aulas de características similares en función de la organización del resto de grados del centro. Asimismo se contará con las salas de apoyo 2.0.4 y 1.0.1 con capacidad de 180 y 96 estudiantes, respectivamente. El porcentaje de utilización de las aulas teórico-prácticas será del 66,7%, teniendo en cuenta que el resto del tiempo los alumnos y alumnas se encontrarán realizando prácticas en los laboratorios dispuestos al efecto. En lo que respecta a los laboratorios, se utilizaran seis aulas informáticas de capacidad de 25 personas. Se contará con las aulas 3.0.1 (15 puestos informáticos), 3.0.3 (15 puestos), 3.0.5 (11 puestos), 1.1.5 (18 puestos), 1.1.6 (18 puestos) y 1.1.8 (18 puestos). Estas aulas informáticas podrán ser sustituidas por otras similares en función de la organización del resto de grados del centro. El porcentaje de uso de las aulas informáticas anteriores será de un 66,7% distribuido en horario de mañana y tarde.

Todas las aulas informáticas de la ETSE-UV disponen de los recursos de software y hardware necesarios. Estos recursos están actualizados, ya que la ETSE-UV tiene una dotación presupuestaria anual que se dedica a la renovación de los mismos.

La configuración hardware de los laboratorios está formada por ordenadores personales compatibles con procesador Intel Core i3 (aulas 3.0.1, 3.0.3 y 3.0.5) o i5 (aulas 1.1.5, 1.1.6 y 1.1.8), 8GB de RAM y 500GB (aulas 3.0.1, 3.0.3 y 3.0.5) o 1TB de disco duro (aulas 1.1.5, 1.1.6 y 1.1.8). Por optimización de recursos y dado que las aulas de informática se comparten para los distintos laboratorios de las titulaciones que se imparten en la ETSE-UV, la configuración software de todas las aulas informáticas que se utilizarán para la docencia del grado es similar. La solución software corresponde con una imagen clonada en cada puesto y mantenida por el personal técnico de laboratorio de la ETS-UV y de los Departamentos de Informática e Ingeniería Electrónica. Cada laboratorio dispone de entre 11 y 18 puestos y cada uno de esos puestos dispone de un PC con un arranque dual Windows/Linux que dispone de hipervisores (VirtualBox, VMWare y KVM) y permite la ejecución de máquinas virtuales. La Universitat de València dispone en la actualidad de una licencia VMWare Workstation de forma que los alumnos pueden instalarla en sus ordenadores. Esto posibilita que los alumnos dispongan de un “laboratorio portátil” con el que pueden continuar trabajando fuera de las instalaciones de la Universidad.

Todas las aulas informáticas disponen de los programas de libre distribución convenientes para la docencia de este grado: R (RStudio), Python (Anaconda), etc. Además, se tienen firmadas alianzas académicas con las principales empresas informáticas para proporcionar a nuestros y nuestras estudiantes todas las herramientas adecuadas para su aprendizaje práctico. Así, se tienen firmados convenios y contratos con:

Microsoft (sistemas operativos y herramientas de desarrollo) Matlab 2016B Mathematica v14 GAP: Groups, Algorithms, Programming Maxima PSPP SAGE

csv:

274

0814

5159

5183

1923

2745

6

ImageJ VMWare

Todos los espacios descritos anteriormente están equipados con infraestructura de apoyo a la docencia, que incluye:

Pantalla de proyección Proyector de vídeo interactivo EPSON EB-455Wi Ordenador para el profesorado Pizarra Conexión de red, tanto cableada como inalámbrica (red Eduroam) Sistema de audio (sólo en las aulas de teoría y salón de actos)

El centro de impartición, por tanto, dispone de un número de aulas y laboratorios docentes suficientes para adaptarse a la demanda prevista. Además, es compromiso de la ETSE-UV que los estudiantes del grado dispongan de los espacios y servicios comunes en igualdad de condiciones al resto de titulaciones impartidas en el Centro. Recursos del Servicio de Informática de la Universitat de València (SIUV) El SIUV es el servicio responsable, entre otras funciones, del mantenimiento de la red interna de la Universitat de València, tanto de los puntos de acceso cableado y la conexión de los laboratorios informáticos de los diferentes departamentos, como de la red Wi-Fi mediante la cual los/las estudiantes del grado podrán conectarse a la hora que deseen estando en prácticamente cualquier dependencia de la Universitat de València (por supuesto en las aulas, en los laboratorios, y en las salas de lectura, estudio y trabajo). Además, el Servicio de Informática es el responsable del mantenimiento del Aula Virtual, la plataforma de enseñanza-aprendizaje on-line de la Universitat de València. Esta plataforma de e-learning ofrece espacios de grupo virtuales como apoyo a los grupos de docencia presencial. La plataforma es una aplicación web de fácil acceso; para obtenerla es necesario dirigirse a la dirección http://aulavirtual.uv.es y validarse con la cuenta de la Universitat que se proporciona a todos los estudiantes y todas las estudiantes del grado. Los usuarios y las usuarias disponen de un manual de uso aplicado y de la ayuda de la aplicación, y la plataforma permite gestionar la entrega de actividades, realizar cuestionarios, compartir documentos, crear foros de discusión, realizar notificaciones por correo electrónico o disponer de calendarios propios y de grupos, entre otras opciones. Por último, el Servicio de Informática también gestiona el sistema de comunicación síncrona Adobe Connect para el soporte a las actividades docentes a distancia y para el programa de tutorías electrónicas. El SIUV es el responsable de proporcionar a cada estudiante un usuario y dirección de correo, así como la conexión VPN que permite el acceso a todos los servicios de la universidad. Asimismo, el Soporte Informático al Alumnado (SIA) es ofrecido por el SIUV desde las tres bibliotecas de campus de la UV y a través de la web.

Recursos del Servicio de Bibliotecas y Documentación La Universitat de València dispone de un Servei de Biblioteques i Documentació encargado de gestionar todas las bibliotecas y recursos bibliográficos (impresos y electrónicos) con los que cuenta la institución. El Campus de Burjassot dispone de una biblioteca general, la Biblioteca “Eduard Boscà” que da servicio a los seis Centros del Campus. La Biblioteca cuenta con varias salas de lectura en el propio edificio de la Biblioteca, más una sala adicional en el edificio que actualmente alberga a la ETSE-UV, que están abiertas a los alumnos y

csv:

274

0814

5159

5183

1923

2745

6

las alumnas. Dispone también de salas de acceso restringido para el profesorado, investigadores e investigadoras y estudiantes de tercer ciclo. En total, la Biblioteca dispone de 1030 puestos de lectura. Además, la Biblioteca tiene un salón de actos (133 plazas) equipado con un sistema de megafonía, proyectores de vídeo, diapositivas y transparencias, y pizarra que se suele usar como Salón de Grados y como sala de conferencias. La Biblioteca funciona con horario 24 h durante los periodos de exámenes y dispone de un servicio de préstamo que permite la renovación telemática y la gestión de peticiones.

El catálogo de los fondos disponibles en la Biblioteca se puede consultar a través del ordenador, existiendo terminales para este uso en la misma Biblioteca. Además la Biblioteca dispone de un servicio de préstamo interbibliotecario que permite obtener libros y artículos de revistas de los fondos de otras bibliotecas en un plazo de tiempo razonable. La Universitat de València y, más específicamente, la Escola Tècnica Superior d’Enginyeria son conscientes de que el éxito de las titulaciones depende en gran medida de que la Biblioteca disponga de un fondo adecuado de textos de consulta. El mecanismo para la financiación de la adquisición de los fondos bibliográficos destinados a las titulaciones de la Escola Tècnica Superior d’Enginyeria incluye una partida destinada por la UV y otra complementaria del propio centro. La distribución de las partidas se realiza de manera independiente para cada una de las titulaciones del centro en función de parámetros relacionados con el número de estudiantes (y créditos) matriculados en cada una de ellas. Financiación y mantenimiento de recursos materiales para la docencia

La Universitat de València dispone de una serie de programas para la renovación y ampliación de los materiales e instalaciones docentes y de apoyo a la docencia. Por una parte, anualmente se hace la convocatoria del Programa de mejora y confort docente, dirigido a la renovación y/o incorporación de elementos en las aulas. Por otra, también se hace una convocatoria para Laboratorios docentes, tanto para la reposición de material como para la creación de nuevos espacios. El Servicio de Informática de la Universitat de València dispone también de un programa de renovación de equipos informáticos en las aulas informáticas de todos los centros, de modo que –por fases– todo el material es sustituido periódicamente. Además, la Escola Tècnica Superior d’Enginyeria dedica una partida de su presupuesto a la reparación y renovación de material docente. Otros centros como la Biblioteca disponen también de sus propias convocatorias y mecanismos para la conservación de las instalaciones y la compra de nuevos materiales. Criterios de accesibilidad La UVEG ha sido pionera en el desarrollo de medidas de integración de personas con necesidades educativas especiales. Las instalaciones de la ETSE-UV cumplen los criterios de accesibilidad para personas con movilidad reducida.

La UVEG dispone de la Unidad para la Integración de Personas con Discapacidad (UPD) (http:www.uv.es/upd) que, a través de diversos programas, impulsa acciones sinérgicas entre diferentes áreas y servicios de la Universidad que afectan, directa o indirectamente, a aspectos de accesibilidad, el asesoramiento psicoeducativo y académico, la valoración de necesidades, la equiparación de oportunidades, etc. de las personas con discapacidad que pertenecen a la comunidad universitaria (estudiantes, PDI y PAS).

En referencia a la accesibilidad física la Universidad coordina diferentes servicios (Unidad Técnica, Servicio de Mantenimiento y el Vicerrectorado de Infraestructura)

csv:

274

0814

5159

5183

1923

2745

6

con apoyo de la UPD, con el objeto de eliminar las barreras arquitectónicas de los edificios. Su compromiso le ha llevado por apostar por la creación de un Sistema de Gestión de la Accesibilidad Universal (UNE 170001-2), certificado por parte de AENOR, que se ha implantado en las bibliotecas de Educación “María Moliner”, y Humanidades “Joan Reglà”, certificación que espera extenderse a otras bibliotecas, incluyendo las del campus de Burjassot-Paterna.

En relación con la accesibilidad electrónica, se colabora con el Servicio de Informática de la Universitat de València, que ha implementado las medidas necesarias para que nuestra web y los servicios prestados mediante ella, sean accesibles a toda la población.

En cuanto a barreras de comunicación y/o información, se ofrece un servicio de intérpretes de Lengua de Signos para las clases, tutorías, seminarios o jornadas a través del Convenio establecido con la Federación de Personas Sordas de la Comunidad Valenciana (Fesord C.V.). Para el resto del colectivo se realizan acciones en base a sus necesidades, por ejemplo: adaptar materiales diversos, apoyos personales y técnicos durante el curso académico y en los exámenes,… para garantizar la equiparación de oportunidades de los estudiantes.

Además, desde este servicio se han publicado varias guías, destacaríamos una guía donde se reflejan criterios orientativos de buenas prácticas docentes tendentes a facilitar la atención a estudiantes con discapacidad, así como otra guía referida a realización de exámenes accesibles y sobre trastorno mental http://www.uv.es/upd .

Realización de las prácticas externas La Fundación Universidad-Empresa (ADEIT, http://www.adeituv.es/) de la Universitat de València es una organización, con personalidad jurídica propia, entre cuyos objetivos está servir de enlace entre la Universidad y la sociedad y los sectores productivos en particular. Para ello, ADEIT promueve diferentes líneas de actuación entre las que se puede destacar la gestión para la realización de prácticas de estudiantes universitarios y universitarias en diversas entidades y empresas. Corresponde a ADEIT, la organización, planificación y gestión de las prácticas externas de los y las estudiantes de la Universitat de València. La realización de las prácticas externas se llevará a cabo teniendo en cuenta lo establecido en el Real Decreto 1707/2011, de 18 de noviembre, y la normativa propia de la Universitat de València (Reglamento de prácticas externas, aprobado el 26 de Junio de 2012 http://www.uv.es/sgeneral/Reglamentacio/Doc/Estudis/C19.pdf). En cada curso académico, la Comisión Académica de Título del grado, en coordinación con ADEIT y con la Comisión de Prácticas del Centro se asegurará de realizar una oferta suficiente de plazas para la realización de las prácticas en empresas o en laboratorios de investigación, en función de los convenios y acuerdos de colaboración establecidos. Se llevará a cabo una planificación de dichas prácticas, de forma que se alcancen los objetivos de calidad y competencias a adquirir por el y la estudiante en la realización de dichas prácticas. Para la realización de estas prácticas, se pretende aprovechar y ampliar los convenios ya establecidos al respecto con múltiples empresas, centros o laboratorios de investigación que tienen una fuerte orientación hacia el análisis de datos además de incorporar nuevas empresas. En la siguiente tabla aparecen las instituciones donde estudiantes de este grado podrían realizar sus prácticas y con las que existe un convenio de prácticas en empresa a través del ADEIT.

csv:

274

0814

5159

5183

1923

2745

6

NOMBRE EMPRESAS/ENTIDADES

ADIF. Administrador de Infraestructuras Ferroviarias

Agència Valenciana de Turisme

Air Europa Líneas Aéreas, S.A.U

Air Nostrum L.A.M., S.A.

Analog Devices

Anecoop

Aseguradora Valenciana, S.A. de Seguros y Reaseguros - ASEVAL

Asepeyo

Asociación de Usuarios de Servicios Bancarios AUSBANC

Autoridad Portuaria de Valencia

Aviva Servicios Compartidos AIE

AXA Seguros

Ayuntamiento de Valencia

Banco Bilbao-Vizcaya Argentaria S.A. - BBVA

Banco de Castilla La Mancha, S.A.

Banco de Sabadell, S.A.

Banco Santander, S.A.

Bankia, S.A.

csv:

274

0814

5159

5183

1923

2745

6

Bankinter, S.A.

BigML

Bilbao Bizkaia Kutxa

Caixa Popular-Caixa Rural Coop. C.V.

Caixa Rural Albalat Dels Sorells

Caixa Rural d'Algemesí, Sdad. Coop. Valenciana Crédito

Caixa Rural de l'Alcudia, S. Coop. V. de Crédit

Caixa Rural Vinaròs, S. Coop. de Credit V.

Caja de Ahorros y Monte de Piedad de Ontinyent

Caja Rural de Albacete, Ciudad Real y Cuenca - Globalcaja

Caja Rural de Albal. Coop de Crédito V

Caja Rural San Jaime de Aquerias del Niño Perdido, S. Coop. de Crédito V.

CAJAMAR Caja Rural, Sociedad Cooperativa de Crédito

Cajamar Intermdiadora Operador de Banca Seguros Vinculados S.L.U

Cajas Rurales Unidas, Sociedad de Cooperativa de Crédito

Cámara Oficial de Comercio, Industria y Navegación de Valencia

Capgemini

Celestica Valencia S.A.

Centeco Coop. V.

csv:

274

0814

5159

5183

1923

2745

6

Coarval Coop. V.

Consejo Superior de Investigaciones Científicas - CSIC

Consultoría Estadísitica Idesa, S.L.

Consum

CQM Consultoría, S.L.

Cysnergy, S.L.

Delaware Consultoría, S.L.

Devstat. Servicios de Consultoría Estadística, S.L.

Diputación Provincial de Valencia

Dulcesa, S.L.U.

Ferrocarriles de la Generalitat Valenciana

Font Salem, S.L.

Ford España, S.L.

Fundación de la C.V. Centro de Investigación Príncipe Felipe

Fundación Divina Pastora

Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunidad Valenciana (FISABIO)

Fundación para Investigación Hospital Clínico Universitario de Valencia-INCLIVA

Fundación Valenciaport

Generali España, S.A. De Seguros y Reaseguros

csv:

274

0814

5159

5183

1923

2745

6

Generalitat Valenciana. Dirección General de Economía, Emprenededuría y Cooperativismo

Generalitat Valenciana. Escuela Valenciana de Estudios de la Salud - EVES

Gfk Emer Ad Hoc Research, S.L.

