Universitat Internacional de Catalunya
Diseño Computacional
Otras lenguas de impartición: inglés, castellano,
Profesorado
Presentación
Requisitos previos
No hay requisitos previos excepto conocimientos básicos de estadística y de uso de la ofimática.
Objetivos
- Usar el pensamiento algorítmico para resolver problemas.
- Programar de forma efectiva en Python
- Aplicar técnicas de análisis de datos con Python
Resultados de aprendizaje de la asignatura
- Usar el pensamiento algorítmico para resolver problemas.
- Programar de forma efectiva en Python
- Aplicar técnicas de análisis de datos con Python
Contenidos
INTRODUCCIÓN
1. El pensameinto computacional
2. Entorno de trabajo: Google Colab
PRIMEROS PASOS EN EL LENGUAJE PYTHON
1. Tipos de datos
2. Control del flujo
3. Estructuras de datos
CONCEPTOS MÁS AVANZADOS
1. Funciones
2. Librerías
ANÁLISIS DE DATOS
1. Data frames
2. Estadística básica
UTILIDADES
Metodología y actividades formativas
Modalidad totalmente presencial en el aula
Este es un curso práctico que requiere que los participantes sean activos en su propio aprendizaje. Los participantes deben realizar un trabajo autónomo para preparar cada sesión. Este trabajo preparatorio consiste en leer el contenido de la siguiente sesión y repasar la sesión anterior. Los detalles del trabajo preparatorio se podrán encontrar en el sitio web del curso. La sesión se basará y aprovechará el trabajo preparatorio de los participantes. Las sesiones presenciales se utilizarán para repasar los trabajos preparatorios, resolver dudas, realizar nuevos ejercicios, cuestionarios individuales, actividades en equipo y retos. Este curso requiere que todos los participantes traigan su propio dispositivo (portátil o tableta) a las sesiones para realizar diferentes actividades. La asistencia a clase es obligatoria. En varias sesiones, los participantes realizarán actividades en equipo. Las pruebas individuales y las actividades de equipo, que serán calificadas, se anunciarán en el sitio web del curso antes de la sesión.
Sistemas y criterios de evaluación
Modalidad totalmente presencial en el aula
La calificación final del curso se basará en pruebas individuales realizadas en clase, trabajo en equipo realizado en clase (que consiste en actividades en equipo, en principio por parejas), un trabajo final en parejas y un examen parcial. Los cuestionarios individuales y el trabajo en equipo se realizarán durante las sesiones del curso presencial. Para realizar un cuestionario individual o participar en una actividad en equipo, un participante deberá asistir a toda la sesión. En caso contrario, no se tendrá en cuenta la calificación de la prueba. Los detalles sobre las actividades se publicarán en el sitio web del curso. El esquema para la nota final es el siguiente:
- Tests individuales: 20%
- Actividades en grupo: 10%
- Examen parcial escrito: 35%
- Proyecto final: 35%
Para aprobar la asignatura, los participantes deberán obtener una nota igual o superior a 5 tanto en el examen parcial como en el proyecto final. Aquellos que obtengan menos de cinco en el examen parcial deberán repetirlo al final del curso y tendrán que obtener, al menos, un 5 para aprobar el curso.
Bibliografía y recursos
- Downey, A. (2020) “Think Python: How to Think Like a Computer Scientist”, O’Reilly Media, Inc.
- The Python Language Reference, https://docs.python.org/3/reference/
- The Python Standard Library, https://docs.python.org/3/library/index.html