Bàtxelor en Ciència de Dades-IA
El Bàtxelor en Ciència de Dades-IA és un títol universitari estatal creat pel Decret del Govern d’Andorra del 10 de març del 2021, que li atorga les competències professionals per a exercir tasques de gestió de sistemes d’informació, d’aplicació de principis claus de matemàtica i estadística i de processar grans bases de dades, entre d’altres.
El Pla d’Estudis del Bàtxelor en Ciència de Dades-IA per la eUniv fou aprovat pel Decret del Govern d’Andorra del 5 de març del 2025 i serà implantat l’any acadèmic 2025-26.
Accés
Batxillerat o títol equivalent
Idiomes
Català – Español – English
Durada
6 semestres (3 anys)
Càrrega acadèmica
180 crèdits ECTS
Matèries
18 (6 per curs acadèmic)
Progressió directa eUniv
Màster en Enginyeria Informàtica
Pla d’estudis
Primer curs
Descripció
Iniciar al nou alumne a la programació: algorismes, llenguatges, dades, i diferents aproximacions a la programació
Objectius
- Aplicar tècniques bàsiques de programació en Python per resoldre problemes en ciència de dades.
- Comunicar de manera efectiva conceptes tècnics i resultats en ciència de dades, tant de manera oral com escrita, en contextos acadèmics i professionals.
- Proposar solucions innovadores basades en dades.
- Sintetitzar informació de manera crítica i estructurada.
- Dissenyar aplicacions analítiques mitjançant tècniques de desenvolupament, integració i reutilització de components de programari.
Continguts
- Introducció a la Programació.
- Diagrames de flux.
- Introducció a Java.
- Control de flux.
- Mètodes i funcions.
- Introducció a la Programació Orientada a Objectes.
- Algorismes I: Algorismes sobre arrays.
- Tipus Abstracte de Dades (TAD).
- Algorismes II: Anàlisi de Complexitat.
- Tipus Abstractes de Dades jeràrquics Arbres.
- Tipus Abstractes grafs
Descripció
Aprendre les tècniques necessàries per l’anàlisi de dades. Això inclourà coneixements en estadística i probabilitat.
Objectius
- Reconèixer la importància de l’àlgebra lineal en l’àmbit de la ciència de dades.
- Manipular elements bàsics d’àlgebra lineal (espais vectorials, independència lineal, dimensió, matrius, determinants) i de la geometria mètrica (productes escalars, ortonormalitat, angles i distàncies).
- Aplicar sistemes d’equacions lineals per resoldre problemes típics de la ciència de dades.
- Expressar de forma matricial un sistema d’equacions lineals.
- Utilitzar conceptes d’aplicació lineal, vectors i valors propis en l’àmbit de la ciència de dades.
- Representar aplicacions lineals en forma de matriu.
- Interpretar geomètricament el càlcul de vectors i valors propis.
- Implementar llenguatges de programació per al tractament de grans volums de dades.
- Resoldre problemes utilitzant models matricials amb dades reals o realistes.
Continguts
- Anàlisi de dades.
- Probabilitat discreta.
- Probabilitat continua.
- Variables aleatòries.
- Teorema central del límit i llei dels grans nombres.
- Distribucions.
- Mostreig.
- Anàlisi de regressió.
- Estimació.
- Contrastos d’hipòtesi.
- Anàlisi factorial i cluster.
- Representació gràfica de dades.
Descripció
Dissenyar i gestionar sistemes de bases de dades de manera genèrica, amb diversos tipus de dades i organització.
Objectius
- Definir la probabilitat i les seves propietats per a la resolució de càlculs probabilístics.
- Utilitzar variables aleatòries per a la formalització i resolució de problemes de probabilitat.
- Simular fenòmens aleatoris amb eines computacionals difícilment calculables de forma analítica.
- Identificar les distribucions probabilístiques en contextos reals.
- Calcular distribucions i esperances condicionades per a la predicció de resultats.
- Determinar la independència de variables aleatòries i el coeficient de correlació lineal.
- Aplicar la llei dels grans nombres i el teorema del límit central en l’anàlisi de dades.
- Modelar problemes amb processos estocàstics, incloent-hi cadenes de Markov.
- Distingir entre població, mostra, paràmetre i estimador en contextos estadístics.
- Realitzar estimacions puntuals en situacions pràctiques.
Continguts
- Introducció a les Bases de Dades. Relació amb Estructures de dades.
- Arquitectura de les bases de dades. Bases de dades relacionals i no relacionals.
- Bases de Dades Relacionals. Llenguatges.
- Funcionalitats.
- Transaccions i concurrència.
- Seguretat.
- Programació SQL.
- Bases de dades no relacionals.
- Bases de dades tipus clau-valor: Cassandra (Java). Aplicacions.
- Bases de dades tipus lliure: MongoDB. Aplicacions.