GMV Innovation Solutions

Grefusa,SL

Hooptap S.L

IBM

INE. Instituto Nacional de Estadística

Instalofi Levante, S.L.

Instituto de Investigación Sanitaria La Fe de Valencia

Instituto de Medicina Legal de Valencia

Invest Group Investigación de Mercados, S.L.

IVF. Instituto Valenciano de Finanzas

IVI, S.L. - Instituto Valenciano de Infertilidad

IVIE. Instituto Valenciano de Investigaciones Económicas

Johnson Controls Automotive Spain, S.A.

Juan Fornés Fornés, S.A. (Supermercados Masymas)

La Unión Alcoyana de Seguros y Reaseguros, S.A.

Mapfre Familiar, S.A.

csv:

274

0814

5159

5183

1923

2745

6

Mapfre Seguros de Empresas, CIA. de Seguros y Reaseguros, S.A.

Mercadona, S.A

Mutua Arrocera Seguros

Mutualidad de Levante Entidad de Seguros a Prima Fija

Mutualidad General Previsión del Hogar Divina Pastora

Ocaso Seguros, S.A.

P.P.G. Iberica, S.A.

Pilkington Automotive España, S.A.

Productos Dulcesol, S.L.

QueryDay, S.L.

Race Asistencia, S.A.

Rankia

RENFE

Ribera Salud II U.T.E. Ley 18/82

Servicio Valenciano de Empleo y Formación - SERVEF. Dirección General de Planificación y Servicios

Sindicatura de Comptes de la Comunitat Valenciana

Territorial Data Forecast, S.L.

Tinámica

Torrecid, S.A.

csv:

274

0814

5159

5183

1923

2745

6

Willis Iberia,Correduria de Seguros y Reaseguros,S,A

Wolfram

Zurich Spain

Recursos de asesoramiento laboral, inserción profesional o creación de empresas. Para la consulta sobre cuestiones de empleabilidad, salidas profesionales y emprendimiento en la comunidad universitaria se contará con los servicios del Observatori d´Inserció Professional i Assessorament Laboral (OPAL,www.uv.es/opal) y de la fundación Universidad-empresa (ADEIT, http://www.adeituv.es/). La Fundación General de la Universitat de València, a través del OPAL, ha sido autorizada y actúa como Agencia de Colocación especializada en la inserción profesional de los/las alumnos/as y titulados/as de la Universitat de València. La ETSE-UV dispone de una oficina propia del OPAL así como de un Servicio de Información Laboral (SIL-ETSE, http://siletse.uv.es) que dará un asesoramiento y servicio especial orientado a todos los estudiantes del centro. En resumen, las instalaciones, materiales y servicios descritos permitirán impartir adecuadamente el grado en Ciencia de Datos.

csv:

274

0814

5159

5183

1923

2745

6

6.Personal académico. 6.1 Profesorado

Categoría Total % Doctores % Horas %

Catedrático de Universidad 20,7 100.0 27,4

Profesor Titular de Universidad 56,9 100.0 55,0

Profesor Titular de Escuela Universitaria 6,9 0.0 3,3

Ayudante Doctor 1,7 100.0 1,5

Profesor Contratado Doctor 13,8 100.0 12,8

6.1.1 Personal académico. La Escola Tècnica Superior d’Enginyeria de la Universitat de València (ETSE-UV), es el órgano responsable del título de Grado que se solicita. El centro tiene adscritos 3 departamentos, de los cuales participan en el Grado los 2 siguientes:

Departamento de Ingeniería Electrónica (http://www.uv.es/die). Departamento de Informática (http://www.uv.es/dptinf).

Además de estos departamentos de la ETSE-UV, el siguiente listado muestra todos los departamentos de la UV que participan en la docencia de este Grado:

Departamento de Estadística e Investigación Operativa. Departamento de Matemáticas. Departamento de Análisis Matemático. Departamento de Matemáticas para la Economía y la Empresa. Departamento de Comercialización e Investigación de Mercados. Departamento de Economía Aplicada. Departamento de Fisiología. Departamento de Genética. Departamento de Dirección de Empresas. Departamento de Estructura Económica. Departamento de Análisis Económico. Departamento de Finanzas Empresariales. Departamento de Derecho Civil. Departamento de Derecho Mercantil. Departamento de Derecho Constitucional. Departamento de Derecho Administrativo y Procesal.

Estos departamentos presentan la suficiente capacidad docente para afrontar la carga que supone este grado. La Tabla 6.1 muestra la distribución de figuras docentes para cada departamento a la finalización del curso 2015-2016 (último curso académico para

csv:

274

1014

9606

0171

5824

0434

9

el que se disponen de los datos estadísticos proporcionados por el Recull de Dades Estadístiques de la Universitat de València, http://www.uv.es/reculldedades).

Departamento CU TU A AD CD Asoc. E CEU TEU Total

Análisis Económico 15 43 1 1 11 9 1 ‐ 3 84

Análisis Matemático 9 7 - - - - - - - 16

Comercialización y Seg. De Mercados 7 13 ‐ 3 5 19 ‐ 1 ‐ 48

Derecho Civil 9 10 ‐ ‐ 3 15 ‐ ‐ 3 40

Derecho Constitucional 6 9 ‐ 2 5 22 ‐ ‐ 1 45

Derecho Mercantil 3 15 ‐ 1 3 12 2 ‐ 2 38

Derecho Administrativo y Procesal 5 20 ‐ 3 ‐ 40 1 ‐ 1 70

Dirección de Empresas 8 28 ‐ 9 6 18 ‐ 1 7 77

Economía Aplicada 4 48 3 2 4 9 ‐ 6 7 83

Estadística e Investigación Operativa 6 12 ‐ 3 1 ‐ ‐ ‐ 1 23

Estructura Económica 8 14 ‐ ‐ 7 ‐ ‐ ‐ 29

Finanzas Empresariales ‐ 10 1 2 1 3 1 1 6 25

Fisiología 11 13 ‐ 2 8 20 ‐ ‐ ‐ 54

Genética 6 14 ‐ ‐ 2 2 ‐ ‐ ‐ 24

Informática 1 24 ‐ 4 11 25 ‐ ‐ 10 76

Ingeniería Electrónica 4 26 ‐ 3 3 5 ‐ ‐ ‐ 41

Matemáticas 13 10 ‐ 5 1 4 1 ‐ 2 52

Matemáticas para la Economía y la Empresa

2 14 ‐ ‐ 3 ‐ ‐ 1 3 23

Tabla 6.1 Categoría del profesorado de los departamentos implicados en la docencia del Grado en Ciencia de Datos. CU: Catedrático de Universidad; TU: Titular de Universidad; A: Ayudante; AD: Ayudante doctor; CD: Contratado Doctor; Asoc.: Asociado; E: Emérito; CEU: Catedrático

de Escuela Universitaria; TEU: Titular de Escuela Universitaria.

csv:

274

1014

9606

0171

5824

0434

9

El personal académico del que se nutre el profesorado del Grado tiene una larga trayectoria investigadora. Como indicador de medida de este aspecto, la Tabla 6.2 resume los sexenios de investigación totales obtenidos durante el curso 2015-2016 para todos los departamentos implicados en la docencia del grado.

Departamento Total

Análisis Económico 154

Análisis Matemático 64

Comercialización y Seg. De Mercados

46

Derecho Admisitrativo y Procesal

75

Derecho Civil 63

Derecho Constitucional 46

Derecho Mercantil 50

Dirección de empresas 55

Economia Aplicada 49

Estadística e Investigación Operativa

53

Estructura Económica 60

Finanzas Empresariales 18

Fisiologia 94

Genética 80

Informática 60

Ingeniería Electrónica 78

Matemáticas 75

Matemáticas para la Economía y la Empresa

28

Tabla 6.2 Sexenios totales de los departamentos implicados en la docencia del Grado.

csv:

274

1014

9606

0171

5824

0434

9

Las dos tablas anteriores reflejan la capacidad docente e investigadora de los Departamentos implicados. A continuación se detallan las características del profesorado que, a fecha de esta petición, ha manifestado interés en la docencia del grado y tiene un perfil investigador orientado al análisis de datos. En primer lugar se quiere destacar la alta participación de profesorado funcionario, que supera el 80% del grado planteado tanto en número de profesores como en número de horas asignadas. Este porcentaje se completa con un 12,8% de Contratados Doctores, y un 1,5% de Ayudantes Doctores. Por otra parte, como muestra la Tabla 6.3, la mayor parte del profesorado estable (93.7%) tiene 3 o más quinquenios, lo que supone más de 15 años de experiencia docente.

Nº de Quinquenios Docentes

1 2 3 4 >4

Catedrático/a de Universidad - - 1 2 9

Profesor/a Titular de Universidad - 1 21 8 3

Profesor/a Contratado/a Doctor/a 4 2 - 2 -

Profesor/a Titular de Escuela Universitaria - - - 4 -

TOTAL 4 3 22 16 12

Tabla 6.3 Quinquenios del profesorado participante en el grado. Es importante que los profesores de cualquier titulación tengan un gran bagaje en investigación que les proporcione un alto nivel de actualización en sus conocimientos. Los profesores que han demostrado interés por el Grado son muy activos a nivel de investigación, como muestra la Tabla 6.4 donde aparecen los sexenios de los profesores y las profesoras con docencia prevista en el Grado. En esta tabla se observa que un 62.2% del profesorado tiene concedidos 2 o más sexenios y un 94% tiene al menos un sexenio. Este hecho ilustra la capacidad de investigación de los profesores del Grado que impactará directamente en la capacidad de motivación a los alumnos así como en la dirección de los Trabajos Fin de Grado.

Sexenios

0 1 2 >2

Catedrático/a de Universidad - - 1 11

Profesor/a Titular de Universidad - 7 16 10

Profesor/a Contratado/a Doctor/a - 4 4 -

Profesor/a Titular de Escuela Universitaria 3 1 - -

TOTAL 3 12 21 21

Tabla 6.4 Sexenios del profesorado participante en el grado.

csv:

274

1014

9606

0171

5824

0434

9

En la tabla 6.5 se muestran los profesores que, a fecha de esta propuesta, han manifestado interés por la docencia en este grado. Aparece su área de conocimiento así como una breve biografía para mostrar el grado de adecuación de los diferentes profesores a este grado. Se muestra, además, el porcentaje de su dedicación a cada una de las materias propuestas en este grado, calculado en función de la dedicación total del profesor o profesora. MATERIAS PROFESORES % Área Breve Biografía

INFO

RMATICA(18 ECTS)

PROFESOR/A 1 12,5%

Ciencias de la Computación e Inteligencia Artificial

Es Licenciada en Informática por la UPV en la especialidad de Sistemas físicos y doctora en Informática por la UV (2001). Es miembro del departamento de Informática (Ciencias de la Computación e Inteligencia Artificial) donde es profesora Titular de Universidad. Con una larga experiencia docente (4 quinquenios reconocidos) ligada al campo de la algorítmica y la programación, ha impartido distintos lenguajes de programación y en distintas titulaciones de ciencias básicas e ingenierías. En el ámbito educativo ha participado activamente en proyectos de innovación docente financiados y en el proyecto piloto de innovación docente previo a la adaptación al espacio europeo de educación superior. Su actividad investigadora (con 2 sexenios reconocidos) se ha centrado en la recuperación de información multimedia en grandes bases de datos.

PROFESOR/A 2 12,5%

Ciencias de la Computación e Inteligencia Artificial

Licenciado y doctor en Ciencias Físicas por la UV, es profesor contratado doctor en el área Ciencias de la Computación e Inteligencia Artificial. En su larga trayectoria docente, con más de 20 años de actividad, ha impartido asignaturas relacionadas con la programación (Informática, Algoritmos y Estructuras de Datos, Herramientas de Programación, Ampliación de Informática, etc.). En cuanto a su actividad investigadora, de también más de 20 años, ha realizado trabajos dentro del campo de la Informática gráfica, Realidad Virtual, Gráficos en Tiempo Real y, actualmente también, en el campo de la Bioinformática.

PROFESOR/A 3 10%

Ciencias de la Computación e Inteligencia

Artificial

Licenciado en Ciencias Físicas por la Universidad de Valencia (1993) y Doctor en Informática por la Universidad de Valencia (2015). Actualmente trabaja como profesor titular de escuela universitaria (2002) en el Departamento de Informática de la UV. En cuanto a su labor docente, tiene una gran experiencia en asignaturas relacionadas con los Sistemas de Información (Bases de Datos, Sistemas de Gestión de Bases de Datos, Bases de datos documentales). Sus áreas de investigación son los Sistemas Inteligentes de Transporte (ITS), Sistemas de Información y Bases de Datos. Ha sido miembro del e‐Safety Observers group (representante español) entre 2005 y 2010.

PROFESOR/A 4 14%


Artificial

Es licenciada y doctora en Ciencias físicas (1994, 1999) por la UV. Es profesora Titular del departamento de Informática desde el 2003 (Ciencias de la Computación e Inteligencia Artificial). En su larga trayectoria docente, 4 tramos de docencia reconocidos, ha impartido asignaturas relacionadas con los sistemas de información (Bases de Datos, Sistemas de Gestión de Bases de Datos, Sistemas de Información de Nueva Generación) y otras relacionadas con el análisis de imagen y reconocimiento de patrones (visión por computador). En cuanto a su actividad investigadora, con 3 sexenios reconocidos, ha trabajado en Bases de Datos, recuperación de información multimedia, Análisis de imagen.

PROFESOR/A 5 8%


Artificial

Licenciado en Ciencias físicas, es profesor Titular de Escuela Universitaria en el departamento de Informática, área Ciencias de la Computación e Inteligencia Artificial dónde lleva impartiendo docencia 20 años. Su actividad docente ha estado centrada especialmente en la enseñanza de la programación a todos los niveles (introducción, estructuras de datos y algoritmos, etc…) y de los lenguajes de programación (en particular, los lenguajes Pascal, C++, Prolog y Lisp), así como en la enseñanza en Inteligencia Artificial. Su investigación está relacionada con Entornos Virtuales Distribuidos, Planificación

csv:

274

1014

9606

0171

5824

0434

9

en Entornos Virtuales, Simulaciones de Multitudes y Simulación Social en Sistemas Multi‐agentes y actualmente en el Modelado y Simulación biofísica del corazón como miembro del grupo de investigación CoMMLab.

PROFESOR/A 6 10%


Artificial

Es Ingeniero en Informática y Doctor. Ha trabajado como profesor universitario en tres instituciones distintas: Liverpool John Moores University (6 años), Mediterranean University of Science and Technology (6 años) y Universitat de València (10 años). Acreditado a Catedrático, actualmente es profesor Titular del área de Ciencias de la Computación e Inteligencia Artificial dentro del departamento de informática. A lo largo de su trayectoria, ha impartido docencia en más de 30 asignaturas distintas relacionadas muchas de ellas con el aprendizaje de lenguajes de programación: Lenguajes de Programación, Entornos de Usuario, Informática. También ha impartido docencia de máster relacionada con el Aprendizaje Máquina. En cuanto a su actividad investigadora destacan sus trabajos en el campo de los Sistemas educativos inteligentes, la computación afectiva y el aprendizaje máquina. Innovación docente: ha sido investigador principal de cuatro proyectos de innovación docente financiados por la universidad; participado en otros siete; coordinando una red de innovación educativa formada por miembros de 4 universidades; y liderando el grupo de investigación en metodologías docentes colaborativas, cooperativas y competitivas, reconocido oficialmente por la universidad como grupo de innovación docente consolidado.

PROFESOR/A 7 8%


Artificial

Licenciado en Ciencias Físicas y doctor por la UV trabaja en el departamento de Informática como Titular de Escuela Universitaria desde el 2002. En su larga experiencia docente, destaca por haber impartido asignaturas relacionadas con las estructuras de datos y algoritmos, fundamentos de programación e informática gráfica. Su actividad investigadora está centrada en el aprendizaje automático para realizar simulaciones de peatones y de muchedumbres.

