ESCUELA POLITECNICA NACIONAL

CONSEJO DE DOCENCIA

EPN-GD-MSP-03-03-PRD-05-FRM-02

SILABO
Versión 2

UNIDAD ACADÉMICA: DEP MATEMATICA

CARRERA: (RRA19) MAESTRÍA EN ESTADÍSTICA APLICADA

OCTUBRE 2023 -
PERIODO ACADÉMICO: 2023-B MARZO 2024 TIPO: ORDINARIO

DETALLE DE ASIGNATURA:

ESTRATEGIA Y VIZUALIZACIÓN DE
NOMBRE: DATOS PARALELO: A

CÓDIGO: MEAR223 PENSUM: 2023CD

CRÉDITOS: 3.00 MODALIDAD PRESENCIAL

COMPONENTES DE ORGANIZACIÓN DE LOS HORAS POR PERIODO

HORAS POR SEMANA
APRENDIZAJES ACADEMICO
Aprendizaje en Contacto con el Docente (AC) 2.00 32
Aprendizaje Práctico Experimental (AP) 1.00 16
Aprendizaje Autónomo (AA) 6.0 96
TOTAL 9.00 144

REQUISITOS DE LA ASIGNATURA

CO-REQUISITOS PRE-REQUISITOS
NOMBRE CÓDIGO NOMBRE CÓDIGO

HORARIO DE LA ASIGNATURA:

COMPONENTE DE APRENDIZAJES HORARIO

MEAR223 - ESTRATEGIA Y VIZUALIZACIÓN DE DATOS - A - Desde:
AC 29/11/2023Hasta:22/12/2023

DESCRIPCIÓN DE LA ASIGNATURA:
ESTRATEGIA Y VIZUALIZACIÓN DE DATOS

INFORMACIÓN DE PROFESOR(ES) A CARGO:

COMPONENTE
FORMACIÓN DOCENTE
NOMBRE CORREO PARALELO DE
ACADÉMICA PRINCIPAL
APRENDIZAJE
GUTIERREZ
POMBOSA sandra.gutierrez@ DOCTORA EN A AC X
SANDRA epn.edu.ec MATEMATICA (PHD)
ELIZABETH
RESULTADOS DEL APRENDIZAJE DE LA ASIGNATURA:

TIPO DE REUSLTADO DESCRIPCIÓN DEL RESULTADO FORMA DE EVIDENCIAR EL CUMPLIMIENTO**

1.1 CONOCER LOS CASOS DE USO EN EL BIG
DATA PARA PLANTEAR ESTRATEGIAS DE
DATOS. Casos de estudio revisados en el aula y como parte del
Conocimientos 1.2 CONOCER HERRAMIENTAS INFORMÁTICAS trabajo autónomo del estudiante
QUE PERMITA LA ELABORACIÓN DE GRÁFICOS
DINÁMICOS.
2.1 USAR METODOLOGÍAS PARA FORMULAR
ESTRATEGIAS DE DATOS. Cuadernos de Jupyter en Google Colaboratory con la
Destrezas 2.2 USAR HERRAMIENTAS INFORMÁTICAS programación respectiva en Python.
PARA LA ELABORACIÓN DE GRÁFICOS
DINÁMICOS.
3. CUESTIONAR LA VALIDEZ DE DIFERENTES Trabajos dentro y fuera del aula en los cuales prima el
Valores y actitudes MARCOS CONCEPTUALES PARA EL criterio de desarrollo del estudiante.
DESARROLLO DE MODELOS.

** Descripciones específicas, medibles y demostrables de lo que el estudiante deberá hacer para el logro de los resultados del aprendizaje.

