EVALUACIÓN DE LA CALIDAD DEL RECURSO COMO MATERIAL DE APRENDIZAJE EN LOS ESTUDIOS DE GRADO DE INGENIERÍA INFORMÁTICA DE LA UPM Description: o Overview: Este recurso es un video de YouTube titulado “The Complete Data Science Roadmap”. Presenta una guía estructurada para aquellas personas interesadas en comenzar una carrera en ciencia de datos. El contenido está orientado a proporcionar una visión general del conjunto de habilidades, tecnologías y herramientas necesarias para convertirse en data scientist, incluyendo programación (Python, SQL), estadística, machine learning, visualización de datos, y fundamentos de big data. Este recurso corresponde al perfil profesional de científico de datos dentro del ámbito de la informática, y se enmarca en la subdisciplina de Computer Science en MERLOT. o Tema: Formación en Ciencia de Datos. o Tipos de formato de materiales: ✅ Video ✅ Images/graphics ✅ Links to related material (mencionados en el vídeo o en la descripción) o Type of Material: ✔️ Tutorial o Technical Requirements: - Requiere conexión a Internet. - Navegador web con soporte para YouTube (Chrome, Firefox, Edge…). - Resolución mínima recomendada: 720p. - Compatible con cualquier sistema operativo moderno. - No requiere software adicional. o Learning Goal(s): - Comprender la estructura general del aprendizaje en ciencia de datos. - Identificar las principales áreas de conocimiento necesarias para el perfil profesional de data scientist. - Reconocer herramientas y lenguajes clave como Python, R, SQL, y bibliotecas de machine learning. - Saber planificar un itinerario de aprendizaje progresivo. o Recommended Use(s): Recomendado como recurso introductorio para estudiantes del grado en Ingeniería Informática que quieran orientar su carrera a la ciencia de datos. Puede usarse en asignaturas como Introducción a la Ciencia de Datos, Aprendizaje Automático, o de forma transversal como orientación profesional. o Target Student Population: Estudiantes de grado en Ingeniería Informática, especialmente de segundo a cuarto curso. También útil para estudiantes de máster o recién graduados interesados en reorientar su formación. o Prerequisite Knowledge: - Conocimientos básicos de informática e interés por los datos. - Familiaridad con conceptos de programación, aunque no es obligatorio. Evaluations and Observations o Quality of Content: • Lista Fortalezas de la calidad del contenido: - Contenido bien estructurado y actualizado a las demandas actuales del sector. - Presenta una visión global, pero concreta, del camino para ser data scientist. - Cubre aspectos técnicos y no técnicos (comunicación, portafolio). - Incluye referencias a herramientas populares y lenguaje actual. • Lista Preocupaciones de la calidad del contenido: - No hay referencias bibliográficas o enlaces directos a los materiales mencionados. - El vídeo está en inglés sin subtítulos en español. - El autor no está identificado. o Potential Effectiveness as a Teaching/Learning Tool: • Lista Fortalezas de la efectividad del recurso como una herramienta de aprendizaje: - Muy motivador y útil como guía para estudiantes que no saben por dónde empezar. - Permite visualizar el panorama completo antes de especializarse. - Útil como punto de partida para diseñar un plan de estudios o itinerario personal. • Lista Preocupaciones de la efectividad del recurso como una herramienta de aprendizaje: - No incluye ejercicios, ejemplos prácticos o evaluaciones. - Requiere seguimiento activo por parte del docente o del estudiante para no quedarse en lo superficial. o Ease of Use: • Lista Fortalezas de la facilidad de uso del recurso: - Muy fácil de acceder y visualizar. - Interfaz familiar (YouTube), con controles de velocidad, pausa y navegación. - El contenido es visualmente atractivo y organizado cronológicamente. • Lista Preocupaciones de la facilidad de uso del recurso: - No hay transcripción del contenido. - La navegación depende completamente de YouTube, sin estructura tipo curso. - La descripción del vídeo podría ampliar los recursos mencionados.