MATEMÁTICAS (18 ECTS)

PROFESOR/A 8 15% Estadística e Investigación Operativa

Catedrático de Universidad en el departamento de Estadística e Investigación Operativa de la Universitat de València. Recibió su doctorado en Matemáticas con Premio Extraordinario en esta misma universidad en el año 1994. Desarrolla su labor docente en materias de introducción a la estadística en el área de sociales, la programación lineal y la entera en el Grado en Matemáticas y los procedimientos heurísticos en postgrado (máster y doctorado). Ha sido director del programa de doctorado en el periodo 2005‐2010 y secretario de la comisión de doctorado de la Universidad de Valencia en 2008‐2010. Ha realizado numerosas estancias en otras universidades tanto por tareas investigadoras como docentes (en postgrado), incluyendo las universidades de Guayaquil (Ecuador), Lorient (Francia), Colorado (USA), Molde (Noruega), Autónoma de México, Panamá y Graz (Austria). Su producción científica se puede cuantificar en unos 150 artículos y capítulos de libro en el área de la optimización, de entre los que hay más de 90 en revistas indexadas en JCR (50 de ellos en el primer cuartil). Su índice h es de 44 según Google Scholar, y de 24 según la Web of Science y sus trabajos han recibido conjuntamente más de 8.000 citas. Es co‐autor de las monografías “Scatter Search” editada por Kluwer (2003), “The Linear Ordering Problem” y “Metaheuristics for Business Analytics” editadas por Springer (2011 y 2017 resp.), y actualmente es co‐editor de la Enciclopedia “Handbook of Heuristics” de la editorial Springer. El profesor Martí tiene actualmente reconocidos 4 sexenios de investigación y ha realizado cerca de 100 presentaciones en congresos. Ha participado en más de 20 comités de organización y programa de congresos y está en el comité editorial de numerosas revistas.

PROFESOR/A 9 15% Matemática Aplicada

Obtuvo la licenciatura en Matemáticas en 1989 y el doctorado en Matemáticas en 1992, ambos por la Universitat de València. Es catedrático de universidad del área de matemática aplicada y cuenta con 5 quinquenios y 4 sexenios. Ha impartido clases en Matemáticas (desde 1993, métodos numéricos para EDO y para el álgebra lineal), Ingeniería Electrónica (1997‐1999) e

csv:

274

1014

9606

0171

5824

0434

9

Informática (1994). Es coautor de 3 manuales universitarios sobre métodos numéricos y de más de 50 artículos científicos. Ha dirigido 7 tesis doctorales.

PROFESOR/A 10

15% Matemática Aplicada

Licenciada en Matemáticas con grado (1983) y PhD in Mathematics por la Universidad de California, Los Angeles (UCLA, 1991, convalidación MEC en 1992) es catedrática de universidad (área de Matemática Aplicada) y tiene reconocidos 6 quinquenios y 4 sexenios. Ha impartido docencia en la Universitat de València, como profesora responsable de asignatura en las Facultades de Matemáticas y Química y en la ETSE (Grado de Ingeniería Química) en diversas materias relacionadas con análisis numérico, álgebra lineal computacional, ecuaciones diferenciales y estadística básica. Es coautora de dos manuales publicados por la UV titulados 'Aproximació Numèrica' y 'Mètodes numèrics per a l'àlgebra lineal'. Es autora o co‐autora de más de 60 publicaciones indexadas y ha dirigido 4 tesis doctorales.

PROFESOR/A 11

15% Álgebra

Licenciado en Matemáticas con grado (1994) y doctor en Matemáticas (1997) por la Universitat de València, es profesor titular de Álgebra, con 4 quinquenios y 3 sexenios reconocidos. Ha impartido docencia en Matemáticas (UV, 1993, 1995‐1997, 2013‐ahora al 50 %, asignaturas de Álgebra), Informática (UPV, 1997‐2013, Análisis Matemático, Matemática discreta, Álgebra, LaTeX), y en los grados en Ingeniería Informática e Ingeniería Multimedia (UV, 2013‐2017 al 25 % en cada una, Matemáticas I). Es coautor de 4 libros de problemas de Álgebra y Matemática discreta. Investiga en teoría de grupos, es autor de más de 50 artículos, del libro «Products of finite groups» y director de una tesis doctoral.

PROFESOR/A 12

15% Geometría

Licenciado en Matemáticas en 1987 y Doctor en Matemáticas en 1991 (con premio extraordinario) por la Universitat de València (UV). Es Catedrático de Geometría y Topología de la UV desde 2010, con 5 quinquenios y 4 sexenios reconocidos. Ha sido Decano (entre 2002 y 2005) y también Secretario (entre 1997 y 2002) de la Facultad de Ciencias Matemáticas de la UV. Las líneas de Investigación en las que trabaja se encuadran dentro de la Teoría de Singularidades, con alrededor de 60 publicaciones, la mayoría de ellas corresponden a artículos publicados en revistas indexadas con un alto índice de impacto en el Journal Citation Reports y ha dirigido un total de 9 tesis doctorales. En cuanto a experiencia docente, ha impartido asignaturas del área de Geometría y Topología del grado y del máster en Matemáticas, así como diversas asignaturas de matemáticas generales en ingenierías

ESTA

DÍSTICA (12 ECTS)

PROFESOR/A 13

15% Estadística e Investigación Operativa

Licenciada y Doctora en Matemáticas. Es Profesora Titular de Universidad en el Departamento de Estadística e Investigación Operativa de la Universitat de València y Biomathematics and Statistics Scotland Associate. Tiene cuatro sexenios de investigación reconocidos. Habilitada a Catedrática desde Enero de 2014, es Directora del Grupo de Investigación en Estadística Bayesiana‐VABAR de la Universitat de València (GIUV2016‐271). Imparte docencia en el Departamento de Estadística e Investigación Operativa de la Universitat de València desde 1987. Ha impartido clases en las licenciaturas o grados de Matemáticas, Ciencias y Técnicas Estadísticas, Biología, Biotecnología y Medicina y en los Másteres en Bioestadística y en Ciencia de Datos de la Universitat de València. También tiene experiencia docente en cursos de Estadística Bayesiana en congresos y escuelas de verano nacionales e internacionales. Tiene experiencia en la docencia de las materias Bioestadística, Cálculo de probabilidades, Diseño y análisis estadístico de experiencias, Estadística Matemática, Inferencia Bayesiana, Matemáticas II, Modelos lineales, Modelos aditivos y de suavizado y Procesos estocásticos. Tiene experiencia como tutora de prácticas externas en el Máster en Bioestadística y el Grado de Matemáticas.

PROFESOR/A 14


Licenciado y Doctor en Matemáticas. Profesor Titular de Universidad en el Departamento de Estadística e Investigación Operativa de la Universitat de València. Tiene reconocidos tres sexenios de investigación y cuatro quinquenios de docencia. Es

csv:

274

1014

9606

0171

5824

0434

9

Director del Máster en Bioestadística desde 2016. Imparte Docencia en el Departamento de Estadística e Investigación Operativa de la Universitat de València desde 1993. Ha impartido clases en las licenciaturas o grados de Matemáticas, Ciencias y Técnicas Estadísticas, Biología, Farmacia y Medicina y en el Máster en Bioestadística de la Universitat de València. También ha impartido docencia en el Master of Statistics de la Universidade do Minho y en el Master of Biostatistics 2 de la Université de Bordeaux. Tiene experiencia en la docencia de las materias Bioestadística, Computación y programación en R, Diseño y análisis estadístico de experiencias, Estadística Matemática, Inferencia Bayesiana, Matemáticas, Métodos de Simulación, Modelos lineales Generalizados, Modelos aditivos y de suavizado. Tiene experiencia como tutor de prácticas en el Máster en Bioestadística y el Grado de Matemáticas, habiendo sido Coordinador de prácticas de la facultad de matemáticas durante tres años.

PROFESOR/A 15


Licenciada y Doctora en Ciencias y Técnicas Estadísticas. Es Profesora Contratada Doctor Interina en el Departamento de Estadística e Investigación Operativa de la Universitat de València, con docencia en el departamento desde enero de 2012. Ha impartido clases en los grados en Matemáticas, Biotecnología, Farmacia y Nutrición Humana y Dietética y en los másteres en Investigación en Didácticas Específicas y Planificación y Gestión de Procesos Empresariales de la Universitat de València. Tiene experiencia como tutora de prácticas en el Grado en matemáticas. Las principales áreas de investigación actuales son la modelización Bayesiana espacio‐temporal en escenarios de tipo epidemiológico y el desarrollo de herramientas de vigilancia y el análisis estadístico de series temporales. En todos ellos es autora de artículos en revistas internacionales y ha participado en proyectos de investigación nacionales e internacionales.

PROFESOR/A 16


Licenciada en Matemáticas y en Ciencias y Técnicas Estadísticas. Doctora en Matemáticas. Profesora Contratada Doctor Interina en el Departamento de Estadística e Investigación Operativa de la Universitat de València. Acreditada a Titular de Universidad desde Febrero de 2016. Ha realizado actividades docentes en el Departamento de Estadística e Investigación Operativa de la Universitat de València así como en los departamentos de Matemática Aplicada I y Ecuaciones diferenciales y Análisis numérico de la Universidad de Sevilla. Ha impartido docencia en licenciaturas, ingenierías o grados de Matemáticas, Medicina, Biología, Biotecnología, Bioquímica, Arquitectura, Ciencia y Tecnología de Edificación, Criminología e Ingeniería Química, y en los Másteres de Ciencia de Datos y en Investigación en Didácticas Específicas de la Universitat de València. Tiene experiencia en la docencia de materias como Estadística y Programación Matemática (Optimización). Tiene experiencia como tutora de prácticas en el Grado de Matemáticas.

DATO

S Y SO

CIEDAD (12 ECTS)

PROFESOR/A 17

15% Tecnología Electrónica

Licenciado en Física (1991), Ingeniero Electrónico (1996) y el Doctor (2000) por la Universitat de València. Profesor Titular de Universidad del Departamento de Ingeniería Electrónica; tiene un gran número de contratos con la empresa privada siendo actualmente sus áreas de especialización IoT y la Industria 4.0. Tiene reconocidos 4 quinquenios docentes y 3 sexenios de actividad investigadora. Su investigación se realiza en el grupo de “Diseño de Sistemas Digitales y de Comunicación” en temas de hardware/firmware para computación embebida, lógica reconfigurable y electrónica de altas prestaciones para aplicaciones en medicina, física de altas energías, e inteligencia ambiental. Tiene más de 40 artículos y 45 ponencias de carácter nacional e internacional, 1 patente y 21 contratos y proyectos con financiación pública y privada. Su docencia se centra en asignaturas de electrónica digital, diseño de productos electrónicos, gestión de proyectos, emprendimiento y desarrollo empresarial. Ha dirigido más de 95 Proyectos Fin de Carrera y TFG. Tiene gran experiencia como tutor de prácticas externas en todas las titulaciones con docencia adscrita al

csv:

274

1014

9606

0171

5824

0434

9

Departamento de Ingeniería Electrónica, siendo además en la actualidad el Coordinador de Prácticas Formativas Externas de la Escola Tècnica Superior d’Enginyeria de la Universitat de València.

PROFESOR/A 18

15% Electrónica

Licenciado en Física (1992), premio extraordinario y Doctor en Ingeniería Electrónica (1997). Es Director del Máster en Ciencia de Datos por la Universitat de València. Tiene reconocidos cuatro quinquenios docentes y tres sexenios de investigación. Desde el comienzo de su carrera profesional (tanto docente como investigadora) se ha dedicado al procesado de señales y análisis de datos, impartiendo asignaturas como Procesado Digital de Señales, Señales y Sistemas, y Procesado Digital de Bioseñales, Introducción a la Ciencia de Datos, Ciencia de datos en biomedicina y Analítica predictiva en salud. Realiza su investigación en el grupo IDAL (Intelligent Data Analysis Laboratory, http://idal.uv.es). Ha publicado más de más de 80 JCRs en el área del análisis de datos; tiene 15 capítulos en libros de investigación y ha publicado tres libros docentes (sobre procesado digital, teoría de circuitos y análisis de datos); tiene más de 200 publicaciones en congresos tanto nacionales como internacionales. Ha dirigido 8 tesis doctorales. Ha participado en proyectos de investigación tanto privados como públicos (nacionales y europeos); siendo el investigador principal en muchos de ellos.

PROFESOR/A 19

20% Derecho Civil

Catedrático de Universidad en el Departamento de Derecho Civil tiene reconocidos 4 quinquenios y tres sexenios. Director del Grupo de investigación de excelencia "Grupo Valenciano de Estudio del Derecho Privado Europeo ‐ GEVDPE" (GIUV2013‐118), que en el ámbito del Derecho y Nuevas Tecnologías dirigió el Microcluster “Valenciatics" (Law and business studies on ICT) del VLC/Campus, y grupo de excelencia PROMETEO 2011/23, sobre el modelo tecnológico de la Comunitat Valenciana. Viene desarrollando desde hace más de 15 años una línea de investigación que cubre las TICs dirigiendo la Revista Aranzadi de Derecho y Nuevas Tecnologías

OPTIM

IZACIÓN‐6 EC

TS

PROFESOR/A 20


Licenciado y Doctor en Matemáticas por la Universidad de Valencia, es Profesor Titular de Universidad en el Departamento de Estadística e Investigación Operativa de la Universitat de València desde 1986; en la actualidad, está Acreditado a Catedrático de Universidad con fecha 12 de diciembre de 2012. Tiene experiencia docente en asignaturas metodológicas propias de estadística, en la Licenciatura de Matemáticas y en el Máster de Bioestadística, y de estadística aplicada, en titulaciones como Medicina, Biología, Ciencia y Tecnología de los Alimentos, Ingenierías, etc. En varias de esas titulaciones ha sido tutor de prácticas externas y ha dirigido más de 20 trabajos de fin de Máster. Entre sus líneas de investigación en estadística destacan la clasificación, supervisada y no supervisada, análisis estadístico de supervivencia y series temporales, prestando apoyo estadístico a grupos de investigación en medicina y ha participado, como estadístico del ensayo, en ensayos clínicos. En la actualidad es IP de un proyecto de investigación financiado por el Ministerio de Economía y Competitividad. Su disponibilidad como docente en el grado de Ciencia de Datos es alta.

PROFESOR/A 21


Catedrático de Universidad en el Departamento de Estadística e Investigación Operativa de la Universitat de València desde octubre de 2007. Tiene reconocidos cuatro sexenios de investigación y seis quinquenios de docencia. Ha impartido docencia en las titulaciones de Matemáticas, Biología, Medicina, Ingeniería Química y Criminología, en el Máster de Planificación y Gestión de Procesos Empresariales, del que ha sido director durante 8 años, y en el Máster de Ciencia de Datos. Su especialidad es la Optimización, especialmente la Optimización Combinatoria, campo en el que ha trabajado en problemas de planificación, turnos, horarios, corte y empaquetamiento y optimización de operaciones en terminales marítimas de contenedores. Ha publicado numerosos artículos en revistas internacionales y ha sido investigador principal en proyectos financiados a nivel nacional y autonómico, así como en proyectos con empresas. Esta

csv:

274

1014

9606

0171

5824

0434

9

experiencia investigadora se traslada también a la docencia, tanto en las asignaturas de los Másteres como en las relacionadas con Optimización en el grado de Matemáticas, así como en la tutorización de Prácticas en Empresa, de Trabajos Fin de Grado y de Trabajos Fin de Máster

MODELOS ESTADÍSTICOS (18 ECTS)

PROFESOR/A 13


PROFESOR/A 14


PROFESOR/A 16


PROFESOR/A 10


PROFESOR/A 15


SEÑALES (18 ECTS)

PROFESOR/A 18

10% Electrónica

PROFESOR/A 22

12% Electrónica

Licenciado en Ciencias Físicas (1992) y doctor en Física (2000), es Profesor Titular (acreditado a catedrático) de Electrónica en el Departamento de Ingeniería Electrónica de la Universitat de València, desde 2002. Con cuatro quinquenios docentes reconocidos imparte asignaturas relacionadas con el tratamiento digital de señales, como “Introducción al Procesado Digital de Señales”, “Filtrado Digital”, o “Tratamiento Digital de Señales”. Ha dirigido más de 50 proyectos fin de carrera. Su actividad investigadora se desarrolla en el Grupo de Procesado Digital de Señales (GPDS), en la aplicación de técnicas de procesado digital para el análisis de señales biomédicas (electrocardiograma, electrooculograma, electrocardiografía fetal), y en aplicaciones industriales. Actualmente forma parte del Intelligent Data Análisis Laboratory (IDAL) centrado en la aplicación de técnicas de Inteligencia computacional en el análisis de datos en diferentes campos. Actualmente tiene reconocidos 3 sexenios de investigación.