CONTENIDOS Y ACTIVIDADES DE APRENDIZAJE DE LA ASIGNATURA

DOCENTE: GUTIERREZ POMBOSA SANDRA ELIZABETH, PARALELO: A, COMPONENTE : AC

COMPONENTE DE HOR
N° SEMANA CONTENIDO ACTIVIDADES DE APRENDIZAJE
APRENDIZAJE AS
1 FECHA1 Introducción al curso. Estrategia de
Datos. Revisión de conceptos,
Iniciación al entorno Google
Colaboratory e introducción a Python, AC 3.0 microevaluaciones en Aula virtual.
Desarrollo de trabajo individual.
variables, tipos y principales
estructuras de datos
2 FECHA2 Funciones en Python. Lazos y Clase magistral. Microevaluación en el
condicionales. Ejemplos prácticos. AC 3.0 Aula Virtual. Desarrollo de trabajo
práctico.
3 FECHA3 Caso de estudio: CredPay. Trabajo Cred-Pay es una empresa de consultoría
Práctico que se asocia con bancos y verifica si sus
clientes son elegibles para una tarjeta de
crédito. Son una startup que se encuentra
AP 3.0 justo en la raíz del inicio de su negocio.
Se han asociado con algunos bancos y
actualmente están recopilando datos para
solicitudes de tarjetas de crédito.
4 FECHA4 Introducción a Numpy. Arreglos y AP 1.0 Microevaluaciones en Aula Virtual.
funciones AC 2.0 Creación de cuadernos de Jupyter.
5 FECHA5 Numpy, funciones de la librería. AC 2.0 Desarrollo de cuaderno de Jupyter.
Desarrollo de cuaderno de Jupyter,
AP 1.0 microevaluaciones aula virtual
6 FECHA6 Introducción a Pandas Desarrollo de temas de la librería Pandas:
AC 2.0 Series y Dataframes, acceso y
modificación de información.
AP 1.0 Microevaluaciones en Aula Virtual.
7 FECHA7 Pandas: Fusión de tablas y funciones AC 2.0 Desarrollo de Cuaderno de Jupyter
de la librería. Importación y Microevaluaciones en el aula virtual,
exportación de datos. AP 1.0 desarrollo de cuadernos de Jupyter.
8 FECHA8 Desarrollo de trabajo práctico: MovieLens es una empresa del ámbito de
MovieLens Internet y entretenimiento que tiene una
base de datos en línea de información
relacionada con películas, series de
televisión y contenido de transmisión en
línea, incluido el elenco, el equipo de
producción, trivia, calificaciones y
reseñas críticas y de fanáticos. Ha sido
AP 3.0 contratado como científico de datos para
la empresa. Se le han proporcionado los
siguientes tres conjuntos de datos, se le ha
pedido que realice un análisis detallado de
los datos y obtenga algunos
conocimientos significativos que
ayudarán a la empresa a dirigirse mejor a
sus usuarios.
9 FECHA9 Python para visualización de datos: Desarrollo de cuaderno de Jupyter para
Matplotlib y Seaborn. Principales AC 3.0 visualización de datos
gráficos .
10 FECHA10 Python para visualización de datos:
Matplotlib y Seaborn. Principales AC 3.0 Desarrollo de cuaderno de Jupyter.
gráficos . Personalización y gráficos
dinámicos con Plotly
11 FECHA11 Desarrollo de caso práctico. Estudio En 2006, surgió la preocupación mundial
sobre producción de miel de abeja. por la rápida disminución de la población
de abejas, un componente integral de la
agricultura apícola estadounidense. Un
gran número de colmenas se perdieron
debido al trastorno del colapso de
colonias, un fenómeno en el que las
abejas obreras desaparecen y que provoca
el colapso de las colonias de colmenas
restantes. Las especulaciones sobre la
causa de este trastorno apuntan a que las
enfermedades de las colmenas y los
AP 3.0 pesticidas dañan a los polinizadores,
aunque no se ha llegado a un consenso
general. Estados Unidos solía producir
localmente más de la mitad de la miel que
consume al año. Hoy en día, la miel
proviene principalmente del extranjero, y
350 de los 400 millones de libras de miel
que se consumen cada año provienen de
importaciones. Este conjunto de datos
proporciona información sobre la oferta y
la demanda de producción de miel en
Estados Unidos entre 1998 y 2016.
12 FECHA12 Análisis exploratorio de datos con
Python. Revisión de sanidad de AC 3.0 Desarrollo de cuaderno de Jupyter
datos, tratamiento de datos faltantes.
13 FECHA13 Paneles. Storytelling con datos AC 3.0 Construcción de paneles de datos
14 FECHA14 Paneles: storytelling con datos AC 3.0 Creación de paneles de datos
15 FECHA15 Desarrollo de caso de estudio final. Caso de estudio:Una empresa de
alimentos tiene almacenados en su portal
online los datos de los diferentes pedidos
realizados por los clientes registrados.
Quieren analizar los datos para tener una
idea clara de la demanda de los diferentes
restaurantes, lo que les ayudará a mejorar
AP 3.0 la experiencia de sus clientes. Suponga
que lo contratan en esta empresa y el
equipo de ciencia de datos ha compartido
algunas de las preguntas clave que deben
responderse. Realice el análisis de datos
para encontrar respuestas a estas
preguntas que ayudarán a la empresa a
mejorar el negocio.
16 FECHA16 Desarrollo de caso de estudio. Desarrollo de caso de estudio. Evaluación
AP 3.0 final

