Resultados de Aprendizaje y Criterios de Evaluación
-
a)
Se conocen y se importan las librerías usadas en ciencia de datos.
-
b)
Se ha escrito código que permite leer datos de distintos orígenes (csv, xlsx, entre otros).
-
c)
Se ha escrito código que permite exportar datos previamente leídos en ficheros de distinto formato (csv, xlsx, entre otros).
-
d)
Se ha escrito código que permite acceder a bases de datos usando librerías de ciencia de datos.
-
e)
Se manejan selecciones, actualizaciones, adiciones y eliminaciones de datos de una base de datos usando las librerías de Python aplicadas en ciencia de datos.
-
f)
Se han realizado pruebas intermedias de verificación.
-
a)
Se han analizado los datos leídos.
-
b)
Se han deducido las operaciones para normalizar y estandarizar datos en Python.
-
c)
Se ha escrito código que permite limpiar y estandarizar datos basándose en el problema que hay que resolver.
-
d)
Se han aplicado intervalos en series de datos para realizar agrupaciones de forma coherente.
-
e)
Se han identificado los datos a convertir de categóricos a numéricos.
-
f)
Se ha escrito código que modifica variables categóricas en variables cuantitativas en Python.
-
a)
Se ha resumido grandes cantidades de datos para toma decisiones.
-
b)
Se ha sido capaz de responder preguntas relevantes relativos a los datos.
-
c)
Se han reconocido patrones en los datos.
-
d)
Se ha escrito código en Python que permita conocer la correlación entre variables.
-
a)
Se ha analizado la relación entre una variable continua y una o más variables independientes mediante el ajuste de una ecuación lineal.
-
b)
Se ha modelado una relación no lineal entre variables independientes y dependientes.
-
c)
Se ha determinado correctamente la muestra en la que se ensayará el procedimiento a evaluar.
-
d)
Se ha realizado una predicción y se ha comprobado su precisión y validez usando una muestra de datos válida.