PROFESOR/A 23

12,5%


Artificial

Licenciada (1992) y doctora (1997) en Ciencias Físicas por la UV lleva realizando tareas docentes e investigadoras más de 20 años. Ha impartido asignaturas relacionadas con la visión por computador y el procesamiento de imágenes en grado, master y doctorado. Con 3 sexenios de investigación reconocidos, sus líneas de investigación principales se centran en el análisis de imagen biológica/médica.

PROFESOR/A 24

8,3%


Artificial

Realizó los estudios de Ingeniería Informática (1998) en la UV para después continuar su doctorado y Máster en Inteligencia Artificial en Heriot‐Watt University (Escocia, UK) y la Universidad de Edimburgo (Escocia, UK), respectivamente. Tiene una trayectoria de12 años como investigadora en temas relacionados con la inteligencia artificial, Análisis de imágenes, aprendizaje máquina, y Reconocimiento de Patrones en aplicaciones médicas. Se incorporó al departamento de Informática en el año 2006 (11 años) y es Titular de Universidad. Ha impartido asignaturas de grado y de master relacionadas con su temática de investigación. Preocupada por la innovación educativa aplica nuevas metodologías en su docencia y ha integrado varios grupos de innovación docente. Innovación educativa: Ha participado en 2 proyectos de innovación docente financiados por la UV. Aplica nuevas metodologías de aprendizaje cooperativo en su enseñanza y herramientas de audiencia.

PROFESOR/A 25

12,5%

Ciencias de la Computación e Inteligencia Artificial+D39

Es licenciado en Ciencias Físicas y doctor por la Universidad de Valencia (1988, 1993 respectivamente). Realizó un master en la Universidad de Edimburgo (1991). Es profesor Titular del departamento de Informática (Ciencias de la Computación e Inteligencia Artificial) y está acreditado a Catedrático. En cuanto a su labor docente, tiene una experiencia de 25 años

csv:

274

1014

9606

0171

5824

0434

9

impartiendo docencia tanto de grado, master como doctorado en temáticas como la visión por computador, la robótica o el Aprendizaje Máquina. En su trayectoria investigadora (con 3 sexenios reconocidos) destaca sus trabajos en robótica, procesamiento de imágenes, y Aprendizaje máquina (más de 25 años).

PROFESOR/A 26


Licenciado en Ciencias Físicas, Ingeniero en Electrónica y Doctor Ingeniero en Telecomunicaciones, es profesor Titular en el departamento de Ingeniería Electrónica, donde lleva impartiendo docencia 8 años. Su actividad docente ha estado centrada especialmente en el Grado de Ingeniería Electrónica de Telecomunicación, del que es coordinador. Desarrolla su investigación en el Grupo de Diseño de Sistemas Digitales y de Comunicaciones (DSDC) en temas relacionados con los sistemas embebidos y reconfigurables aplicados al desarrollo de producto electrónico, al sector industrial y a aplicaciones de carácter científico, siempre con especial hincapié en la transferencia de tecnología.

PROFESOR/A 27


Doctor Ingeniero en Electrónica y profesor Titular de Universidad en el Departamento de Ingeniería Electrónica, área de Tecnología Electrónica, en el que ha impartido docencia 20 años (3 quinquenios y 2 sexenios). Centra su actividad docente en el área de Sistemas Electrónicos Digitales y de Comunicaciones, enfocada a los sistemas embebidos y de adquisición de datos. Su investigación, como miembro del Grupo de Diseño de Sistemas Digitales y de Comunicaciones (DSDC), está centrada en aplicaciones de los sistemas embebidos, de ultra bajo consumo y redes de sensores, en diferentes ámbitos como deporte y salud, energía, automatización y monitorización de variables ambientales.

GESTIÓN DE LA

INFO

RMACIÓN (18 ECTS)

PROFESOR/A 22

8% Electrónica

PROFESOR/A 28

15% Electrónica

Licenciado en Física, Ingeniero en electrónica, y Doctor por la Universidad de Valencia, actualmente es Titular de Universidad en el Departamento de Ingeniería Electrónica de la Universitat de València.Su experiencia se centra en temas de docencia de automatización industrial y uso de las TIC en el entorno industrial. Ha dirigido 10 TFGs y 1 TFM. Tiene amplia experiencia en la tutorización de prácticas externas en el grado de Ingeniería electrónica industrial. Está acreditado por ADEIT de la Universidad de Valencia en el programa de Sistema de Evaluación y acreditación de tutores de prácticas externas. Desarrolla su actividad científica en el Grupo Intelligent Data Analysis Laboratory (IDAL) de la UV. El trabajo se centra en el preprocesado de datos, aplicación de técnicas de selección de características y la aplicación de modelos matemáticos que aprenden de ejemplos reales para la ayuda en la toma de decisiones.

PROFESOR/A 4 12,5%


Artificial

PROFESOR/A 29

7,4%


Artificial

Es licencia en Ciencias Físicas y profesora Titular de Escuela Universitaria en el departamento de Informática de la Universitat de València. Con más de 20 años de experiencia docente ha impartido asignaturas relacionadas con el campo de las bases de datos y la enseñanza de la programación. En cuanto a su experiencia profesional de más de 20 años, centra su investigación en el ámbito de los sistemas de información, las bases de datos federadas y el almacenamiento de datos masivos. Tiene una amplia experiencia en transferencia al sector productivo y ha participado en numerosos contratos y proyectos de investigación para empresas e instituciones públicas. Participa activamente en Innovación docente en la aplicación de nuevas metodologías de innovación educativa en el aula.

csv:

274

1014

9606

0171

5824

0434

9

PROFESOR/A 30

12,5%


Artificial

Licenciado y Doctor en Química por la Universitat de València es profesor titular desde el 2002 en el área de Ciencias de la Computación e Inteligencia Artificial. Con una experiencia docente de casi 20 años, ha impartido un gran número de asignaturas relacionadas con el campo de los sistemas de información como son, Bases de Datos, Diseño de BDs, Minería de Datos, Bases de datos NoSQL, y otras como programación orientada a objetos, computación de altas prestaciones y métodos numéricos. En cuanto a su actividad profesional/investigadora sus trabajos se han centrado en las áreas de reconocimiento de patrones y machine learning y la computación paralela y de altas prestaciones, más recientemente con aplicaciones en el área de la Bioinformática. Tiene también experiencia como analista de sistemas en el Servei d’Informàtica de la Unviersitat de València.

PROFESOR/A 31


Ingeniero en Electrónica, es profesor Titular de Universidad en el departamento de Electrónica, áreas de Electrónica y Tecnología Electrónica, donde imparte docencia desde hace 12 años. Su actividad docente se ha centrado en la programación de microcontroladores (en lenguaje C), los dispositivos electrónicos y las técnicas de imagen biomédica. Es miembro del grupo de investigación Intelligent Data Analysis Laboratory (IDAL), donde su trabajo está relacionado con los métodos de visualización avanzada de datos en entornos web y el Procesado del Lenguaje Natural

PROFESOR/A 18

10% Electrónica

APREN

DIZAJE M

ÁQUINA (24 ECTS)

PROFESOR/A 32

8% Electrónica

Licenciado en Física (especialidad en Física Teórica), Ingeniero en Electrónica y Doctor por la Universitat de València. Es profesor Titular de Universidad (acreditado a catedrático de universidad) en el Departamento de Ingeniería Electrónica, donde lleva impartiendo docencia durante 18 años. Su actividad docente ha estado centrada en Teoría de Circuitos, Procesado de Señales, Análisis de Datos y Aprendizaje Automático. Realiza su actividad investigadora dentro del grupo IDAL (Intelligent Data Analysis Laboratory), centrado en técnicas de aprendizaje automático, con dos intereses fundamentales: la aplicación de métodos clásicos de aprendizaje automático en el campo de la Medicina y la formulación de nuevos paradigmas de aprendizaje automático cuántico.

PROFESOR/A 33


Obtuvo el título de Ingeniero en Electrónica y de Doctor por la Universidad de Valencia. Actualmente es profesor titular de universidad (acreditado a catedrático de universidad) en el departamento de ingeniería electrónica de la Universidad de Valencia del que es miembro desde 2001 (3 quinquenios de docencia y 2 sexenios de investigación). En el presente curso académico imparte 24 créditos de los cuales 3 pertenecen al Máster de Ciencia de Datos. Su investigación está relacionada con el aprendizaje automático y el procesamiento de señales e imágenes. Gestiona y supervisa investigación sobre estos temas en el marco de varios proyectos nacionales e internacionales.

PROFESOR/A 34


Obtuvo el doctorado y los títulos de Ingeniería Electrónica e Ingeniería Técnica en Telecomunicaciones por la Universidad de Valencia en 2012, 2002, 2000 respectivamente. Trabaja desde 2003 en el Departamento de Ingeniería Electrónica de la Universidad de Valencia y en la actualidad está contratada como Profesora Ayudante Doctor. También es investigadora en la ERI Laboratorio de Procesado de Imágenes (http://isp.uv.es/) de la Universidad de Valencia, donde su trabajo se relaciona principalmente con el reconocimiento de patrones (pattern recognition) y aprendizaje automático (machine learning) aplicado a datos e imágenes multiespectrales de teledetección (datos EUMETSAT/SEVIRI/IASI, SPOT, Landsat5‐8, MERIS, MODIS, Sentinel‐2, futuro Sentinel‐3 del programa espacial Copernicus,

csv:

274

1014

9606

0171

5824

0434

9

etc.). Además, también ha estado involucrada en 6 proyectos del programa Nacional de I+D+I, un FP7 y en 25 contratos y/o convenios con entidades como el Instituto Cartográfico Valenciano, el Instituto Geográfico Nacional, el Séptimo Programa Marco de Investigación y Desarrollo Tecnológico, la Agencia Espacial Europea (ESA) y la Organización Europea para la Explotación de Satélites Meteorológicos (EUMETSAT). Es autora de 15 artículos SCI en revistas internacionales y más de 45 comunicaciones a congresos internacionales. Tiene un índice h=12 en Google Scholar.

PROFESOR/A 28


PROFESOR/A 35


Doctor en Físicas, coordina el grupo "Image and Signal Processing (ISP) group", y es Catedrático en el Dept. Ingeniería Electrónica de la Universitat de València, donde lleva impartiendo docencia 20 años. Su actividad docente actual se centra en el procesado de la señal, imágenes y sensado remoto a nivel de máster y doctorado, tanto en la UV como en centros extranjeros (EPFL, MPI), y dentro del programa 'IEEE Distinguished Lecturer" desde 2016. Su investigación está relacionada con el aprendizaje estadístico y el procesado de señales, con aplicaciones en el procesado de imágenes, visión por computador, teledetección y geociencia. Más información en http://isp.uv.es

PROFESOR/A 18

5% Electrónica

PROFESOR/A 6 18,75%


Artificial

PROFESOR/A 36

18,75%


Artificial

Licenciado en Física y doctor por la Universitat de València en 1987 y 1993, respectivamente. Con una experiencia docente e investigadora de 27 años, es catedrático del área Ciencias de la Computación e Inteligencia Artificial en el departamento de informática de la UV. A nivel docente ha impartido clases durante su larga carrera de asignaturas relacionadas con el Aprendizaje Máquina, el Reconocimiento de Formas, Análisis de Imágenes, Minería de Datos, Visión por Computador, Algoritmos y Estructuras de Datos, Teoría de Automáticas y Lenguajes Formales. Pertenece a la asociación española para el reconocimiento de Formas y Análisis de Imágenes (AERFAI) y a la International Associacion for Pattern Recognition (IAPR). Sus áreas de interés son el reconocimiento de formas, la visión por computador, el aprendizaje automático así ́como los aspectos computacionales y algorítmicos relacionados con el procesado inteligente de la información. Innovación docente: Ha participado en proyectos de innovación docente y ha disfrutado de ayudas para la elaboración de textos universitarios. También ha publicado artículos de carácter docente en conferencias y revistas.

ECONOMÍA, EMPRESA Y GESTIÓN (24 ECTS)

PROFESOR/A 37

10% Economía Financiera y Contabilidad

Doctor en CC. Matemáticas y premio extraordinario de Licenciatura. Cuenta con 16 años de experiencia docente e investigadora y es Profesor Titular de Universidad del departamento de Matemáticas para la Economía y la Empresa. Tiene 2 sexenios de investigación valorados positivamente. Ha realizado varias estancias de investigación entre las que destaca la realizada en la base española en la Antártida. Sus áreas de investigación son sistemas dinámicos y caos (Wavelettes, AFM, oscilador de Bonhoeffer‐van der Pol), relatividad, Ecuaciones integrales no lineales de Volterra, Series temporales y Predicción. Su disponibilidad como docente en el grado de Ciencia de Datos es alta

PROFESOR/A 38

15% Economía Financiera y Contabilidad

Licenciado en CC. Matemáticas y Doctor en Física Teórica por la Universidad de Valencia. Catedrático de Universidad del departamento de Matemáticas para la Economía y la Empresa. Cuenta 29 años de experiencia docente y 4 sexenios de

csv:

274

1014

9606

0171

5824

0434

9

investigación. Ha sido director del departamento de Matemáticas para la Economía y la Empresa y es editor de las revistas Rect@ y Anales de ASEPUMA. También es académico numerario de la Real Academia de Ciencias Económicas y Empresariales y de la Royal European Academy of Doctors. Sus áreas de investigación son la Optimización bajo incertidumbre, Inversiones socialmente responsables e Impact investing. Su disponibilidad como docente en el grado de Ciencia de Datos es alta.

PROFESOR/A 39

12% Fundamentos de

Análisis Económico

Licenciado en Ciencias Matemáticas y Doctor en Economía por la Universitat de València. Profesor Titular de Universidad en el Departamento de Análisis Económico. Desde hace 23 años su docencia está vinculada al área de Fundamentos del Análisis Económico. Las áreas en las que centra su investigación son el análisis microeconómico, decisiones estratégicas, teoría de juegos, racionalidad limitada, diseño de subastas y ofertas óptimas (mercado de telecomunicaciones), redes de comunicación, diseño de contratos en organizaciones complejas, que han dado lugar a varias publicaciones indexadas, asistencias a congresos y a la concesión de un sexenio de investigación. Su disponibilidad como docente en el grado de Ciencia de Datos es alta

PROFESOR/A 40

10%

Métodos Cuantitativos

para la Economía y la

Empresa

Licenciado en Matemáticas y Doctor en CC. Económicas. Catedrático de Universidad del área de Métodos Cuantitativos para Economía y la Empresa adscrita al Departamento de Economía Aplicada. Durante sus 24 años de experiencia docente ha impartido casi todas las asignaturas que grado del área de conocimiento tiene adscritas. Ha participado en la docencia en el Máster de CC. Actuariales y Financieras. En la actualidad cuenta con 3 sexenios de investigación y un gran número de artículos científicos publicados en revistas indexadas en SCI y SSCI. Las áreas de investigación son cuestiones electorales, pronóstico, muestreo, aprendizaje estadístico (máquina), estadísticas espaciales, inferencia ecológica, estadísticas bayesianas, desigualdad de ingresos, cuestiones demográficas, evaluación de riesgos, cuentas trimestrales, series temporales económicas, economía regional. Su disponibilidad como docente en el grado de Ciencia de Datos es alta.

PROFESOR/A 41

15% Comercialización e Investigación de Mercados

Catedrático de Universidad en el Departamento de Comercialización e investigación de mercados. Fue Vicerrector de Relaciones Internacionales y comunicación de la Universitat de València, Decano de la Facultad de CC. Económicas y Empresariales de la Universitat de València y Director del departamento en que imparte su docencia en la actualidad. En los 33 años de antigüedad, además de la docencia en grado en el campo de la comercialización, imparte docencia en el máster de Marketing y en el International Management Business Administration (IMBA) y participa en el programa de doctorado interuniversitario de Marketing. En cuanto a la investigación, en la actualidad tiene 4 sexenios de investigación, más de 100 artículos publicados y más de 150 presentaciones en congresos, en las áreas de investigación de Publicidad, investigación de mercados, turismo y marketing estratégico, Valor del cliente, país de origen, medios publicitarios, planificación, nuevos medios, calidad del servicio, destinos turísticos, empresas familiares. Su disponibilidad como docente en el grado de Ciencia de Datos es alta.

PROFESOR/A 17


PROFESOR/A 42

18%

Arquitectura y Tecnología

de Computadores

Licenciado y Doctor en Ingeniería Informática por la UV, trabaja en el departamento de Informática, área Arquitectura y Tecnología de Computadores, como profesor Titular. Con una experiencia docente de casi 20 años ha impartido asignaturas como "Sistemas Informáticos en Tiempo Real", "Tecnología y Diseño de Sistemas Digitales" y otras más relacionadas con la Gestión de Proyectos como "Ingeniería de Proyectos Informáticos", "Gestión de Proyectos Web", "Aspectos Legales

csv:

274

1014

9606

0171

5824

0434

9

de las TIC", "'Ética, Legislación y Profesión", "Gestión de Proyectos". Con cerca de 20 años de actividad investigadora destaca sus trabajos en el campo del análisis, diseño e implementación de sistemas informáticos para el soporte de aplicaciones 3D tiempo real de alto rendimiento. Actualmente, trabaja en el campo de la mejora de prestaciones de los sistemas basados en Realidad Aumentada Colaborativa (CAR) basados en telefonía móvil

SALU

D (6 ECTS)

PROFESOR/A 43

10% Genética

Licenciado en Ciencias Biológicas y Doctor por la Universitat de València es Catedrático de Universidad, con 4 sexenios y 5 quinquenios reconocidos. Pertenece al Insituto Cavanilles de Biodiversidad y Biología Evolutiva. Ha Impartido docencia en asignaturas de Bioinformática en las titulaciones de Grado en Bioquímica y Ciencias Biomédicas, Grado en Biotecnología y en el Máster universitario en investigación en biología molecular, celular y genética.

PROFESOR/A 16

7,5% Estadística e Investigación Operativa

PROFESOR/A 14


Computación (24 ECTS)

PROFESOR/A 44

18,75%


Artificial

Licenciado en Ciencias Físicas y Doctor por la UV, es profesor Titular de Universidad en el área de Ciencias de la Computación e Inteligencia Artificial. Durante los casi 20 años de actividad docente, ha impartido docencia sobre procesado de imágenes, programación, aplicaciones para dispositivos móviles, programación del lado del servidor y computación en la nube. En cuanto a su experiencia investigadora, con 3 tramos de investigación reconocidos, ha publicado trabajos sobre visión por computador, procesado de imágenes y computación en la nube.

PROFESOR/A 45

18,75%


de Computadores

Licenciado en Ciencias Físicas y doctor en Ingeniería Informática trabajo como Profesor Titular de Arquitectura y Tecnología de Computadores en la Universitat de València desde 2002. Estando su actividad docente centrada en los sistemas operativos y la seguridad informática, ha impartido durante sus más de 20 años de experiencias asignaturas tanto de grado como de doctorado ("Sistemas operativos", "Conceptos Avanzados de sistemas operativos" "Seguridad y fiabilidad", "Seguridad en sistemas informáticos" ,"Seguridad informática") Su actividad de investigación se centra en los sistemas operativos, los sistemas tolerantes a fallos y las redes de computadores, siendo miembro del Grupo de Investigación en Redes y Entornos Virtuales (GREV) de la UVEG. Adicionalmente, mantiene contratos de consultoría con empresas en el ámbito de la administración de sistemas y la seguridad informática. Innovación educativa: Ha participado regularmente desde 2013 en proyectos competitivos de innovación educativa como miembro del Grupo Consolidado de Innovación Docente en Metodologías Docentes Colaborativas, Cooperativas y Competitivas.

PROFESOR/A 46

11%


Artificial

Licenciado en Ciencias Físicas y doctor en informática por la UV. Con una larga trayectoria docente e investigadora (24 años), es Titular de Universidad desde el año 1999. En su actividad docente destaca por haber impartido asignaturas relacionadas con las Bases de Datos tanto a nivel de grado como de master. Sus líneas de trabajo actuales son las bases de datos y la ciencia de datos, los sistemas de gestión del aprendizaje y los sistemas informáticos para la gestión de procesos.

PROFESOR/A 47

18,5%


de Computadores

Es Licenciado en Física por la Universidad de Valencia (UV), y Doctor en Informática por la Univ. Politécnica de Valencia (UPV). Ha sido profesor de las universidades de Castilla‐La Mancha (UCLM) y Jaume I de Castellón (UJI), y desde 2007 es Profesor Titular de Arquitectura y Tecnología de

csv:

274

1014

9606

0171

5824

0434

9

Computadores de la Universidad de Valencia. Ha impartido diversos cursos de grado en Arquitectura de Computadores, Lógica y Sistemas Digitales, Electrónica Digital y Diseño de Sistemas Embebidos. También ha impartido cursos de doctorado y posgrado sobre Arquitecturas Multiprocesador, Computación y Arquitecturas Reconfigurables, y Redes de Alta Velocidad y con Calidad de Servicio, Big Data y Redes para Centros de Datos. Desde que comenzó su trayectoria investigadora ha trabajo en computación de altas prestaciones, computación reconfigurable para aplicaciones multimedia, diseño de protocolos de red en aplicaciones en tiempo real, localización RF en interiores y en el desarrollo de arquitecturas para computación en la nube, estos dos últimos temas en los que trabaja actualmente. Innovación docente: Interesado en las nuevas metodologías de innovación docente, participa en distintos proyectos de innovación educativa.

PROFESOR/A 48

15%


Artificial

Licenciado en Informática por la UPV y doctor por la UV, es Profesor Contratado Doctor de l'Escola Tècnica Superior d'Enginyeria (ETSE) de la Universitat de València. En cuanto a su actividad docente ha impartido asignaturas tanto de grado como de master en asignaturas como Programación, Análisis de datos Web y sociales, Minería Web, Big Data y Visualización Avanzada de Datos. En cuanto a su experiencia investigadora/profesional (18 años)sus trabajos se centran en técnicas de aprendizaje automático para sistemas multiagente, arquitecturas informáticas de simulación multiescala, modelos de coordinación para sistemas multiagentes y otras simulaciones basadas en física.

PROFESOR/A 49

18%


de Computadores

Licenciado en Informática y Doctor en Ingeniería Informática es actualmente profesor Titular de Universidad en el área de Arquitectura y Tecnología de Computadores, acreditado a Catedrático. Con Cuatro periodos de docencia (quinquenios) reconocidos ha impartido docencia a nivel de grado, máster y doctorado. Las asignaturas en las que ha impartido docencia son entre otras "Arquitectura de Redes de Computadores", "Planificación de Redes", "Planificación y Gestión de Redes". Desarrolla su actividad científica como Investigador Principal del Grupo de Redes y Entornos Virtuales en el campo de la Computación de altas prestaciones en problemas de genómica, Realidad Virtual, Sistemas Distribuidos.

Optativas (40,5 ECTS)

PROFESOR/A 32

5% Electrónica

PROFESOR/A 50

5% Electrónica

Licenciado en Ciencias Físicas, Dr. en Ingeniería Electrónica y profesor Titular de Universidad en el departamento de Electrónica, área Electrónica, de la Universidad de Valencia en el que ha estado vinculado desde hace 18 años. Su actividad docente ha estado centrada en la enseñanza de Electrónica Analógica en las titulaciones de grado y Procesado Digital de Señales y Analítica Predictiva en los másteres. Su investigación, como miembro del grupo de investigación IDAL (Intelligent Data Analysis Laboratory) de la Universidad de Valencia, está relacionada con los algoritmos de Aprendizaje Máquina y su aplicación a problemas reales de Ayuda a la Decisión.

PROFESOR/A 51

15% Fisiología

Profesora titular de Universidad acreditada a Catedrática con 4 sexenios de investigación y 5 quinquenios de docencia. Ha sido directora del Máster en Física Médica de la UVEG durante 5 años teniendo una gran experiencia en temas clínicos.

PROFESOR/A 52

7,5%

Teoría de la Señal y

Comunicaciones

Ingeniero en telecomunicaciones (2006) y doctor por la UPV (2009), es profesor contratado doctor y acreditado a titular en el departamento de Informática de la UV. Su actividad docente se ha centrado en asignaturas como Procesamiento de Audio y Voz, Fundamentos matemáticos de las telecomunicaciones y sistemas de Sonido y producción Musical. Es además miembro fundador del Grupo de Tratamiento de Señal y Tecnología Acústica (SPAT) del departamento de informática. Destaca también por participar en varios proyectos de innovación docente y aplicar nuevas metodologías educativas en su

csv:

274

1014

9606

0171

5824

0434

9

docencia. Su líneas de investigación están relacionadas con el procesado multidimensional de señales acústica, multimedia y audio espacial, aprendizaje máquina y localización en redes de sensores. Innovación docente: Participación en 5 proyectos de innovación docente (desde 2011). Coordinador de proyecto de innovación docente (2017). 10 publicaciones docentes. Es Coordinador del programa de mentoría "Entre‐Iguals" en la Escola Tècnica Superior d'Enginyeria.

PROFESOR/A 53

5%

Teoría de la Señal y

Comunicaciones

Ingeniera de Telecomunicación y de Doctora por la Universidad Politécnica de Valencia, actualmente es Profesora Contratada Doctor (acreditada a Titular de Universidad) en el departamento de Informática de la UV. Fue investigadora postdoctoral en la Chalmers University of Technology (Göteborg, Suecia), donde, además de participar en varios proyectos de investigación suecos y europeos, se inició en la supervisión de alumnos de máster y doctorado y participó en la docencia del Master Program on Communications. Imparte docencia en el Grado en Ingeniería Telemática, en asignaturas como Fundamentos Matemáticos de las Comunicaciones, Teoría de la Comunicación, Transmisión de Datos y Comunicaciones inalámbricas y Móviles. También imparte docencia en el Máster Oficial en Ingeniería de Telecomunicación Su línea de investigación principal es la de los mecanismos de cooperación y coordinación de usuarios/estaciones base dentro de las futuras redes de comunicaciones móviles 5G y posteriores. También ha desarrollado trabajos en el campo de las radios cognitivas y en el de construcción de campos espaciales de interferencias mediante la utilización de redes de sensores inalámbricos. Ha co‐dirigido una tesis doctoral, participado en 14 proyectos de investigación y contratos de I+D, y publicado más de 40 artículos en revistas o congresos internaciones de reconocido prestigio. Su investigación ha sido reconocida con 3 premios

PROFESOR/A 54

5% Ingeniería Telemática

Es licenciado en Físicas y doctor por la Universitat de Valencia (1998 y 2003). Acreditado a Titular de Universidad, actualmente trabaja en el departamento de Informática (desde 2008) como profesor contratado doctor impartiendo docencia tanto de grado como de master en asignaturas relacionadas con el procesado de señal como son "Procesado Avanzado de Señal para Comunicaciones", "Procesado digital de Audio y Voz". En cuanto a su actividad investigadora, de casi 10 años, se centra en el campo de la Acústica ambiental y virtual.

PROFESOR/A 48

10%


Artificial

PROFESOR/A 35

7,5% Tecnología Electrónica

PROFESOR/A 18

7,5% Electrónica

PROFESOR/A 55

12,5%


Artificial

Ingeniero Informático y doctor por la UV, premio extraordinario, es profesor Titular de Universidad del departamento de Informática, con una experiencia docente de 15 años, avalada por sus 3 quinquenios docentes. En sus tareas como profesor ha impartido docencia sobre modelado y simulación basada en agentes en programas de doctorado y máster de universidades extranjeras (Bolonia, Roma, Veracruz y Augsburgo). Es autor de más de 25 publicaciones docentes, ha sido miembro de más de una docena de Proyectos de Innovación Docente y ha coordinado durante dos años una Red Interuniversitaria de Innovación Docente. En cuanto a su actividad investigadora, con 2 sexenios reconocidos, se centra en la simulación y modelado basado en agentes, el aprendizaje máquina, la ingeniería web, el análisis y la visualización de

csv:

274

1014

9606

0171

5824

0434

9

datos. Destaca también la dirección de la Cátedra Capgemini‐UV a la innovación en el desarrollo del software También es miembro de la Associació Catalana d'Intel∙ligència Artificial y socio fundador de la Asociación para el estudio de los Sistemas Complejos Socio‐tecnológicos.

PROFESOR/A 56

7,5%


Artificial

Licenciado en Matemáticas y Doctor en Ciencias de la computación. Trabaja en el departamento de Informática como contratado doctor en el área de Ciencias de la Computación e inteligencia Artificial. En su larga trayectoria docente (más de 15 años) ha impartido docencia de matemáticas para ingeniería, de inteligencia artificial y de animación por ordenador. En cuanto a su actividad investigadora se centra en el desarrollo de modelos y algoritmos para animación basada en física y en la aplicación de la simulación por ordenador a ingeniería biomédica.

PROFESOR/A 20


PROFESOR/A 21


PROFESOR/A 57

15% Estructura Económica

Doctor en Economía, University College London. Profesor Titular de Universidad (Acreditado a CU) en el departamento de Estructura Económica de la Universitat de València. Ha impartido docencia, durante 25 años, en asignaturas del grado de Economía, del Máster de Economía y del Máster de Economía Industrial, entre otros. Además, participa en el Doctorado de Economía Industrial. Las áreas en las que centra su investigación son Organización industrial y política pública, modelos lineales y no lineales con datos panel, micro‐econometría. Ha publicado en una gran cantidad de revistas internacionales indexadas en SSCI y SCI. En la actualidad está en posesión de 3 sexenios de investigación. Su disponibilidad como docente en el grado de Ciencia de Datos es alta.

PROFESOR/A 58

10% Fundamentos de

Análisis Económico

Licenciada en Ciencias Matemáticas y Doctora en Economía por la Universitat de València. Profesora Titular de Universidad (Acreditada a CU) en el departamento de Análisis Económico y directora del LINEEX. Desde hace 21 años imparte docencia en asignaturas de vinculadas a la microeconomía y a la teoría de juegos. En cuanto a la investigación, trabaja en teoría de juegos, economía de la información, economía experimental y del comportamiento, Redes socioeconómicas de gran escala y big data social. Ha publicado numerosos artículos en prestigiosas revistas, participar en un gran número de congresos, lo que ha llevado a la evaluación positiva de su actividad investigadora en un par de ocasiones.