BIBLIOGRAFÍA BÁSICA:

1.-David Landup , 2021. Data Visualization in Python. Matplotlib and Pandas. Lugar de publicación: Copell,TX. EditorialStackAbuse

BIBLIOGRAFÍA COMPLEMENTARIA:

-Art Yudin , 2021. Basic Python for Data Management, Finance and Marketing. Lugar de publicación: South Amboy, NJ, USA.
EditorialApress, Springer Nature

METODOLOGÍA DE APRENDIZAJE DE LA ASIGNATURA

DOCENTE: GUTIERREZ POMBOSA SANDRA ELIZABETH, PARALELO: A, COMPONENTE : AC

Método de aprendizaje Recursos de aprendizaje Escenarios de aprendizaje

Clase magistral con implementación práctica de Cuadernos de Jupyter Aula, laboratorio computacional.
todos los temas.
Aprender haciendo Casos de estudio de desarrollo individual Laboratorio de computación
EVALUACIÓN
IMPORTANTE: De acuerdo al Art. 80 del RRA la contribución de cada componente de evaluación no podrá exceder el 35% de la
calificación del aporte

ACTIVIDAD DE EVALUACIÓN TIPO APORTE 1 (%) APORTE 2 (%)

Caso de estudio 1 Formativa 20.0 20.0
Caso de Estudio 2 Formativa 20.0 20.0
Caso de Estudio 3 Formativa 20.0 20.0
Trabajo de fin de curso Sumativa 20.0 20.0
Evaluaciones en el aula virtual Formativa 20.0 20.0
100.0 100.0

HORARIO Y MECANISMOS DE TUTORÍAS:

DOCENTE: GUTIERREZ POMBOSA SANDRA ELIZABETH, PARALELO: A, COMPONENTE: AC

Horario (s) de tutorías Ubicación / mecanismo / herramienta de contacto

Oficina 8, Octavo piso del edificio de Administración.
Martes 9:00-10:00 sandra.gutierrez@epn.edu.ec

POLÍTICAS DE DESARROLLO DE LA ASIGNATURA

DOCENTE: GUTIERREZ POMBOSA SANDRA ELIZABETH, PARALELO: A, COMPONENTE: AC

Reglamento de Disciplina y Sanciones de la EPN

Código de ética EPN
Entrega de trabajos en fechas especificadas salvo justificación validada en Bienestar EPN

ADAPTACIONES CURRICULARES PARA ATENDER A ESTUDIANTES CON NECESIDADES

EDUCATIVAS ESPECIALES:

Metodologías de enseñanza-aprendizaje:
Ambientes de enseñanza-aprendizaje:
Métodos e instrumentos de evaluación:

UBICACIÓN:

Espacio:E03-P6/E004