MA1053
Matemáticas estratégicas para un futuro sostenible Strategic Mathematics for a Sustainable Future
CIP: 307101  Analítica de Datos   CL-L-A-U-CA-ID-AS-AI-CT-HT-S-UDC-SI:  3-0-1-8-3-45-15-84-24-144-15-3-1       

Disciplina asociada:  

Matemáticas

Escuela:  

Ingeniería y Ciencias

Departamento Académico:   

Ciencias

Programas académicos:   

Competencias que se desarrollan:   

Requisitos:  

No tiene.

Equivalencia:  

No tiene.

Intención del curso en el contexto general del plan de estudios:  

Es un curso de nivel básico en el área de ciencias que tiene la intención de que el estudiante aplique conceptos matemáticos básicos y técnicas de análisis de datos en desafíos ambientales y de desarrollo sostenible. Los estudiantes explorarán temas que van desde matemáticas, ética y toma de decisiones hasta el uso de tecnología, incluyendo Matlab y ChatGPT, para analizar datos reales. Requiere conocimientos básicos de conceptos matemáticos.

Como resultado de aprendizaje, el alumno utilizará técnicas de análisis de datos para buscar soluciones sostenibles a problemáticas de impacto ambiental en su comunidad, a través del uso de las matemáticas, la ética y la tecnología. Utilizará herramientas de presentación y visualización, para comunicar los datos y hallazgos de manera efectiva a las partes interesadas, incluyendo soluciones y recomendaciones basadas en los resultados del análisis.

Objetivo general de la Unidad de Formación:  

Al finalizar el curso el alumno será capaz de: 

- Trabajar en equipos para abordar un problema de impacto ambiental en su comunidad.

- Utilizar Python para recopilar y analizar datos relacionados con el problema, como la calidad del aire, la gestión de residuos o el uso de recursos naturales.

- Utilizar ChatGPT para comprender y evaluar diferentes enfoques de resolución del problema.

- Crear visualizaciones impactantes utilizando Seaborn para comunicar sus hallazgos de manera efectiva a la comunidad.

- Considerarar las implicaciones éticas de las soluciones propuestas y la forma en que se comunica la información a las partes interesadas.

Técnica didáctica sugerida:  

Aprendizaje basado en problemas

Bibliografía sugerida:  

LIBROS DE TEXTO:
* Cao, Giacomo, Orrú, R., Current environmental issues and challenges /, Switzerland : Springer, 2014, English, 9789401787765
* Arthur W. Brian, The nature of technology [recurso electrónico] : what it is and how it evolves, Kindle ed., Estados Unidos : Amazon, 2009, spa, 
* Bruce, Peter C, Practical statistics for data scientists : 50 essential concepts, Second edition., Sebastopol, CA : O'Reilly, 2020, spa, 9781492072898

Perfil del Profesor:  

(307101)Maestría en Analítica de Datos ; (307001)Maestría en Ciencia de Datos ; (110102)Maestría en Inteligencia Artificial /Robótica ; (140901)Maestría en Ingeniería Computacional ; (141001)Maestría en Ingeniería Eléctrica/Electrónica y Comunicaciones ; (141901)Maestría en Ingeniería Mecánica ; (143501)Maestría en Ingeniería Industrial ; (270101)Maestría en Matemáticas ; (400801)Maestría en Física ; (307001)Doctorado en Ciencia de Datos ; (110102)Doctorado en Inteligencia Artificial /Robótica ; (140901)Doctorado en Ingeniería Computacional ; (141001)Doctorado en Ingeniería Eléctrica/Electrónica y Comunicaciones ; (141901)Doctorado en Ingeniería Mecánica ; (143501)Doctorado en Ingeniería Industrial ; (270101)Doctorado en Matemáticas ; (400801)Doctorado en Física
CIP: 307101, 307001, 110102, 140901, 141001, 141901, 143501, 270101, 400801

Idioma en que se imparte la materia:  


Español
CIP: 307101  Data Analytics   CL-L-A-U-CA-ID-AS-AI-CT-HT-S-UDC-SI:  3-0-1-8-3-45-15-84-24-144-15-3-1       

Discipline:  

Mathematics

School:   

Engineering and Sciences

Academic Department:   

Sciences

Programs:   

Competitions:   

SEG0702A ; SEG0201A ; SEG0403A ;

Prerequisites:  

None.

Equivalences:  

None.

Course intention within the general study plan context:  

It is a basic level course in the area of ​​science that intends for the student to apply basic mathematical concepts and data analysis techniques to environmental and sustainable development challenges. Students will explore topics ranging from mathematics, ethics and decision-making to using technology, including Matlab and ChatGPT, to analyze real data. Requires basic knowledge of mathematical concepts.

As a learning result, the student will use data analysis techniques to seek sustainable solutions to environmental impact problems in their community, through the use of mathematics, ethics and technology. You will use presentation and visualization tools to communicate data and findings effectively to stakeholders, including solutions and recommendations based on the analysis results.

Course objective:  

At the end of the course the student will be able to:

- Work in teams to address an environmental impact problem in their community.

- Use Python to collect and analyze data related to the problem, such as quality
of air, waste management or the use of natural resources.

- Use ChatGPT to understand and evaluate different approaches to solving the problem.

- Create impactful visualizations using Seaborne to communicate your findings effectively to the community.

- Consider the ethical implications of the proposed solutions and the way in which information is communicated to interested parties.

Teaching and learning tecniques:  

Problem-based Learning

Suggested Bibliography:  

TEXT BOOKS:
* Cao, Giacomo, Orrú, R., Current environmental issues and challenges /, Switzerland : Springer, 2014, English, 9789401787765
* Arthur W. Brian, The nature of technology [recurso electrónico] : what it is and how it evolves, Kindle ed., Estados Unidos : Amazon, 2009, spa, 
* Bruce, Peter C, Practical statistics for data scientists : 50 essential concepts, Second edition., Sebastopol, CA : O'Reilly, 2020, spa, 9781492072898

Academic credentials required to teach the course:  

(307101)Master Degree in Data Analytics, General ; (307001)Master Degree in Data Science, General ; (110102)Master Degree in Artificial Intelligence/Robotics ; (140901)Master Degree in Computational Engineering ; (141001)Master Degree in Electrical Engineering/ Electronics and Communications ; (141901)Master Degree in Mechanical Engineering ; (143501)Master Degree in Industrial Engineering ; (270101)Master Degree in Mathematics ; (400801)Master Degree in Physics ; (307001)Doctoral Degree in Data Science, General ; (110102)Doctoral Degree in Artificial Intelligence/Robotics ; (140901)Doctoral Degree in Computational Engineering ; (141001)Doctoral Degree in Electrical Engineering/ Electronics and Communications ; (141901)Doctoral Degree in Mechanical Engineering ; (143501)Doctoral Degree in Industrial Engineering ; (270101)Doctoral Degree in Mathematics ; (400801)Doctoral Degree in Physics
CIP: 307101, 307001, 110102, 140901, 141001, 141901, 143501, 270101, 400801

Language of Instruction:  


Spanish