Resultados de las asignaturas del plan de estudios


Curso 2019/2020


AsignaturaMatriculados% estudiantes 1ª matrículaTasa de rendimiento% aptos% suspensos% no presentadosTasa de éxito% aprobados 1ª matrícula
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE AUTOMÁTICO I4410070,45100029,54510070,46
APRENDIZAJE AUTOMÁTICO II4310051,1695,6524,3546,51295,6551,16
BASES DE DATOS101005083,33316,674083,3350
DEEP LEARNING3010046,67100053,33310046,67
ESTADÍSTICA (ING.INFORMÁTICA/ING.TI)0
FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
GESTIÓN/ALMACENAMIENTO DE INFORMACIÓN NO ESTRUCTURADA3310069,7100030,30310069,7
INFRAESTRUCTURAS COMPUTACIONALES PARA PROCESAMIENTO DE DATOS MASIVOS251007210002810072
MINERÍA DE DATOS DE LOS MEDIOS SOCIALES1310061,54100038,46210061,54
MINERÍA DE TEXTOS2810067,86100032,14310067,86
MODELADO ESTADÍSTICO DE DATOS4010067,5100032,510067,5
MODELOS BAYESIANOS JERÁRQUICOS101005010005010050
PROGRAMACIÓN EN ENTORNOS DE DATOS3410064,7191,6678,3329,41291,6764,71
PROGRAMACIÓN Y ESTRUCTURAS DE DATOS AVANZADAS110000100000
REDES DE COMPUTADORES1210058,3387,512,533,33387,558,33
SEGURIDAD
SEGURIDAD DE LA GESTIÓN DE DATOS41005010005010050
TEORÍA DE LOS LENGUAJES DE PROGRAMACIÓN
TRABAJO DE FIN DE MÁSTER EN INGENIERÍA Y CIENCIA DE DATOS510001000
VISUALIZACIÓN DE DATOS4010047,5100052,510047,5

Curso 2018/2019


AsignaturaMatriculados% estudiantes 1ª matrículaTasa de rendimiento% aptos% suspensos% no presentadosTasa de éxito% aprobados 1ª matrícula

Valoración de las asignaturas (estudiantes/tutores)


Curso 2019/2020


asignaturaval. estudiantesresp. estudiantesval. tutoresresp. tutores
APRENDIZAJE AUTOMÁTICO
APRENDIZAJE AUTOMÁTICO I60,8418
APRENDIZAJE AUTOMÁTICO II74,197
BASES DE DATOS63,081
DEEP LEARNING84,015
ESTADÍSTICA (ING.INFORMÁTICA/ING.TI)
FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
GESTIÓN/ALMACENAMIENTO DE INFORMACIÓN NO ESTRUCTURADA89,915
INFRAESTRUCTURAS COMPUTACIONALES PARA PROCESAMIENTO DE DATOS MASIVOS81,919
MINERÍA DE DATOS DE LOS MEDIOS SOCIALES81,905
MINERÍA DE TEXTOS72,199
MODELADO ESTADÍSTICO DE DATOS70,7419
MODELOS BAYESIANOS JERÁRQUICOS
PROGRAMACIÓN EN ENTORNOS DE DATOS51,4211
PROGRAMACIÓN Y ESTRUCTURAS DE DATOS AVANZADAS611
REDES DE COMPUTADORES41,243
SEGURIDAD
SEGURIDAD DE LA GESTIÓN DE DATOS1001
TEORÍA DE LOS LENGUAJES DE PROGRAMACIÓN
TRABAJO DE FIN DE MÁSTER EN INGENIERÍA Y CIENCIA DE DATOS
VISUALIZACIÓN DE DATOS74,067

Curso 2018/2019


asignaturaval. estudiantesresp. estudiantesval. tutoresresp. tutores

Aportaciones de los equipos docentes


Asignatura Aportaciones
Aprendizaje Automático (71014023)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Aprendizaje Automático I (31110037)

Puntos fuertes

  • Material gratuito, compuesto por: libros de teoría, apuntes y ejemplos elaborados por equipo docente.
  • Se fomenta la discusión en los foros para la resolución de los problemas. Esto fomenta una actitud colaborativa y de trabajo en grupo entre los alumnos. Y hace que los alumnos no se sientan tan solos.
  • La asignatura es eminentemente práctica. Con ejercicios resueltos en herramientas software de acceso libre actuales (python, scikit-learn, ...).