- Legislació internacional.
- Legislació andorrana.
Descripció
Dotar a l’alumnat de les competències necessàries per dissenyar i gestionar xarxes de diversos dispositius.
Objectius
- Combinar fonaments matemàtics, estadístics i de programació per a solucions en l’àmbit de la ciència de dades.
- Aplicar tècniques específiques de captura, tractament i anàlisi de dades estructurades, semiestructurades i no estructurades.
- Interpretar críticament resultats obtinguts utilitzant eines d’anàlisi i de visualització adequades.
- Gestionar informació rellevant per a la resolució de problemes de manera autònoma i creativa.
Continguts
- Concepte i tipus de xarxes.
- Xarxes d’àrea local: topologia, estructura i hardware.
- Xarxes d’àrea amplia WAN i Internet: topologia, estructura i hardware.
- Xarxes amb i sense fils.
- Protocols de comunicació.
- TCP/IP, IPv4, IPv6.
- 3G, 4G i 5G.
- Seguretat a les xarxes.
- SDN, xarxes dissenyades per programari.
- Xarxes d’Internet de les coses (IoT).
- Cloud computing Basic.
- Cloud Computing Advanced.
Descripció
Dotar a l’alumnat de la lògica que regeix el disseny i implantació dels sistemes operatius actuals tot considerant la seua evolució històrica.
Objectius
- Treballar amb diversos tipus de dades i estructures de bases de dades.
- Diferenciar arquitectures de bases de dades per a la seva adequada aplicació en dissenys pràctics.
- Determinar l’ús més eficient de les bases de dades relacionals o no relacionals segons el context.
- Decidir els tipus i estructures de dades més adequades en situacions concretes.
- Dissenyar algorismes per explotar els avantatges de l’ús de les bases de dades.
- Desenvolupar aplicacions informàtiques per a les bases de dades.
- Programar els algorismes en llenguatges de programació reals i d’àmplia utilització en el mercat actual.
- Administrar bases de dades relacionals i no relacionals (SQL, MongoDB, Cassandra, actualitzable).
- Minimitzar les limitacions de seguretat de la base de dades.
- Aplicar la legislació vigent en protecció de dades a casos pràctics.
Continguts
- Sistemes operatius: definició i importància.
- Gestió de la memòria.
- La màquina virtual.
- Gestió d’Entrada / Eixida.
- El sistema de fitxers
- Processos. Tasques.
- Comunicació.
- Sistemes distribuïts.
- Sistemes operatius actuals: Windows.
- Sistemes operatius actuals: Linux, MacOS.
- Sistemes operatius mòbils actuals: Android.
- Sistemes operatius mòbils actuals: IOS
Objectius
- Utilitzar eines d’anàlisi per a protocols de xarxes.
- Identificar problemàtiques relacionades amb l’emmagatzematge de les dades.
- Reconèixer els reptes d’implementació de la informàtica al núvol (cloud computing).
- Classificar els serveis i aplicacions que ofereix el núvol (cloud).
- Identificar avantatges i desavantatges de la informàtica al núvol en diferents entorns.
- Relacionar la informàtica al núvol amb el desenvolupament futur de les xarxes de comunicacions.
- Interpretar textos tècnics i científics per a la comprensió de l’evolució de les xarxes de nova generació.
- Aplicar els coneixements sobre xarxes per a l’obtenció i gestió de dades.
- Reconèixer els paràmetres de configuració dels dispositius intermedis i finals d’una xarxa de computadors.
Segon Curs
Descripció
Preparar a l’estudiant per a què sigui capaç de desenvolupar una aplicació software multiplataforma des de la seua concepció fins a la seua operació aplicant els principis i metodologies de desenvolupament i fent èmfasi en la gestió tècnica de cadascuna de les etapes de cicle de vida d’aquest programari.
Objectius
- Treballar simbòlicament amb diverses variables i funcions convexes.
- Reconèixer les nocions de primera i segona derivada al gradient i la matriu hessiana.
- Aplicar el càlcul multivariable, incloent-hi la regla de la cadena, en la resolució de problemes.
- Graficar aproximacions de funcions.
- Implementar tècniques d’optimització per trobar mínims en problemes complexos.
- Diferenciar les condicions d’optimalitat en problemes amb restriccions d’igualtat i desigualtat.
- Aplicar mètodes numèrics per a la resolució de problemes d’optimització.
- Resoldre problemes de programació lineal i de programació lineal entera i mixta amb un nivell de complexitat mitjana.
- Interpretar les solucions obtingudes amb l’aplicació dels algorismes Simplex i ramificació-acotació,
tant manualment com amb programari. - Classificar problemes d’optimització entre les diferents tipologies analitzades per a la seva resolució més adequada.
Continguts
- Introducció al procés de desenvolupament programari.