PROFESOR/A 9

10% Matemática Aplicada

PROFESOR/A 11

10% Álgebra

PROFESOR/A 13


PROFESOR/A 8


PROFESOR/A 15


csv:

274

1014

9606

0171

5824

0434

9

Tabla 6.5 Materias, profesores, % de dedicación al grado y breve biografía. Para la dirección de los Trabajos de Fin de Grado y la tutorización de las Prácticas Externas se contará con la participación de todo el profesorado con docencia en el título.

Cabe resaltar que una parte importante del profesorado propuesto para este grado imparte actualmente el Máster Universitario en Ciencia de Datos de la Universitat de València, inscrito en el RUCT con el código de título 4316093, que es el único máster oficial en esta área en la Comunidad Valenciana. Finalmente, los departamentos implicados en la docencia del grado tienen una larga tradición en la dirección y tutorización de prácticas externas. En la Tabla 6.6 aparece el número de prácticas externas realizadas en los Centros a los que se adscriben los departamentos asociados a esta solicitud (el último dato disponible proviene del Anuario de Datos Estadísticos de la Universitat de València para el curso 2015-2016, http://www.uv.es/reculldedades).

Número de prácticas integradas

Número de prácticas voluntarias

Facultad de Medicina 1617 15

ETSE-UV 212 106

Facultad de Biología 311 78

Facultad de Matemáticas 36 20

Facultad de Economía 1082 358

Facultad de Derecho 1042 93

TOTAL 4300 670

Tabla 6.6 Número de prácticas externas por centro durante el curso 2015-2016. En cuanto a la capacidad docente para tutorizar alumnos en prácticas externas, muchos de los profesores implicados en el grado ya tienen experiencia previa y muchos tienen una gran experiencia en proyectos con empresas (como lo refleja la tabla 6.5) que facilitan el conocimiento de los entornos de trabajo en empresa. Además, en todos los grados que se imparten en la ETSE-UV y en los Grados de la Facultad de Economía se tienen prácticas externas obligatorias, por lo que se cuenta con una importante experiencia en la tutorización y gestión de esta actividad. En la Tabla 6.7 se muestra el número de prácticas externas tutorizadas por los profesores implicados en el grado en los últimos tres cursos académicos.

csv:

274

1014

9606

0171

5824

0434

9

Número Profesor/a (acorde Tabla 6.5)

Curso 14-15 Curso 15-16 Curso 16-17

Profesor/a 8 0 1 5

Profesor/a 12 0 1 0

Profesor/a 13 2 1 0

Profesor/a 14 33 58 9


Profesor/a 16 4 4 0



Profesor/a 19 5 1 6

Profesor/a 20 3 1 5


Profesor/a 22 2 1 3

Profesor/a 23 0 1 0

Profesor/a 26 0 2 3

Profesor/a 27 0 2 7

Profesor/a 28 2 1 3

Profesor/a 30 2 2 0

Profesor/a 33 2 3 2

Profesor/a 37 4 3 3

Profesor/a 38 5 2 1

Profesor/a 40 9 9 3

Profesor/a 57 8 5 2

Profesor/a 58 0 0 3

TOTAL 102 175 136

Tabla 6.7 Número de prácticas externas tutorizadas por los profesores implicados en el grado en los últimos tres cursos académicos. Las líneas de investigación de los diferentes departamentos implicados en la docencia del grado se caracteriza por una fuerte componente en ciencia de datos. A continuación se resumen someramente algunos indicadores por departamento: Departamento de Ingeniería Electrónica.

Este departamento cuenta con una larga experiencia en el análisis de datos a través del grupo de investigación IDAL (Intelligent data Analysis Laboratory, http://idal.uv.es). Sus miembros (1 Catedrático de Universidad, 6 Titulares de Universidad) han aplicado métodos avanzados de análisis de datos en problemas reales como lo demuestra el hecho de tener: a) 80 publicaciones en revistas con JCR; b) más de 20 proyectos de investigación subvencionados

csv:

274

1014

9606

0171

5824

0434

9

(nacionales e internacionales); c) 20 capítulos de libro internacionales y 15 tesis doctorales todas ellas sobre el análisis de datos. En este departamento recae la codirección de la Càtedra de Govern Obert, Participació i Open Data entre la Universitat de València y la Generalitat Valenciana.

Departamento de Informática.

El Departamento de Informática está formado por profesores adscritos a las áreas de conocimiento de Ciencias de la Computación e Inteligencia Artificial, Arquitectura y Tecnología de Computadores, Lenguajes y Sistemas Informáticos, Ingeniería Telemática y Teoría de la Señal y las Comunicaciones. Cuenta con grupos de investigación activos en campos como la percepción computacional, el tratamiento de imágenes y sonido o el modelado y la simulación paralela aplicadas a la biomedicina. Sus profesoras y profesores han realizado más de 250 contribuciones en el área de Ciencia de Datos. Este departamento dirige la Cátedra Capgemini - Universitat de València para la innovación en el desarrollo del software.

Departamento de Estadística e Investigación Operativa.

Desarrollan su investigación en muy diversos campos de Probabilidad, Estadística e Investigación Operativa, participando en proyectos, convenios y contratos con empresas e instituciones públicas. El programa de doctorado ha producido en estos años más de cincuenta tesis doctorales. Es un departamento que es referencia mundial desde el punto de vista de la estadística bayesiana y de la optimización. Como ejemplo, este departamento organizará el congreso más importante en este área en el año 2018.

Departamento de Matemáticas.

Departamento de reciente creación que es el resultado de la unión de los antiguos departamentos de Álgebra, Geometría y Topología y Matemática Aplicada. Es el departamento que proporcionará las bases necesarias a los alumnos de álgebra y métodos numéricos necesarias para este Grado. El Departament de Matemàtiques, a través de sus tres áreas, viene impartiendo docencia en todos los grados de ingenierías de la Universitat de València desde su implantación, contando así con una amplia experiencia en la enseñanza, tanto teórica como práctica, de las materias que le son propias. El grupo de investigación en Análisis Numérico participa en la organización del congreso mundial ICIAM 2019, el más importante en el área de Matemática Aplicada e Industrial, que se celebrará en Valencia.

Departamento de Análisis Matemático.

Tiene su docencia esencialmente en el Grado en Matemáticas pero también tiene docencia en los grados de Química, Ciencia y Tecnología de los Alimentos, Ingeniería Telemática e Ingeniería Electrónica de Telecomunicaciones. La investigación de este Departamento se centra principalmente en Ecuaciones en Derivadas Parciales, Análisis Funcional, Variable Compleja o Análisis Armónico.

Departamento de Matemáticas para la Economía y la Empresa.

Fue creado en abril de 2002 en un área propia de la Universidad de Valencia denominada Matemática Económico-Empresarial. Entre sus áreas de investigación se encuentran, entre otros temas, la optimización matemática, análisis de eficiencia, finanzas empresariales, inversiones socialmente responsables, lógica borrosa aplicada y waveletes.

csv:

274

1014

9606

0171

5824

0434

9

Departamento de Comercialización e Investigación de Mercados.

Su actividad docente se concentra en los estudios de grado relacionados con la Administración y Dirección de Empresas, así como con la Investigación y Técnicas de Mercado estando presente en los estudios de Ciencias Empresariales y en Turismo. A nivel de postgrado ofrecen un Doctorado Interuniversitario en Marketing que ha recibido la única mención de calidad en el ámbito del marketing otorgada por la Agencia Nacional de Evaluación de la Calidad y Acreditación, un Máster específico en Marketing y en Comercio Internacional y colaboraciones en otros de dirección de empresas como el Máster en Dirección y Gestión de Empresas.

Departamento de Derecho Civil.

El Departamento de Derecho civil de la Universidad de Valencia es el sucesor directo de las primeras cátedras de leyes que se dotaron con la constitución de la Universitat de València en el año de 1500. Por tanto, la Universidad de Valencia lleva explicando Derecho civil en sus aulas más de 500 años. Entre los catedráticos que se han sucedido en las cátedras de Derecho civil valentinas hay personas ilustres y eruditas como MAYANS I SÍSCAR o PÉREZ PUJOL; hay codificadores, ministros que firmaron el decreto de abolición definitiva de la Inquisición; diputados en Cádiz y en Madrid como Garelly y senadores como CALABUIG Y CARRÁ, hay magistrados del Tribunal Supremo (dos, al menos, Presidentes: GARELLY y CASTÁN TOBEÑAS) y un magistrado del Tribunal Constitucional (DÍEZ-PICAZO).

Departamento de Derecho Administrativo y Procesal. Este departamento completa el trío de departamentos de Derecho para la docencia de los aspectos legales relacionados con datos. Tiene una importante tradición en la enseñanza de aspectos legales relacionados con los datos (privacidad y seguridad).

Departamento de Derecho Mercantil (Manuel Broseta).

Desarrollan su investigación en muy diversos campos el derecho comercial, como propiedad industrial, patentes y marcas con participación en postgrados y doctorado de Derecho, Criminología y Ciencias Políticas.

Departamento de Derecho Constitucional

Desarrollan su investigación en muy diversos campos de los derechos fundamentales, como el derecho a la intimidad y protección de datos, con participación en postgrados y doctorado de Derecho, Criminología y Ciencias Políticas. Este departamento tiene adscrita la Càtedra de Privacidad y Transformación Digital entre Microsoft y la Universitat de València, que es la primera Cátedra europea de Microsoft y la única Cátedra de Microsoft en España.

Departamento de Economía Aplicada.

Este departamento consta de una serie de grupos de investigación directamente relacionados con este Grado. Estos grupos de investigación se encuentran integrados en la unidad docente de Estadística (punto de unión con este Grado). Conviene destacar a los grupos de Procesos Electorales y Opinión Pública, Economía Financiera y Economía Cuantitativa, por su relación con la temática del Grado.

csv:

274

1014

9606

0171

5824

0434

9

Departamento de Dirección de Empresas.

Cuenta con unos 60 profesores a Tiempo Completo del área de Organización de Empresas y con el soporte de unos 20 profesores asociados, expertos profesionales del área. Imparte docencia en 24 titulaciones de grado de las Facultades de Economía, Ciencias Sociales, Farmacia, Ciencias Biológicas, Filología, Traducción y Comunicación, Geografía e Historia y en la Escola Tècnica Superior d’Enginyeria de la Universitat de València. Además, ofrece distintos programas de postgrado, tanto de máster como de doctorado.

Departamento de Estructura Económica.

Sus principales líneas de investigación son la Economía Internacional y la Economía Industrial. También tiene una presencia destacable en el ámbito de la Economía Agraria, el Medio Ambiente, Análisis de eficiencia productiva y relación entre Economía y Territorio. En el apartado de la investigación, en este departamento se han organizado dos Workshops muy importantes: “III Good times, bad times. Entrepreneurship and the cycle”, y el Workshop INTECO en Integración Económica.

Departamento de Análisis Económico.

Se creó en enero de 1986 y agrupa dos áreas de conocimiento, Fundamentos del Análisis Económico e Historia de las Instituciones Económicas. Su producción investigadora, así como sus relaciones internacionales lo han convertido en un referente en temas como la teoría de juegos, macroeconomía y economía industrial. Periódicamente organiza actividades internacionales en sus dos áreas. Este departamento dirige la Cátedra Universidad-Empresa de DEvStat empresa dedicada a las aplicaciones del análisis de datos.

Departamento de Finanzas Empresariales.

La creación del Departamento de Finanzas Empresariales fue aprobada por la Junta de Gobierno de la Universitat de València con fecha 12 de marzo de 2002. El Departamento se constituyó a partir de la separación del antiguo departamento de Economía Financiera y Matemática, creándose para ello un área de conocimiento propia de la Universitat de València denominada Finanzas Empresariales. Actualmente, el Departamento está adscrito a la Facultad de Economía.

Departamento de Fisiología.

El departamento de Fisiología desarrolla su investigación, por un lado en líneas relacionadas con fisiología cardiovascular, desarrollo y envejecimiento, ejercicio físico, endocrinología y metabolismo, fisiología celular, neurofisiología, toxicología, etc, con sus implicaciones fisiopatológicas, y por otro con el desarrollo de técnicas de imagen con radiación no ionizante como la luz estructurada y la termografía y métodos de medida basados en la metrología láser. En el departamento se desarrollan proyectos sobre estas líneas de investigación, subvencionados por entidades públicas, así como convenios y contratos con empresas privadas.

Departamento de Genética

El Departamento de Genética de la Universidad de Valencia, adscrito a la Facultad de Ciencias Biológicas, se creó en 1989, y está formado por el Personal Docente e Investigador del área de conocimiento de Genética. Actualmente profesorado de este Departamento imparte docencia en las siguientes titulaciones: Grado en Biología; Grado en Bioquímica-C.

csv:

274

1014

9606

0171

5824

0434

9

Biomédicas; Grado en Biotecnología; Grado en Química y Grado en Criminología. Esta docencia tan repartida da idea del carácter multidisciplinar de este departamento.

La información anterior muestra el potencial multidisciplinar de la Universitat de València, que dispone de una fuerza docente suficiente para hacer frente a una docencia de calidad en el grado propuesto y tiene reconocida en grados y másteres relacionados con la temática. Otro indicador de la idoneidad de los profesores y profesoras del Grado son los diferentes grupos de investigación implicados. A continuación se describen algunos de los grupos que participarán en la docencia del grado:

1. En la ETSE-UV (Escuela Técnica Superior de Ingeniería): IDAL (Intelligent Data Analysis Laboratory http://idal.uv.es); grupo de

investigación centrado en la aplicación del análisis de datos en aplicaciones industriales y en biomedicina, con una experiencia de más de 20 años en este campo.

IPL (Image Processing Laboratory; http://ipl.uv.es/): grupo de investigación sobre el procesado de imágenes usando métodos de aprendizaje máquina.

GREV (Grupo de Redes y Entornos Virtuales; http:// grev.uv.es): centra su investigación en redes de interconexión de sistemas distribuidos, entornos virtuales distribuidos y en el desarrollo de sistemas multiagente escalables.

HiPIS (High Performance Intelligent Systems,http://www.uv.es/arevalil/HiPIS): grupo de investigación dedicado al reconocimiento de patrones, la visión por computador, el procesamiento de señal de audio, los sistemas inteligentes, la computación paralela y los sistemas distribuidos.

IARM (Image Analysis, Retreival and Modelization): grupo interdisciplinar de los Departamentos de Informática y de Estadística e Investigación operativa que investiga sobre el análisis de imágenes 2D y 3D, la extracción de características relevantes, la modelización de procesos biológicos y la ayuda al diagnóstico médico.

CoMMLab (Computational Multi-scale Simulation Lab, http://commlab.uv.es/) grupo multidisciplinar dedicado al modelado y simulación de la electrofisiología cardíaca y al desarrollo de herramientas TIC para la mejora de la diagnosis y tratamiento de patologías médicas.

2. En la Facultad de Ciencias Matemáticas: GPL (Grupo de Planificación y Logística), dedicado a resolver

problemas de optimización en aplicaciones industriales. VABAR (Valencia Bayesian Research http://vabar.github.io/) aplica

métodos de inferencia bayesianos en diferentes tipos de modelos. ANIMS (Análisis Numérico, Imágenes y Multiresolución), dedicado a

resolver problemas de análisis numérico y tratamiento de imágenes a gran escala.

Procesado de imágenes, dedicado al tratamiento de imágenes. PERMUT (Propiedades aritméticas y estructurales de los grupos,

aplicaciones I), dedicado al estudio de grupos y semigrupos, al desarrollo de software para matemática discreta y a la teoría de autómatas y lenguajes formales.

csv:

274

1014

9606

0171

5824

0434

9

CARGRUPS (Caracteres y clases de conjugación en grupos finitos), dedicado al estudio de grupos y sus representaciones con aplicaciones al estudio de la simetría y a la teoría de la información o criptografía.

GEOSING (Singularidades, Geometría Genérica y Aplicaciones), dedicado al estudio de la geometría con aplicaciones en informática gráfica.

Geometría diferencial, dedicado al estudio de propiedades geométricas.