Puntos débiles

  • Valoración inferior a la media de la titulación por parte de los alumnos: 60,69% con una Significación Estadística Muy Alta (Precisión: = 3.5 y 6) (valoración de la titulación = 69,84% ).
  • La apuesta por material gratuito puede conllevar una cierta desestructuración de los materiales y un trabajo adicional por parte de los alumnos que tienen que manejar varias fuentes de información (libros, apuntes, documentación de las herramientas, material de Internet, etc.).

Propuestas de mejora

  • Mejorar la atención en los foros, el primer curso la asignatura solo tenía un docente con carga docente real, en los siguientes cursos la asignatura dispone de 3 docentes con carga docente real.
  • Realizar la corrección de las actividades entregables inmediatamente después de terminar la fecha de entrega para ofrecer feedback cuanto antes. A partir del segundo curso la asignatura tiene más docentes.

Seguimiento y revisión de las acciones de mejora

  • No procede ya que es el primer año de impartición de este máster.
Aprendizaje Automático II (31110130)

Puntos fuertes

  • La asignatura parece responder al interés del alumnado, cubriendo temas actuales que son de aplicación en el mercado laboral.
  • Las adaptaciones al estado de alarma fueron bien valoradas por el alumnado.

Puntos débiles

  • La asignatura se ha visto afectada por la pandemia y su desarrollo no se ha producido como estaba esperado.
  • Es posible que los contenidos del libro sean de un nivel exigente.

Propuestas de mejora

  • Se realizarán sesiones mensuales de acompañamiento.
  • Se redefinirá la evaluación para tener en cuenta lo aprendido durante el periodo excepcional que supuso la pandemia.

Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Bases de Datos (71902083)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Deep Learning (31110111)

Puntos fuertes

  • Material gratuito, compuesto por: libros de teoría, apuntes y ejemplos elaborados por equipo docente.
  • La asignatura es eminentemente práctica. Con ejercicios resueltos en herramientas software de acceso libre actuales (python, scikit-learn, ...).
  • Se fomenta la discusión en los foros para la resolución de los problemas. Esto fomenta una actitud colaborativa y de trabajo en grupo entre los alumnos. Y hace que los alumnos no se sientan tan solos.
  • Valoración muy positiva por parte de los alumnos: 84.13% con una Significación Estadística Muy Alta (Precisión: = 3.5 y 6) (valoración de la titulación = 70% ).

Puntos débiles

  • Tasa de evaluación de 44,83, ligeramente por debajo de la titulación (60,84).
  • La apuesta por material gratuito puede conllevar una cierta desestructuración de los materiales y un trabajo adicional por parte de los alumnos que tienen que manejar varias fuentes de información (libros, apuntes, documentación de las herramientas, material de internet, etc.). Además, al ser el primer año de impartición de máster, pueden haberse producido ciertos desajustes.

Propuestas de mejora

  • Realizar la corrección de las actividades entregables inmediatamente después de terminar la fecha de entrega para ofrecer feedback cuanto antes.
  • Subsanar los problemas de coordinación encontrados

Seguimiento y revisión de las acciones de mejora

  • No procede ya que es el primer año de impartición de este máster.
Estadística (Ing.Informática/Ing.TI) (7190105-)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Fundamentos de Inteligencia Artificial (71902060)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Gestión/Almacenamiento de Información no Estructurada (3111008-)

Puntos fuertes

  • La distribución de las actividades y trabajos de evaluación entre el equipo docente facilita de seguimiento y corrección de las pruebas. Estas actividades están coordinadas dentro del plan de trabajo de la asignatura.
  • Se trata de una asignatura eminentemente práctica.
  • La distribución modular de la asignatura permite especializar la atención al estudiante en los objetivos específicos asociados a cada módulo. La asignatura contiene apuntes elaborados por los docentes y recursos multimedia: presentaciones, vídeo-clases, etc
  • Ha habido un total de 33 estudiantes matriculados. Las tasas de evaluación y de rendimiento han sido de un 69.7%, mientras que la tasa de éxito ha sido de un 100%. Estos tres indicadores han sido superiores a los valores medios de la titulación. Además las encuestas han dado una valoración de 89.91 sobre 100, por encima de la valoración de la titulación.

