Módulo 2. Ingeniería y Gestión de Datos para IA
Construcción del sustrato de datos: extracción de fuentes heterogéneas, calidad, features y preparación de corpus para IA generativa, con pipelines documentados y reproducibles.
Créditos6 ECTS
Horas150 h
Unidades4
Sesiones12
Todos los módulos Guía docente · Rúbrica
Competencias específicas
- Extraer datos de fuentes heterogéneas.
- Aplicar técnicas de limpieza y validación.
- Diseñar features útiles para modelos.
- Preparar corpus para IA generativa.
- Documentar un pipeline de datos.
Resultados de aprendizaje
- Obtiene y fusiona datos desde distintas fuentes.
- Aplica reglas de calidad y genera un informe.
- Construye variables derivadas y las justifica.
- Explica cómo preparar textos/documentos para un RAG.
- Entrega un pipeline básico documentado.
Unidades didácticas y sesiones
| # | Sesión | Teoría | Práctica |
|---|---|---|---|
| UD1. Fuentes y adquisición de datos · 15 h teóricas / 20 h prácticas BBDD relacionales, APIs, ficheros, logs. Lectura y combinación de datos. | |||
| S01 | Fuentes de datos y estrategias de extracción | Presentación | Cuaderno |
| S02 | Ingesta desde bases de datos y SQL para IA | Presentación | Cuaderno |
| S03 | Ficheros, registros de actividad y combinación de fuentes | Presentación | Cuaderno |
| UD2. Limpieza, calidad y preparación · 15 h teóricas / 25 h prácticas Data wrangling con pandas. Tratamiento de nulos y outliers. Data profiling y reglas de calidad. | |||
| S04 | Data wrangling con pandas | Presentación | Cuaderno |
| S05 | Limpieza, nulos y valores atípicos | Presentación | Cuaderno |
| S06 | Calidad de datos y validación automática | Presentación | Cuaderno |
| UD3. Feature Engineering · 15 h teóricas / 20 h prácticas Codificación, escalado, variables temporales. Selección de variables. | |||
| S07 | Ingeniería de variables | Presentación | Cuaderno |
| S08 | Escalado, transformaciones y variables temporales | Presentación | Cuaderno |
| S09 | Selección de variables | Presentación | Cuaderno |
| UD4. Datos para LLMs y orquestación básica · 15 h teóricas / 25 h prácticas Construcción de corpus. Tokenización y deduplicación. ETL/ELT ligero y orquestación. | |||
| S10 | Preparación de corpus para IA generativa | Presentación | Cuaderno |
| S11 | Taller integrador: tokenización, deduplicación y ETL ligero orquestado | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |