En esta asignatura el estudiante conocerá los mecanismos básicos para
proporcionar un acceso seguro a los recursos en la red, cómo tener en cuenta
la debida protección de datos personales, y las condiciones de
explotación de datos y software mediante los diferentes tipos de
licencias existentes. Asimismo se abordarán aspectos éticos en la ciencia de
datos.
Seguridad, privacidad y aspectos legales
102277
2024-25
MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS / MASTER IN DATA SCIENCE
3
OBLIGATORIA
Cuatrimestral
Castellano e Inglés
Introducción a la seguridad:
Conceptos generales: privacidad, trazabilidad, anonimización, integridad,
repudia.
Tecnologías para la protección de la información y privacidad.
Identidad digital y acceso a recursos. Autenticación y Autorización.
Aspectos legales:
Protección de datos personales.
Licencias y uso de software y de datos.
Ética en la ciencia de datos.
Aplicación en el entorno Open Science.
CG1 - Integrarse eficazmente en un grupo de trabajo y trabajar en equipo,
compartir la información disponible e integrar su actividad en la
actividad del grupo colaborando de forma activa en la consecución de objetivos
comunes
CG3 - Redactar documentos científicos y técnicos, en particular artículos
científicos
CG5 - Planificar, diseñar y poner en marcha un proyecto avanzado
CG7 - Conocer las herramientas metodológicas necesarias para desarrollar
proyectos avanzados
CG8 - Capacidad de actualización de los conocimientos expuestos en el ámbito
de la comunidad científica
CT1 - Analizar y combinar información utilizando diferentes fuentes
CT2 - Conocer la problemática éticas y legal relacionada con el análisis de
datos y entender su importancia para una sociedad basada en los valores de la
libertad, la justicia, la igualdad y el pluralismo
CT4 - Afrontar tareas y situaciones críticas
CT6 - Capacidades asociadas al trabajo en equipo: cooperación, liderazgo,
saber escuchar
DSDM06 - Administrar los DPI (Derechos de Propiedad Intelectual) y cuestiones
éticas en la gestión de datos
DSENG01 - Aplicar los principios de ingeniería a la investigación, diseño y
desarrollo de un prototipo de aplicaciones de análisis de datos, o al
desarrollo de estructuras, instrumentos, máquinas, experimentos, procesos,
sistemas requeridos para ello
AF1 - Participación y asistencia a lecciones magistrales y seminarios (18
horas)
AF2 - Realización de prácticas de computación y análisis de datos (5 horas)
AF3 - Desarrollo de proyectos guiados (5 horas)
AF4 - Participación en casos prácticos en empresas o centros de investigación
(5 horas)
AF6 - Tutorías (presenciales o por medio de recursos telemáticos) (5 horas)
AF7 - Elaboración de informes de laboratorio y trabajos (15 horas)
AF8 - Estudio individual de contenidos de la asignatura (15 horas)
AF9 - Trabajo en grupo (5 horas)
A10 - Pruebas de evaluación (2 horas)
En esta asignatura se comenzará por una exposición de los conceptos básicos,
incluyendo ejemplos sencillos pero relevantes, que serán analizados individualmente
y discutidos en común. Se revisarán los diferentes componentes de una
solución, y los actores que participan en el desarrollo de la misma.
Los estudiantes, organizados en grupos, realizarán un análisis detallado de un
caso de estudio empleando las diferentes tecnologías discutidas, por
ejemplo cómo se protege el acceso a los datos de los pacientes en un entorno
médico, o que licencias debemos aplicar para que datos medioambientales sean
explotados en abierto pero convenientemente referenciados.
Identificar que formas de acceso a un recurso en la red cuentan con un nivel
de seguridad adecuado, y que herramientas están disponibles.
Conocer la legislación básica que protege los datos personales, y cómo debe
tenerse en cuenta a la hora de diseñar un proyecto o una aplicación.
Configurar el software de gestión de datos para gestionar DPI y posibles
conflictos éticos.
Identificar las cuestiones de DPI y posibles conflictos éticos en un
repositorio de datos.
Considerar que tipo de licencia es adecuado para publicar datos en el entorno
Open Science, teniendo en cuenta las recomendaciones de la RDA (Research Data
Allianz).
SE1 - Examen (escrito, oral y/o práctico en el aula de computación) (40%)
SE2 - Valoración de informes y trabajos escritos (30%)
SE4 - Seguimiento de actividades presenciales (30%)
The data revolution. Kitchin, R. SAGE Publishing. 2014.
Machine Learning. Alpaydin, E. The MIT Press. 2016.
Computer Ethics, 3rd ed. Johnson, D. Upper Sadle River: Prentice Hall,
2000.
Big data and its exclusions. Lerman, J. Stanford Law Review Online
2013, 66, 55-63.
The hidden biases in big data. Harvard Business. Crawford, K. 2013.
Bibliografía
Enlaces
https://www.stanfordlawreview.org/online/privacy-and-big-data-big-data-and-its-exclusions/
https://hbr.org/2013/04/the-hidden-biases-in-big-data/
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Cuatrimestral
Créditos ECTS: 3
López García, Álvaro
Ciencífico Titular
Instituto de Física de Cantabria (IFCA), CSIC-UC
Orviz Fernández, Pablo
Investigador
Instituto de Física de Cantabria (IFCA), CSIC-UC
Rodríguez González, David
Doctor en Ciencias
Investigador
Instituto de Física de Cantabria (IFCA), CSIC-UC