Puntos débiles

  • Existen pocas interacciones con los estudiantes utilizando las herramientas del curso virtual. Se intentarán proponer temas de discusión adicionales, así como informar a los estudiantes de eventos de tipo científico/técnico (ya realizado a nivel general del Máster y de la Escuela).
  • Tan solo se han realizado 5 encuestas en el curso 2019-20.

Propuestas de mejora

  • Se intentará animar a los estudiantes a que respondan la encuesta de satisfacción de la de la asignatura para obtener unos datos significativos y poder realizar mejoras adicionales.
  • Seguir evolucionando las actividades prácticas de las asignaturas y mejorar el modo de acceso a los servicios, captura de datos, interfaces, etc. Las prácticas se intentan mejorar todos los cursos en función de la tecnología.

Seguimiento y revisión de las acciones de mejora

  • Se ha intentado animar a los estudiantes a responder la encuesta de satisfacción si éxito y las tasas de evaluación, éxito y rendimiento han sido bastante superiores al curso académico anterior.
Infraestructuras Computacionales para Procesamiento de Datos Masivos (31110056)

Puntos fuertes

  • Existe una coordinación del equipo docente involucrado en la asignatura y otros equipos docentes de asignaturas relacionadas con esta asignatura. La distribución de las actividades y trabajos de evaluación entre el equipo docente facilita de seguimiento y corrección de las pruebas. Estas actividades están coordinadas dentro del plan de trabajo de la asignatura.
  • Ha habido un total de 25 estudiantes matriculados. Las tasas de evaluación y de rendimiento han sido de un 72%, mientras que la tasa de éxito ha sido de un 100%. Estos tres indicadores han sido superiores a los valores medios de la titulación y a los del curso académico anterior. Además las encuestas han dado una valoración de 81,89 sobre 100, por encima de la valoración de la titulación.
  • Se trata de una asignatura eminentemente práctica.
  • La distribución modular de la asignatura permite especializar la atención al estudiante en los objetivos específicos asociados a cada módulo. La asignatura contiene apuntes elaborados por los docentes y recursos multimedia: presentaciones, vídeo-clases, etc

Puntos débiles

  • Existen pocas interacciones con los estudiantes utilizando las herramientas del curso virtual. Se intentarán proponer temas de discusión adicionales, así como informar a los estudiantes de eventos de tipo científico/técnico (ya realizado a nivel general del Máster y de la Escuela).
  • Tan solo se han realizado 9 encuestas en el curso 2019-20.

Propuestas de mejora

  • Se intentará animar a los estudiantes a que respondan la encuesta de satisfacción de la de la asignatura para obtener unos datos significativos y poder realizar mejoras adicionales.
  • Seguir evolucionando las actividades prácticas de las asignaturas y mejorar el modo de acceso a los servicios, captura de datos, interfaces, etc. Las prácticas se intentan mejorar todos los cursos en función de la tecnología.

Seguimiento y revisión de las acciones de mejora

  • Se ha intentado animar a los estudiantes a responder la encuesta de satisfacción si éxito y las tasas de evaluación, éxito y rendimiento han sido bastante superiores al curso académico anterior.
Minería de Datos de los Medios Sociales (31110107)

Puntos fuertes

  • Se consultó a los alumnos para gestionar el proceso de evaluación debido al estado de alarma sanitaria. Los alumnos se comportaron con mucha responsabilidad.
  • Se incentivo la participación y el diálogo en los foros de la asignatura. La participación de los alumnos fue activa y frecuente para la mayoría de ellos.
  • La opinión de los alumnos en la encueta de valoración fue muy positiva.
  • Los buenos resultados de los alumnos que se presentan a examen. El 100% de los presentados aprueban la asignatura. No hay que olvidar que para presentarse a examen los estudiantes tienen que realizar todas las pruebas prácticas.
  • Se presentaron al examen el 61,54% de los alumnos matriculados por lo que la tasa de abandono no fue muy alta.

Puntos débiles

  • No hubo material audiovisual al comienzo del curso por lo que algunos alumnos se quejaron.
  • Hubo una tasa de abandono preocupante. Por mucho que se incentivó la participación, algunos alumnos terminaron por no presentarse a la evaluación final. Debido al estado de alarma sanitaria no es posible saber si el abandono tiene alguna relación con la gestión y contenidos de la asignatura.