3. En la Facultad de Economía: Procesos Electorales y Opinión Pública que tiene por objeto el análisis,

estudio y búsqueda de soluciones de todas aquellas cuestiones y problemas relacionados con los procesos electorales y/o la medición y seguimiento de la opinión pública, aplicando para ello las técnicas cuantitativas más avanzadas.

Grupo de Delitos Financieros y Blanqueo de Capitales. Este grupo aplica técnicas de Data Mining y Statistical Learning, para descubrir incoherencias y comportamientos fraudulentos.

eWoM in Tourism. Aplican técnicas de análisis de datos: multivariante, causales y data mining, y de análisis de datos procedentes de electronic Word-of-Mouth, eWOM, como online reviews, redes sociales y valoraciones aplicados en Turismo.

4. En la Facultad de Derecho:

Grupo de Estudio Valenciano de Derecho Privado Europeo (GEVDPE), GIUV 2013-118 reconocido en el registro de estructuras de investigación la Universidad de Valencia por Resolución UV de 14 de noviembre del 2014. Es un grupo de investigación de excelencia PROMETEO, (IP Javier Plaza Penadés) en fase II, 2015/14, y dirige la Revista Aranzadi de Derecho y Nuevas Tecnologías, de la Editorial Thomson-Reuters (Aranzadi), con el patrocinio del Colegio Nacional de Registradores de la Propiedad.

5. En la Facultad de Medicina:

Grupo de Radicales Libres y Enfermedades Raras.El grupo se incluye dentro del ámbito de la inestabilidad genómica y la predisposición al cáncer en el marco del CIBERER (acrónimo español para el Centro de Investigación Biomédica de Enfermedades Raras), una red de centros de investigación auspiciada por el Ministerio de Sanidad español. Las principales líneas de investigación del grupo se centran en tres patologías distintas: Síndrome de Charcot-Marie-Tooth; Ataxia de Friedreich y Shock séptico.

Laboratorio de Investigación en Células Endoteliales (L.In.C.E.) está constituido por un equipo multidisciplinar de investigadores expertos en Fisiología Vascular y Endocrina, Biología Molecular, Bioquímica, Biología Celular y Biología de la Reproducción.

Grupo de Investigación en Ortodoncia - VALORTO-INVES. Está centrado en la investigación de nuevas tecnologías desarrolladas para el diagnóstico clínico y radiológico en Ortodoncia. Por ejemplo dos líneas de investigación de este grupo son Análisis de modelos tridimensionales mediante tomografía computarizada de haz cónico (CBCT) y Análisis tridimensionales cefalométricos para el diagnóstico y estudio de la población ortodóncica.

6. En la Facultad de Ciencias Biológicas:

csv:

274

1014

9606

0171

5824

0434

9

Grupo de Genética Evolutiva; se dedica al estudio teórico, computacional, comparativo experimental de la evolución biológica dentro de los campos de la genética, genómica, microbiología, biología molecular y biología de las poblaciones.

Genómica Traslacional; este grupo se centra en estudiar mecanismos de patogénesis y en descubrir terapias farmacológicas potenciales para enfermedades de origen genético, en particular distrofia miotónica, atrofia muscular espinal y cáncer de mama. Además buscan biomarcadores séricos basados en miRNAs, en particular de progresión de distrofia miotónica, así como en el desarrollo de fármacos basados en RNA.

6.3 Mecanismos para asegurar la igualdad entre hombres y mujeres y la no discriminación de personas con discapacidad

La UV ha desarrollado los mecanismos oportunos para garantizar los principios de igualdad de género y prevenir acciones o actitudes discriminatorias. El título de Grado que se ofrece se regirá por los mecanismos establecidos que se detallan a continuación.

La UV, en sus propios Estatutos, contempla el principio y los mecanismos para garantizar la igualdad de género y prevenir cualquier tipo de discriminación. Con el fin de hacer efectivo este objetivo de igualdad entre hombres y mujeres se ha desarrollado el I Plan de Igualdad (2010-2012), evaluado este mismo año 2013: http://www.uv.es/igualtat/actualitat/actualitat2013/informes/Informe%20de%20Evaluacion_castellano.pdf. El objetivo de dicho plan es la consecución de una igualdad real entre hombres y mujeres. Igualmente el Reglamento de Selección del personal docente e investigador de la Universitat de València, art. 14.3, indica: En el supuesto que se convocaran de manera conjunta más de cinco plazas, se habrá de reservar la cuota legal para la cobertura con personas con discapacidad, siempre que dichas personas superen los procesos selectivos y acrediten la discapacidad, así como la compatibilidad con el desarrollo de las tareas. Si esta cuota no fuese cubierta, incrementará el resto de plazas ofrecidas con carácter general. La Universitat de València cuenta con medidas contra la discriminación y de acción positiva ajustadas a las disposiciones de la Ley 51/2003, de 2 de diciembre de igualdad de oportunidades, no discriminación y accesibilidad universal de las personas con discapacidad, las cuales se regulan en el Reglamento de Medidas para la Integración del Personal Docente e Investigador con Discapacidad de la Universitat de València, aprobado por acuerdo del Consejo de Gobierno de 28 de marzo de 2013 (ACGUV 40/2013), que sustituye al anterior de fecha de 31 de octubre de 2007. Concretamente se contemplan ayudas económicas para el desarrollo de la función docente e investigadora, destinadas a compensar gastos adicionales (Adquisición de productos de soportes específicos y/o gastos derivados de personal de apoyo) y ayudas de apoyo a la docencia (accesibilidad a espacios y recursos, facilitación de horarios, reducción de docencia ...). En el organigrama de la Administración Universitaria, la Unitat per a la Integració de Persones amb Discapacitat, tiene atribuidas competencias específicas en la materia con el fin de impulsar las acciones necesarias para hacer efectiva la igualdad y la no discriminación. La "Carta de Servicios" de esta unidad (http://upd.uv.es/index.php/cartaservicio.html), informa de los compromisos de calidad y derechos y deberes de los usuarios.

csv:

274

1014

9606

0171

5824

0434

9

csv:

274

1014

9606

0171

5824

0434

9

5.Planificación de las enseñanzas. 5.1.1 Descripción general del plan de estudios. El plan de estudios que se propone para el Grado en Ciencia de Datos por la Universitat de València tiene un total de 240 créditos ECTS, distribuidos en: 198 créditos básicos y obligatorios, 18 créditos optativos, 12 créditos de prácticas externas y 12 créditos de trabajo fin de grado. El plan de estudios se implantará utilizando un modelo semestral. El período lectivo del grado se dividirá en ocho semestres, realizándose el Trabajo Fin de Grado (12 ECTS) en el octavo semestre.

Distribución del plan de estudios en créditos ECTS

Básicos: 60

Obligatorios: 138

Optativos: 18

Prácticas Externas: 12

Trabajo Fin de Grado: 12

TOTAL: 240

Para la planificación de la enseñanza y de las distintas actividades formativas que se recogen en las fichas descriptivas de los módulos, se han seguido las directrices de la Universitat de València (UV) y se ha considerado que 1 crédito ECTS equivale a 25 horas de trabajo total del estudiante. Aproximadamente un 40% de esta carga (10 horas) corresponden a trabajo presencial con el profesorado e incluye clases de teoría, clases prácticas de laboratorio o problemas, tutorías, seminarios y realización de exámenes. Por tanto, una materia de 6 ECTS corresponderá a 150 horas de trabajo del estudiante, de las cuales 60 horas tendrán carácter presencial. Teniendo en cuenta lo anterior, los bloques temáticos utilizados para la distribución de contenidos formativos del grado quedan estructurados en los Módulos, Materias y Asignaturas de la Tabla 5.1. La organización del grado asigna una carga de 6 ECTS a todas las asignaturas básicas y obligatorias y una carga de 4,5 ECTS a las asignaturas optativas.

csv:

274

0803

1720

9519

5122

3656

8

MODULOS MATERIAS ASIGNATURAS

FORMACIÓN BÁSICA (60 ECTS)

MATEMÁTICAS (18 ECTS) Rama de conocimiento de Ingeniería y Arquitectura



ÁLGEBRA

ESTADÍSTICA (12 ECTS) Rama de conocimiento de Ciencias, materia MATEMÁTICAS



INFORMÁTICA (18 ECTS) Rama de conocimiento de Ingeniería y Arquitectura


BASES DE DATOS


DATOS Y SOCIEDAD (12 ECTS) Rama de conocimiento PROPIA



MATERIAS OBLIGATORIAS (138

ECTS)

OPTIMIZACIÓN (6 ECTS) OPTIMIZACIÓN

MODELOS ESTADÍSTICOS (18 ECTS)

MODELOS LINEALES

SERIES TEMPORALES

MODELOS BAYESIANOS

SEÑALES (18 ECTS) SEÑALES Y SISTEMAS



GESTIÓN DE LA INFORMACIÓN (18 ECTS)


GESTIÓN DE DATOS


csv:

274

0803

1720

9519

5122

3656

8

APRENDIZAJE AUTOMÁTICO y MINERÍA DE DATOS (24 ECTS)





ECONOMÍA, EMPRESA Y GESTIÓN (24 ECTS)





SALUD (6 ECTS) ESTADÍSTICA PARA DATOS ÓMICOS

COMPUTACIÓN (24 ECTS) INFRAESTRUCTURA DE ALMACENAMIENTO DE DATOS

REDES Y SEGURIDAD

DATOS MASIVOS


MATERIAS OPTATIVAS (18 ECTS)

OPTATIVIDAD (40,5 ECTS) ANÁLISIS Y PROCESAMIENTO DE AUDiO Y VOZ






csv:

274

0803

1720

9519

5122

3656

8



MÉTODOS DE ÁLGEBRA LINEAL PARA MATRICES MASIVAS DE DATOS

PRÁCTICAS EXTERNAS (12 ECTS)

PRÁCTICAS EXTERNAS (12 ECTS)

PRÁCTICAS EXTERNAS

TRABAJO FIN DE GRADO (12 ECTS)

TRABAJO FIN DE GRADO (12 ECTS)

TRABAJO FIN DE GRADO

Tabla 5.1 Distribución en módulos/materias/asignaturas del grado planteado En la Tabla 5.2 aparece la distribución temporal de las asignaturas a lo largo del grado. 1 CURSO PRIMER SEMESTRE SEGUNDO SEMESTRE

MATEMÁTICA DISCRETA PROBABILIDAD Y SIMULACIÓN

ANÁLISIS MATEMÁTICO TRATAMIENTO DE LOS DATOS

FUNDAMENTOS DE LA PROGRAMACIÓN OPTIMIZACIÓN

DATOS, CIENCIA Y SOCIEDAD ESTRUCTURAS DE DATOS Y

ALGORITMOS

ÁLGEBRA BASES DE DATOS

2 CURSO TERCER SEMESTRE CUARTO SEMESTRE

INFERENCIA ESTADÍSTICA MODELOS LINEALES

SEÑALES Y SISTEMAS REDES Y SEGURIDAD

GESTIÓN DE DATOS VISUALIZACIÓN DE DATOS



ASPECTOS LEGALES SOBRE DATOS PROCESADO DE IMÁGENES

csv:

274

0803

1720

9519

5122

3656

8

3 CURSO QUINTO SEMESTRE SEXTO SEMESTRE

SERIES TEMPORALES GESTIÓN DE LA INNOVACIÓN EN

CIENCIA DE DATOS

MODELOS BAYESIANOS MÉTODOS CUANTITATIVOS PARA LA

GESTIÓN

APRENDIZAJE MÁQUINA MODELOS CONEXIONISTAS

AGRUPAMIENTO Y VARIEDADES PROCESADO DEL LENGUAJE NATURAL

EMPRESA Y CIENCIA DE DATOS ESTADÍSTICA PARA DATOS ÓMICOS

4 CURSO SÉPTIMO SEMESTRE OCTAVO SEMESTRE

INTERNET DE LAS COSAS TRABAJO FIN DE GRADO (12 ECTS)

DATOS MASIVOS PRÁCTICAS EXTERNAS (12 ECTS)

ECONOMÍA Y CIENCIA DE DATOS OPTATIVAS (13,5 Créditos)

OPTATIVAS (4,5 créditos)

OPTATIVAS

- ANÁLISIS Y PROCESAMIENTO DE AUDIO Y VOZ ANÁLISIS ESPACIAL Y GEOGRÁFICO

- ANALÍTICA DE DATOS EN SALUD FINANZAS Y CIENCIA DE DATOS

- APRENDIZAJE PROFUNDO LOGÍSTICA BASADA EN DATOS

- ANALÍTICA WEB Y REDES SOCIALES SISTEMAS DINÁMICOS COMPLEJOS

- MÉTODOS DE ÁLGEBRA LINEAL PARA MATRICES MASIVAS DE DATOS

Tabla 5.2 Distribución temporal de las asignaturas que forman el grado.

csv:

274

0803

1720

9519

5122

3656

8

ESTUDIANTES A TIEMPO PARCIAL La estructura y ordenación temporal que se propone hacen referencia al desarrollo de los estudios para estudiantes a tiempo completo. Por el tipo de enseñanzas que se prevé impartir se estima una baja matrícula de alumnos a tiempo parcial. Por ello, para quienes deseen cursar sus estudios a tiempo parcial se les recomienda que se matriculen de alrededor de 30 créditos por curso. La elección de estos créditos será asesorada por el coordinador del curso correspondiente. 5.1.2 Planificación y gestión de la movilidad de estudiantes propios y de acogida

La movilidad de estudiantes es una línea prioritaria para la Universitat de València (UV), que viene desarrollando diferentes programas de actuación que favorecen la promoción, la internacionalización, la calidad y la excelencia de los recursos humanos en el ámbito del Espacio Europeo de Educación Superior. La internacionalización y la movilidad forman parte del Plan Estratégico de la Universitat de València, que declara como objetivo “Conseguir la internacionalización de la Universitat de València en todos los ámbitos, potenciando el intercambio y la movilidad y participando especialmente en la construcción de los espacios de educación superior e investigación europeo e iberoamericano”. De hecho, la Universitat de València participa activamente en todos los programas de intercambio existentes que se estructuran en Erasmus Estudios, Erasmus Prácticas, Programa SICUE y Programas Internacionales y gestiona las becas y ayudas correspondientes. La Universitat de València se encuentra entre las primeras universidades españolas en movilidad de estudiantes Incoming y Outgoing, y es la segunda universidad de la Unión Europea en recepción de estudiantes y la cuarta en envío en el programa Erasmus. Tiene firmados en la actualidad convenios con numerosos países y universidades en el ámbito de los estudios de Ingeniería, Ciencias Matemáticas, Derecho, Ciencias Económicas y Empresariales, Ciencias Biológicas y Medicina y Odontología. Además de ello, se buscarán nuevas sinergias que permitan ampliar estos convenios para el grado en Ciencia de Datos y se establecerán convenios con las universidades que imparten, en España, Europa y resto del mundo, titulaciones universitarias similares.

En concreto, la Tabla 5.3 muestra una selección de universidades con las que la Universitat de València tiene establecidos convenios de movilidad, que disponen de titulaciones relacionadas directamente con el grado propuesto y que, por lo tanto, permiten el intercambio de estudiantes de esta titulación.

csv:

274

0803

1720

9519

5122

3656

8

Universidad Titulación

Gdansk University of Technology Grado en Ingeniería de Datos https://zie.pg.edu.pl/data-engineering

Università degli Studi di Padova Grado en Data Science https://datascience.math.unipd.it/

Università degli Studi di Firenze Curriculum en data science (http://www.informaticamagistrale.unifi.it/vp-

145-curriculum-data-science.html)

Université de Liege Curriculum en data science https://www.ulg.ac.be/cms/c_9145088/en/data-

sciences

University of Warsaw Data Science Course https://www.wne.uw.edu.pl/en/candidates/data-

science/

Université Paul Sabatier Toulouse III

Orientación práctica de las Matemáticas http://www.univ-tlse3.fr/masters/master-

mathematiques-appliquees-pour-l-ingenierie-l-industrie-et-l-innovation-

664415.kjsp?RH=1454074064222

Università degli Studi di Roma – La Sapienza

Masters Programme in Data Science

Tabla 5.3 Universidades con las que la UV tiene establecido convenio de intercambio con estudios en Ciencia de datos

Además, la Tabla 5.4 muestra una selección de universidades con las que la Universitat de València tiene establecidos convenios de movilidad en los ámbitos de estudios relacionados (p.ej. Ingeniería, Ciencias Matemáticas, Economía...). La CAT trabajará durante la implantación del Grado en extender estos convenios a la titulación propuesta.

