Minería de Datos es una asignatura práctica del área formativa de Especialidad de Tecnologías de Información y Ciberseguridad, dictada en modalidad semipresencial.

| Código | Formato | Cualificación | UCL asociada | Nivel MCTP |
|---|---|---|---|---|
| TI3V61 | Semipresencial | IFC304_3 · Sistemas de gestión de información | Administrar el sistema de gestión de información · UC0968_3 (ajustada al contexto nacional) | 4 |
Unidades de aprendizaje
Horas presenciales (laboratorio) + online (asincrónicas)| Unidad | Estrategia didáctica | Técnicas |
|---|---|---|
| 1 · Fundamentos de la minería de datos | Aprendizaje Basado en Proyectos (ABPro) | Clase expositiva · Prácticas de laboratorio/taller |
| 2 · Análisis estadístico y descriptivo de los datos | Método del Caso · ABPro | Clase expositiva · Prácticas de laboratorio/taller |
| 3 · Procesamiento y análisis de datos | Método del Caso · ABPro | Clase expositiva · Prácticas de laboratorio/taller |
Las horas de evaluación están incluidas en las de las unidades de aprendizaje.
Evaluación sumativa
Descriptor TI3V61| UA | Evidencia | Modalidad · instrumento | % |
|---|---|---|---|
| 1 | Respuestas sobre fundamentos, modelos y procesos de minería de datos | Individual · prueba escrita mixta (selección múltiple y desarrollo) | 15 |
| 2 | Informe de la ejecución práctica del proceso de limpieza de datos y de la aplicación del método descriptivo y predictivo en R | Grupal · escala de apreciación | 35 |
| 3 | Informe y presentación de la ejecución práctica del análisis de datos estadísticos, en función de un caso propuesto | Grupal · escala de apreciación | 35 |
| 1-2-3-4 | Evaluaciones breves online semanales en el AAI; se consideran las 5 mejores | Individual · prueba mixta | 15 |
Además, el sistema incluye evaluación diagnóstica (inicio, conocimientos previos) y formativa (retroalimentación del avance). La fila de evaluaciones breves figura en el descriptor como UA «1-2-3-4», aunque la asignatura tiene tres unidades.
Criterios de evaluación por unidad
Descriptor TI3V61Software estándar y bibliografía
| Software | Versión |
|---|---|
| Pentaho CE | 9.3.0.0 |
| R · Project for statistical computing | R-4.3.1 |
| RStudio | 2023.09.0 |
El material CRISP-DM/EDA del proyecto usa además Python en Google Colab, que no figura como software estándar del descriptor.
| Bibliografía básica | Año |
|---|---|
| López Porrero · Limpieza de datos (Feijóo) | 2009 |
| Martín Arevalillo · Problemas resueltos de iniciación al análisis estadístico de datos (UNED) | 2011 |
| González Ariza · Introducción al análisis estadístico multivariado aplicado (U. del Norte) | 2014 |
| Kotu · Predictive Analytics and Data Mining (Morgan Kaufmann) | 2014 |
| Capri · Data mining: principles, applications and emerging challenges (Nova Science) | 2015 |
| Gironés Roig · Minería de datos: modelos y algoritmos (UOC) | 2017 |
| Main Yaque · Simulación con ejercicios en R (UNED) | 2019 |
| Sugerida: Iryopogu · Análisis de datos con Power BI, R-RStudio y Knime (RA-MA) | 2021 |
Dónde se trabaja cada unidad en este laboratorio
Propuesta de correspondenciaEsta correspondencia es una interpretación para orientar el estudio; no forma parte del descriptor.
El enfoque del curso: cuatro perspectivas
Clase 1, Unidad I¿Qué significa y para qué sirve?
¿Por qué funciona el algoritmo o modelo?
¿Cómo se implementa en R, KNIME u otra herramienta?
¿Cómo se usa en empresas y sistemas de IA?
