Propuestas de mejora

  • Durante el curso se fue añadiendo contenido audiovisual que explicaban alguno de los contenidos del curso. Se añadirá estos contenidos en el curso próximo.
  • El equipo docente de la asignatura pensamos que la relación entre estudiante y profesor tiene que ser cercana para incitar al estudiante una mayor relación con el equipo docente. Se plantea el uso de videoconferencias para realizar una presentación de la asignatura y el equipo docente.

Seguimiento y revisión de las acciones de mejora

  • Se incitará que los estudiantes respondan a las encuestas de evaluación al final del curso, además de estudiar la evaluación académica, para evaluar la estrategia pedagógica del equipo docente.
Minería de Textos (31110041)

Puntos fuertes

  • La nota media de los estudiantes que han aprobado la asignatura, 8.26, es alta y ligeramente superior a la media de las asignaturas de su curso y nivel, 7.88.
  • Se han contestado 9 cuestionarios de 27 estudiantes matriculados, lo que da una significancia estadística media del valor de satisfacción.
  • La tasa de satisfacción de los estudiantes con la asignatura, 72,02, es alta y superior a la media de la titulación, 69,84.
  • La tasa de éxito de la asignatura, 0.95 es muy alta, y ligeramente inferior a la de la titulación, 97,29.
  • La tasa de evaluación de la asignatura, 66,67, es superior a la de la titulación, 60,84.

Puntos débiles

  • Al ser el primer año que se impartía la asignatura no contaba con modelos de exámenes previos
  • Algunos aspectos de la asignatura, como los criterios de valoración de las prácticas, pueden no haber sido suficientemente claros.

Propuestas de mejora

  • Mejorar los materiales didácticos de la asignatura.
  • Incluir en el curso virtual exámenes de cursos anteriores.

Seguimiento y revisión de las acciones de mejora

  • No hay propuesta de mejora anteriores por ser la primera vez que se imparte.
Modelado Estadístico de Datos (31110018)

Puntos fuertes

  • En general, los alumnos están muy contentos con el equipo docente: - "Los docentes son atentos e intentan explicar siempre con rapidez". - "Es una asignatura bellísima y los profesores tienen un gran conocimiento y su dedicación a los foros extraordinaria". - "Mi felicitación al equipo docente, que ha estado muy pendiente de los foros". - "Animo al ED a continuar con la interacción abierta y extensa vía foro con la comunidad".
  • En general, los alumnos están muy contentos con el espacio virtual y cómo se lleva la asignatura: - "El método de docencia de esta asignatura ha sido muy bueno". - "El curso virtual me ha parecido el mejor con diferencia de las 3 asignaturas que he cursado este cuatrimestre". - "La asignatura es bonita y entretenida".
  • En el curso 2019-2020 esta asignatura fue numéricamente la tercera mejor valorada con precisión muy alta, entre 3.5 y 6.0, de todas las asignaturas del Máster, de las 20 asignaturas de la titulación, con 71 puntos (en una escala de 0 a 100) ligeramente superior a la media de la titulación que es de 70. Además es la que más cuestionarios en número absoluto ha recibido (19). La tasa de evaluación es del 69% superior a la del Máster que es del 61%.
  • Destacan las siguientes puntuaciones, que están entre 13 y 29 puntos por encima de la media: - La atención que el equipo docente presta a los foros: 89. - La adecuación del sistema de evaluación para valorar el aprendizaje de los contenidos de la asignatura: 79. - La utilidad del curso virtual para la preparación de la asignatura: 79.
  • Destacan las siguientes puntuaciones, que están entre 3 y 12 puntos por encima de la media: - La utilidad de la información proporcionada sobre los criterios de evaluación: 82. - La adecuación del sistema de evaluación para valorar el aprendizaje de los contenidos de la asignatura: 79. - Satisfacción global con el Equipo Docente: 78. - La estructura y organización del curso virtual: 77