Universidad País de destino UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA ESPAÑA

UNIVERSIDAD AUTÓNOMA DE MADRID ESPAÑA

UNIVERSIDAD POLITÉCNICA DE MADRID ESPAÑA

UNIVERSITAT D ALACANT ESPAÑA

UNIVERSIDAD CARLOS III DE MADRID ESPAÑA

POLITÉCNICA DE CARTAGENA ESPAÑA

UNIVERSIDAD DE MURCIA ESPAÑA

csv:

274

0803

1720

9519

5122

3656

8

UNIVERSITAT DE LES ILLES BALEARS ESPAÑA

UNIVERSIDAD DE VALLADOLID ESPAÑA RHEINISCH-WESTFÄLISCHE TECHNISCHE HOCHSCH. AACHEN

ALEMANIA

UNIVERSITÄT AUGSBURG ALEMANIA TECHNISCHE UNIVERSITÄT DARMSTADT ALEMANIA TECHNISCHE UNIVERSITÄT DRESDEN ALEMANIA JOHANNES-GUTENBERG-UNIVERSITÄT MAINZ ALEMANIA AMERICAN UNIVERSITY IN BULGRIA BULGARIA UNIVERSITÉ DE BRETAGNE OCCIDENTALE FRANCIA UNIVERSITÉ DE MONTPELLIER II FRANCIA UNIVERSITÉ PARIS DIDEROT - PARIS 7 FRANCIA UNIVERSITÉ DE PARIS-SUD XI FRANCIA UNIVERSITÉ DE RENNES I FRANCIA PANEPISTIMIO KRITIS GRECIA UNIVERSITÀ DEGLI STUDI DI GENOVA ITALIA UNIVERSITÀ DEL SALENTO ITALIA UNIVERSITÀ DEGLI STUDI DI ROMA TRE ITALIA INSTITUTE OF TECHNOLOGY CARLOW IRLANDA

INFORMACIJAS SISTEMU MENEDZMENTA AUGSTSKOLA LETONIA

UNIVERSITY OF BERGEN NORUEGA UNIVERSITY OF STAVANGER NORUEGA UNIVERSIDADE DA BEIRA INTERIOR PORTUGAL POLITECHNIKA WARSZAWSKA POLONIA POLITECHNIKA CZESTOCHOWSKA POLONIA CHALMERS TEKNISKA HOEGSKOLA AB SUECIA THE UNIVERSITY OF HERTFORDSHIRE HIGHER EDUCATION CORPORATION

REINO UNIDO

UNIVERSITY COLLEGE LONDON REINO UNIDO UNIVERSITATEA DIN CRAIOVA RUMANIA FACHHOCHSCHULE ASCHAFFENBURG ALEMANIA AALBORG UNIVERSITY DINAMARCA UNIVERSIDADE DO ALGARVE PORTUGAL UNIVERSIDADE DA BEIRA INTERIOR PORTUGAL UNIVERSITATEA TEHNICA CLUJ-NAPOCA RUMANIA TECHNISCHE HOCHSCHULE KÖLN ALEMANIA DE MONTFORT UNIVERSITY REINO UNIDO UNIVERSITÄT GRAZ AUSTRIA UNIVERSIDAD DE MENDOZA ARGENTINA UNIVERSIDAD ICESI MEXICO

Tabla 5.4 Selección de Universidades con las que la UV tiene establecido convenio de intercambio

csv:

274

0803

1720

9519

5122

3656

8

Para atender a los programas de intercambio de movilidad de estudiantes, la Universitat de València cuenta con una estructura académica y de gestión administrativa. Cada titulación cuenta con un/a Coordinador/a de Intercambio que, junto con los/las coordinadores/as del resto de titulaciones de cada Centro constituyen la Comisión de Intercambio de estudiantes del centro, presidida por el/la Coordinador/a de Centro. A nivel más general, existe un/a coordinador/a por cada Área Académica y un/a coordinador/a Institucional. Para establecer las normas generales existe una comisión de Intercambio de estudiantes y una comisión permanente de la misma. Las tareas de gestión administrativa recaen fundamentalmente en la Oficina de Intercambio de Estudiantes, en sus diversas delegaciones (general, área o centro). La universidad cuenta con diversos medios de difusión dedicados fundamentalmente al intercambio (página web, http://www.uv.es/relint, etc. ), donde se proporciona toda la información necesaria sobre los programas, convocatorias, cursos de idiomas, etc, tanto para estudiantes salientes como entrantes. Además, desde la ETSE-UV se mantiene actualizada la información concreta de sus Grados en la página web del centro (http://www.uv.es/uvweb/ingenieria/es/estudios-grado/grados/oferta-grados/grados-1285847234367.html). La forma de organización, las condiciones y el procedimiento de participación en los intercambios de movilidad deberán seguir la reglamentación de la Universitat de València al respecto: http://www.uv.es/sgeneral/Reglamentacio/Doc/Estudis/C70.pdf. Los/las estudiantes salientes podrán solicitar su participación en los programas de movilidad cuando cumplan con los requisitos establecidos por la normativa. El coordinador de titulación elaborará la propuesta de adjudicación de destinos para los/las estudiantes salientes, en los términos establecidos en las convocatorias de movilidad correspondientes. La duración máxima de los intercambios en el grado será de dos semestres, con un límite máximo de 72 ECTS. La Comisión Académica de Título velará para que los Trabajos Fin de Grado así como las Prácticas Externas realizadas por los alumnos en movilidad se realicen en las mismas condiciones académicas y de evaluación que el resto de alumnos del Gado. La Comisión Permanente de Intercambio de Estudiantes desarrollará y actualizará periódicamente las directrices de equivalencias para la aplicación de éstas por parte de las Comisiones de Intercambio de Estudiantes de Centro. Los/las estudiantes de intercambio de la UV deben formalizar el contrato de estudios o su equivalente, según las convocatorias de los programas de intercambio, como condición para formalizar la matrícula en la UV. Este documento debe estar consensuado por el/la coordinador/a de titulación y por el/la estudiante. El contrato de estudios o su equivalente, contendrá, en el momento de formalizar la matrícula en la UV, por lo menos: a) Los datos básicos del intercambio, b) Las materias y créditos de que se matricula el/la estudiante en la UVEG, y c) la propuesta de materias o créditos que cursará en el destino y su equivalencia con las anteriores. El contrato de estudios debe ser completado antes de la salida del/a estudiante y se podrá modificar, si es preciso, hasta los 30 días después del comienzo de las actividades académicas en el destino. Las modificaciones las debe autorizar tanto el/la coordinador/a de titulación en la UV, como su equivalente en el destino. Las materias que el/la estudiante haya superado se reconocerán de acuerdo con los criterios establecidos por la universidad para la transferencia y reconocimiento de créditos generica (http://www.uv.es/=sgeneral/Reglamentacio/Doc/Estudis/C37.pdf), y la relativa al intercambio de estudiantes. El reconocimiento académico se tiene que realizar de acuerdo con la adecuada obtención de conocimientos y competencias

csv:

274

0803

1720

9519

5122

3656

8

exigidas por la titulación que cursa la o el estudiante en la Universitat de València, según el valor formativo conjunto de las actividades académicas realizadas en destino, sin que sea necesaria la identidad entre asignaturas y programas ni la plena equivalencia de créditos. El reconocimiento académico se tendrá que realizar con indicación expresa de las materias cursadas a la universidad de destino y su correspondencia con las asignaturas reconocidas en la Universitat de València, el número de créditos ECTS y la calificación correspondiente. 5.1.3 Procedimientos de coordinación docente horizontal y vertical del plan de estudios

La Comisión Académica de Título (CAT) del Grado en Ciencia de Datos estará formada por representantes de las diferentes áreas de conocimiento que impartan docencia en el grado, en la proporcionalidad prevista en el Reglamento de Régimen Interno de la ETSE. La CAT asumirá las competencias de programación, coordinación, y supervisión académica y docente. Estas competencias incluyen:

1. Preparar la propuesta de organización del curso académico (número de grupos, adscripción de los módulos o asignaturas a los departamentos y áreas de conocimiento, lengua, distribución horaria etc.) teniendo en cuenta los criterios establecidos por el Consell de Govern.

2. Impulsar los procesos de innovación educativa y de mejora de la calidad de la docencia.

3. La coordinación de los diferentes departamentos y el profesorado con docencia asignada con el fin de procurar una distribución equilibrada de la carga de trabajo de los/las estudiantes.

4. La coordinación de los contenidos y de las guías docentes para que presenten una secuenciación adecuada en el desarrollo del programa formativo.

5. Informar de las solicitudes de admisión del alumnado a los estudios del Grado por continuidad de estudios y para mayores de 40 años mediante la acreditación de experiencia laboral o profesional, de acuerdo con los requisitos de admisión específicos y criterios de valoración de méritos establecidos en la presente memoria.

6. Informar de las solicitudes de reconocimiento de créditos. 7. Coordinación de la evaluación de los Trabajos Fin de Grado.

La regulación de los aspectos básicos relacionados con la elaboración, dirección, matrícula, defensa, evaluación y gestión administrativa de los trabajos de fin de grado deberán seguir las líneas establecidas normativa de la UV y de la ETSE-UV. La Comisión Académica de Título organizará y garantizará la asignación de tema y tutor o tutora para todo el estudiantado matriculado así como la evaluación.

8. Cualquier otra que le asigne la normativa vigente. 9. La CAT designará al Comité de Calidad del Título (CCT) que se encargará de

la evaluación interna de la calidad de este título. A los efectos de coordinación, se integrarán en el Comité de Calidad del Centro.

La estructura de coordinación de la titulación se compone de un Coordinador de Grado y un Coordinador de Curso por cada uno de los 4 cursos del Grado. Además la titulación tendrá asignada un Coordinador de Movilidad, un Coordinador de Prácticas Externas y una Comisión de TFG.

csv:

274

0803

1720

9519

5122

3656

8

Se realizará una coordinación horizontal del grado a través de las figuras de coordinador/a de curso que, entre otras tareas, supervisarán el desarrollo de un calendario equilibrado de presentación de trabajos, pruebas evaluables y actividades formativas. Se llevará a cabo una coordinación vertical mediante la realización de reuniones de coordinación del profesorado que imparte docencia en cada módulo que tendrán como objetivo detectar posibles duplicidades o carencias en cuanto a contenidos y valorar los sistemas de evaluación en cada módulo. Al finalizar el curso se realizarán reuniones de evaluación de cara a identificar los puntos fuertes y débiles en el marco del Sistema de Garantía Interno de Calidad de la UV, lo que permitirá la mejora de las actividades y su evaluación en el siguiente curso académico. La coordinación vertical se completará con el trabajo en común de los coordinadores de curso y de titulación. La docencia presencial se impartirá en aulas teórico-prácticas de la Universitat de València dotadas de recursos audiovisuales e informáticos. Cabe señalar que la Universitat de València ha ampliado de manera muy importante sus recursos espaciales y tecnológicos a partir de la creación de la nueva sede de la Escola Tècnica Superior d’Enginyeria de la Universitat de València en el curso 2011/2012. Del mismo modo, a lo largo del Grado y en especial durante la realización del Trabajo Fin de Grado, los/las estudiantes dispondrán de aulas informáticas apropiadamente equipadas, acceso a bibliotecas y seminarios para reuniones. El curso académico del Grado se distribuye en ocho semestres, lo cual facilita la movilidad de los/las estudiantes y la coordinación de actividades formativas, así como una organización compacta de las actividades presenciales que deje tiempo para el estudio y el trabajo individual o colectivo. Para la consulta sobre cuestiones relativas a la inserción profesional y la empleabilidad, el emprendimiento y las salidas profesionales, se podrá contactar con los servicios del Observatorio OPAL.

csv:

274

0803

1720

9519

5122

3656

8

Apartado 8: Resultados previstos 8.1 Justificación de los indicadores propuestos El Grado en Ciencia de datos es una titulación de nueva implantación de la que todavía no se disponen datos reales pero que mantiene una relación clara con otros grados de las áreas de ingeniería y matemáticas con los que, a pesar tener una orientación docente diversa, comparten algunos aspectos comunes del plan de estudios. Por ello, en la estimación de los indicadores propuestos se ha tenido en cuenta la experiencia acumulada en los grados de ingeniería que se imparten en la ETSE-UV, así como en el Grado en Matemáticas de la Universitat de València. Teniendo en cuenta lo anterior, estimamos las siguientes tasas:

Una tasa de graduación del 60%. Una tasa de abandono del 20%. Una tasa de eficiencia del 75%.

La forma de cálculo de estos indicadores se detalla a continuación: Tasa de Graduación = porcentaje de estudiantes que finalizan la enseñanza en el tiempo previsto en el plan de estudios (d) o en año académico más (d+1) en relación con su cohorte de entrada. Forma de cálculo: el denominador es el número total de estudiantes que se matricularon por primera vez en una enseñanza en un año académico (c). El numerador es el número total de estudiantes de los contabilizados en el denominador, que han finalizado sus estudios en el tiempo previsto (d) o en un año académico más (d+1).

óGraduados d o Graduados d 1 de los matriculados en c

Total de estudiantes matriculados en cx100

Tasa de Abandono = relación porcentual entre el número total de estudiantes de una cohorte de nuevo ingreso que debieron obtener el título el año académico anterior y que no se han matriculado ni en ese año académico ni en el posterior. Forma de cálculo: sobre una determinada cohorte de estudiantes de nuevo ingreso establecer el total de estudiantes que sin finalizar sus estudios se estima que no estarán matriculados en la titulación ni en el año académico que debieran finalizarlos de acuerdo al plan de estudios (t) ni en el año académico siguiente (t+1), es decir, dos años seguidos, el de finalización teórica de los estudios y el siguiente, siendo n = la duración en años del plan de estudios.

Nº “ ” “ ”

Nº x100

Tasa de Eficiencia = relación porcentual entre el número total de créditos teóricos del plan de estudios a los que debieron haberse matriculado a lo largo de sus estudios el conjunto de estudiantes graduados en un determinado curso académico y el número total de créditos en los que realmente se han matriculado.

csv:

258

8857

0911

2766

0989

2339

8

Forma de cálculo: el número total de créditos teóricos se obtiene a partir del número de créditos ECTS del plan de estudios multiplicado por el número de titulados/as. Dicho número se divide por el total de créditos de los que realmente se han matriculado los/las graduados/as.

Créditos teóricos del plan de estudios

Total créditos matriculados por los titulados100

Siendo, créditos teóricos del plan de estudios = nº créditos ECTS del plan de estudios multiplicado por el número de titulados/as. La Comisión de Académica del Título evaluará el progreso y resultados de aprendizaje de los/las estudiantes principalmente a través del estudio de estos indicadores. Además de las tasas y resultados académicos y del Trabajo Fin de grado, se promoverán reuniones del profesorado que imparte el Título y puesta en común de sus opiniones sobre la marcha de cada uno de los/las estudiantes y con el alumnado para comprobar la adecuada adquisición de competencias, etc.

csv:

258

8857

0911

2766

0989

2339

8

1 / 101 · CE14 - Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el...

Documents

Transcript of 1 / 101 · CE14 - Conocer y aplicar los aspectos éticos, legales y normativos relacionados con el...