Puntos débiles

  • Adecuación entre la carga de trabajo y los créditos de la asignatura: 38.
  • Conocimientos adquiridos en esta asignatura: 58.
  • Adecuación del material didáctico para el estudio de esta asignatura: 59. Satisfacción global con los recursos materiales (guías, unidades didácticas, curso virtual, etc.): 61.
  • En general, los alumnos encuentran que la asignatura requiere conocimientos que se tenían olvidados. - "Los contenidos han sido muy buenos pero asustan mucho hasta que 'ves la luz'". - "Ha sido un poco 'agresivo' el arranque. - "Debería agregarse una introducción sobre test de hipótesis, contrastes, distibuciones normales, ...". - "Se agradecería una evaluación 0 que permitiera a la gente que lleva unos años desvinculada del mundo académico determinar qué contenidos repasar desde el primer m
  • En general, también encuentran la asignatura algo abstracta y que conlleva 150h estudio. - "El material proporcionado ha partido desde un nivel demasiado elevado". - "Se agradecería la explicación de algunos casos prácticos con pequeños vídeos". - "Relajaría el formalismo en favor de la aplicabilidad de los conceptos al mundo del ML, AI, etc.". - "Enfoque menos matemático y más práctico, problemas, casos reales". - "Es (excesivamente) demasiado contenido para una asignatura".

Propuestas de mejora

  • Mejorar la sensación sobre los conocimientos adquiridos en esta asignatura: Incluir más casos prácticos en el material de la asignatura.
  • Preparar mejor al estudiante sobre los conocimientos que se requieren para esta asignatura. Se incluirá un test de autoevaluación en la propia guía que le va a permitir al estudiante saber si necesita recordar conocimientos requeridos para esta asigantura. Las soluciones se encontrarán en Twitter con los hashtag conocimientosrequeridos med uned.
  • Adecuar la carga de trabajo y los créditos de la asignatura. Para ello, en primer lugar crear una introducción con los conceptos básicos de Estadística que se suponen requeridos para esta asignatura. En segundo lugar facilitar más ayuda en las preguntas más frecuentes. En tercer lugar, incluir exámenes resueltos en el curso virtual.
  • Mejorar la sensación global con los recursos materiales. Para ello se va a incluir en la guía la siguiente información: incluir perfil profesional, relación con otras asignaturas, indicadores de las encuestas de los alumnos, ampliación de descripción de contenidos fundamentales, identificación de las partes con más dificultad a priori y las ayudas necesarias para superarlas e incluir información sobre ejercicios de autoevaluación.
  • Mejorar la adecuación del material didáctico para el estudio de esta asignatura. Comenzar a diseñar material audiovisual.

Seguimiento y revisión de las acciones de mejora

  • Al ser el primer año de impartición no hay acciones que seguir o revisar.
Modelos Bayesianos Jerárquicos (31110094)

Puntos fuertes

  • El equipo docente responde las preguntas en 24/48 horas,
  • Cada tema va acompañado de ejercicios, algunos de los cuales están resueltos en un documento que el equipo docente pone a disposición de los estudiantes en la plataforma aLF.
  • Se celebran videoconferencias periódicas para aclarar los contenidos de cada tema o resolver dudas.
  • El texto base es un libro de referencia en el área por uno de los autores más prestigiosos.

Puntos débiles

  • La actividad en los foros de la asignatura (y, en general, en el espacio de aLF) fue baja. En parte se explica por el limitado número de estudiantes matriculados.
  • Dado el carácter eminentemente teórico de la asignatura, no todos los estudiantes tienen una formación suficiente especialmente en el área de teoría de la probabilidad.
  • La tasa de evaluación (50%) fue más baja que la media de la titulación (61%).

Propuestas de mejora

  • Aumentar la frecuencia de las videconferencias en las primeras semanas del curso para ayudar a los estudiantes que puedan sentir la tentación de abandonar la asignatura por la falta de conocimientos previos.
  • Poner a disposición de los estudiantes material de nivelación que intente compensar deficiencias en la formación previa.
  • Aumentar la frecuencia de los mensajes en los foros de la asignatura para mantener la atención de los estudiantes.

Seguimiento y revisión de las acciones de mejora

  • Sin acciones de mejora por ser el primer año en que se imparte la asignatura.
Programación en Entornos de Datos (31110022)

Puntos fuertes

  • Tasa de evaluación del 70%, superior a la media de asignaturas del máster.
  • Tasa de éxito del 91%.
  • Nota media de 8, superior a la media de asignaturas del máster.
  • Los estudiantes han participado activamente en el foro de la asignatura, comunicándose entre ellos y con el Equipo Docente.

Puntos débiles

  • Era la primera vez que se impartía la asignatura y no se disponía de exámenes resueltos.
  • La satisfacción de los estudiantes con la asignatura es del 51%.
  • Faltó proponer más actividades a realizar durante el curso.

Propuestas de mejora

  • Fomentar la discusión de las soluciones de los exámenes para proponer soluciones alternativas.atura.
  • Proponer actividades evaluables durante el curso que consistan en la discusión de temática relacionada con la asignatura a través del foro.
  • Fomentar la relación de la actividad de discusión en el foro con la parte práctica de la asignatura.
  • Inclusión de exámenes resueltos de cursos pasados.

Seguimiento y revisión de las acciones de mejora

  • Se comprobará si aumenta la tasa de evaluación y de éxito como resultado de haber publicado soluciones de examen, además de promover la realización de soluciones alternativas. Se evaluará el grado de participación de los estudiantes en el foro en dos vertientes: 1) la discusión de la práctica propuesta y 2) la discusión de las actividades propuestas a través del foro.
Programación y Estructuras de Datos Avanzadas (71902019)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Redes de Computadores (71012030)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Seguridad (71013124)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Seguridad de la Gestión de Datos (31110126)

Puntos fuertes

  • La calificación global de la evaluación por parte de los estudiantes en el curso 2019-2020 ha sido de 100 (1 cuestionarios respondidos), por encima de los de la Titulación. Sin embargo, no es estadísticamente representativa.
  • La distribución modular de la asignatura permite especializar la atención al estudiante en los objetivos específicos asociados a cada módulo. La asignatura contiene recursos educativos para su desarrollo y se van incrementando/actualizando. Se han creado además ejercicios que permiten la evaluación continua de la asignatura.
  • El número de estudiantes matriculados durante el curso 2019-2020 ha sido de 4. Las tasas de evaluación, éxito y rendimiento en el curso 2019-2020 han sido bastante buenas y similares a las del curso anterior: - Tasa de evaluación de la asignatura: 50%. - Tasa de éxito de la asignatura: 100%. - Tasa de rendimiento de la asignatura: 50%.
  • La calificación media de la asignatura en el curso 2019-2020 ha sido de 8,45. En este sentido, todos los estudiantes han logrado una calificación de notable. Sin embargo, no se han producido suspensos.
  • Existe una coordinación del equipo docente involucrado en la asignatura y en otras pertenecientes a la materia a la que pertenece la asignatura.

Puntos débiles

  • La parte teórica de la asignatura sigue siendo demasiado compleja. Sería interesante incluir más actividades prácticas que permitan fomentar el interés del alumnado. Así como facilitar más recursos que ayuden a su comprensión.
  • En el plan de trabajo se observa que algunos contenidos necesitan su actualización, en su mayoría debido a los cambios acontecidos en los últimos meses en el campo de la legalidad asociada a la ciberseguridad y la privacidad de los datos.

Propuestas de mejora

  • Se va a continuar con la inclusión de nuevas actividades prácticas sobre la seguridad de redes, e incrementar la utilización de laboratorios virtuales para dicho propósito. De esta manera, el estudiante adquirirá una formación práctica.
  • Se intentará animar aún más si cabe a los estudiantes a que respondan la encuesta sobre la evaluación de la asignatura para llevar a obtener unos datos significativos
  • Se van a incluir/actualizar vídeo clases adicionales acompañándolos de documento de texto para facilitar su estudio y otros recursos multimedia, y se tiene la intención de proporcionar documentación adicional. Todo ello, con el fin de que los estudiantes vean esta asignatura, de por sí es bastante teórica, de una manera más práctica.

Seguimiento y revisión de las acciones de mejora

  • No procede, al ser el primer año de impartición de la asignatura.
Teoría de los Lenguajes de Programación (71012024)

Puntos fuertes

Sin aportaciones


Puntos débiles

Sin aportaciones


Propuestas de mejora

Sin aportaciones


Seguimiento y revisión de las acciones de mejora

Sin aportaciones

Trabajo de Fin de Máster en Ingeniería y Ciencia de Datos (31110075)

Puntos fuertes

  • A todos los estudiantes se les asigna un tutor/es particular/es que lo guía a lo largo del desarrollo de sus trabajos
  • Los estudiantes aprenden tareas relacionadas con la temática del Máster, temas de gestión de información, algoritmos de aprendizaje máquina y aplicaciones de la IA, que son de utilidad de cara a la vida profesional de los estudiantes
  • Se proporciona al estudiante información precisa de los trabajos ofertados por partes de los docentes de la asignatura

Puntos débiles

  • Se ha detectado que existe un conjunto de estudiantes a los que se les asigna un trabajo, pero no llegan a desarrollar las tareas encomendadas por su tutor. Se debe estudiar en detalle como intentar minimizar este problema, ya que cada año el número de estudiantes va en aumento, sobrecargando al profesorado con el número de trabajos que dirige en un curso académico

Propuestas de mejora

  • Realizar la asignación de tutores a los estudiantes de manera más ágil y proporcionar una mayor información al estudiante.

Seguimiento y revisión de las acciones de mejora

  • No procede ya que es el primer año de impartición de este máster.
Visualización de Datos (31110060)

Puntos fuertes

  • MATERIAL GRATUITO, compuesto por: libros de teoría, apuntes y ejemplos elaborados por equipo docente.
  • Se fomenta la discusión en los foros para la resolución de los problemas. Esto fomenta una actitud colaborativa y de trabajo en grupo entre los alumnos. A la vez, los alumnos se sienten más acompañados. La alta participación en los foros lo demuestra.
  • Valoración positiva por parte de los alumnos: 73.8 con una Significación Estadística Media (Precisión: = 8 y 11) (valoración de la titulación = 70% ).
  • La asignatura es eminentemente práctica. Con ejercicios resueltos y un proyecto personal de visualización donde los alumnos tienen que utilizar los conceptos aprendidos.

Puntos débiles

  • La apuesta por material gratuito puede conllevar una cierta desestructuración de los materiales y un trabajo adicional por parte de los alumnos que tienen que manejar varias fuentes de información (libros, apuntes, documentación de las herramientas, material de internet, etc.). Además, al ser el primer año de impartición de máster, pueden haberse producido ciertos desajustes.
  • Tasa de evaluación de 46,15, ligeramente por debajo de la titulación (60,84).

Propuestas de mejora

  • Continuar mejorando el material de estudio.
  • Subsanar los problemas de coordinación encontrados

Seguimiento y revisión de las acciones de mejora

  • No procede ya que es el primer año de impartición de este máster.

Cuadro de indicadores de la titulación


A continuación se muestra el cuadro de indicadores de la titulación para el curso 2019/2020. Puede acceder al cuadro de indicadores de otros cursos haciendo clic sobre "Cuadro de indicadores de la titulación para todos los cursos".

Acceso denegado

En la tabla siguiente se muestra la evolución de los indicadores:

Cod. ÁreaÁreaId. IndicadorIndicador2018/20192019/20202020/20212021/20222022/2023
00001Rendimiento por curso académico100Tasa de rendimiento59,7469,6254,7653,35
00001Rendimiento por curso académico101Tasa de evaluación61,3671,1957,4457,92
00001Rendimiento por curso académico102Tasa de éxito97,3797,7995,3392,12
00001Rendimiento por curso académico106Ratio estudiantes por PDI1,553,163,974,29
00001Rendimiento por curso académico107Calificación media7,887,987,727,60
00002Tasas sobre las cohortes200Tasa de abandono21,5725,40
00002Tasas sobre las cohortes211Tasa de graduación23,5320,638,62
00003Egresados300Número de egresados161818
00003Egresados301Nota media egresados8,318,038,18
00003Egresados302Duración media conclusión título1,902,603,10
00003Egresados303Tasa de eficiencia de egresados94,6988,8782,80
00004Demanda académica400Estudiantes nuevo ingreso (matrícula conformada)51635861
00005Satisfacción grupos de interés500Satisfacción global estudiantes con el título69,8669,4562,9571,44
00005Satisfacción grupos de interés501Satisfacción estudiantes con el PDI71,0669,2762,3571,97
00005Satisfacción grupos de interés502Satisfacción estudiantes con los recursos materiales65,3563,9557,7166,19
00005Satisfacción grupos de interés503Satisfacción egresados65,8763,1261,21
00005Satisfacción grupos de interés504Satisfacción PDI76,2782,5687,5081,29

Preguntas/requisitos


1.- Puntos fuertes de la titulación
2.- Puntos débiles de la titulación
3.- Propuestas de mejora de la titulación para los dos próximos cursos académicos
4.- Seguimiento y revisión de las acciones de mejora propuestas en cursos anteriores

Descarga del Informe


Está consultando el informe del curso 2019/2020. Para descargar este informe en formato PDF pulse sobre el siguiente icono