- Enginyeria de requisits.
- Disseny: Introducció al modelat conceptual.
- Implementació: Visió de les APIs j2ee.
- Validació i verificació (Testing).
- Empaquetatge, desplegament i releases.
Descripció
Dotar l’alumne dels coneixements teòrics i l’experiència pràctica sobre HCI, el disseny d’interfícies dels usuaris i l’experiència d’interacció.
Objectius
- Aplicar conceptes d’orientació a l’objecte a partir de coneixements previs de programació.
- Desenvolupar aplicacions informàtiques mitjançant l’anàlisi, les especificacions, el desenvolupament, la integració i la implementació.
- Identificar les entrades i les sortides d’un problema per donar les accions involucrades en el càlcul.
- Aplicar alguns dels esquemes algorísmics i tècniques per al disseny de problemes.
- Decidir les parts o funcions que componen un cas concret per obtenir un programa ben estructurat.
- Raonar enunciats amb el llenguatge de la lògica per a la resolució de problemes.
- Resoldre problemes d’aplicació pràctica dels grafs.
- Plantejar la descripció de determinades situacions mitjançant grafs o el llenguatge de la lògica.
Continguts
- Introducció a HCI. Què és HCI? Història i Relació amb el disseny d’interfícies.
- Interfícies d’usuari. Definició i utilitat. Disseny centrat en l’usuari i Interacció natural: Usabilitat. Metodologia de disseny i Design Thinking. Prototipatge. Disseny per a tothom.
- Multimèdia, visió i veu en la interacció amb l’ordinador. Interfícies web. estructura i
navegació d’interfícies web. Principis de disseny web. - Disseny d’interacció: Disseny de l’experiència d’usuari (UX). Disseny d’interacció web (àgil,
responsiu). - Prototipatge. Implementació d’interfícies web i mòbils.: Tecnologies (HTML5, CSS3,
Javascript-angular, desplegament per a Android i iOS) - Noves tendències de les interfícies d’usuari: Realitat augmentada i virtual.
Descripció
Dotar a l’alumnat de la capacitat de dissenyar i administrar globalment la tecnologia que es fa servir als centres educatius.
Objectius
- Dissenyar un marc experimental tenint en compte els mètodes més adequats per a la captura, el processament, l’emmagatzematge, l’anàlisi i la visualització de dades.
- Combinar fonaments matemàtics i estadístics per arribar a solucions en ciència de dades.
- Classificar diferents tipus de dades segons les seves peculiaritats.
- Utilitzar repositoris de dades rellevants.
- Extreure dades de diverses fonts de manera eficient.
- Processar dades per a la seva integració i anàlisi posterior.
- Definir processos d’extracció, transformació i càrrega per automatitzar el preprocessament de les dades.
Continguts
- Les tecnologies que milloren l’aprenentatge: simuladors, laboratoris remots, xarxes socials,
espais al núvols, IoT. - Els LMS’s i LCMS. Funcionalitats, evolució, tipus, marques.
- Agents intel·ligents.
- Els programes per la gestió acadèmica. Funcionalitats, evolució, tipus i marques.
- Els CRM, i programes de gestió de nous alumnes.
- Tècniques informàtiques pel màrqueting online. SEO.
- Els ERP.
Descripció
Dotar l’alumne de les eines matemàtiques necessàries per encriptar la informació i analitzar grans volums de dades.
Objectius
- Aplicar la infografia i la visualització per a la representació gràfica de la informació.
- Reconèixer els principals trets, característiques, tipologies i possibilitats que ofereix la representació visual de la informació.
- Identificar els elements de la visualització de dades.
- Aplicar principis de percepció visual en el disseny d’informació.
- Plantejar visualitzacions informatives independentment del camp o sector d’aplicació.
- Formular problemes estadístics i d’optimització matemàtica.
- Utilitzar sistemes de computació d’alt rendiment per al processament de grans volums de dades des del coneixement de la seva estructura, funcionament i particularitats.
- Emprar tècniques de modelització estadística i anàlisi de dades.
- Treballar en equips multidisciplinaris per al processament i l’explotació de dades complexes.
Continguts
- Matemàtica discreta. Teoria de nombres.
- Criptografia. Hash, xifrats, clau pública i privada, RSA.
- Blockchain. Per què i per a què, fonaments matemàtics. Aplicacions: criptomonedes i documents oficials.
- Blockchain. Miners, taules.
- Mineria de dades. Estadística avançada.
- Extracció d’informació supervisada i no supervisada.
- Visualització i Interpretació de la informació.
- Analítica de l’aprenentatge
Descripció
Fer a l’alumne capaç de garantir la seguretat informàtica d’una xarxa, prevenir els riscos i respondre de forma eficient a atacs.
Objectius
- Diferenciar entre tipus de problemes d’aprenentatge supervisat i no supervisat.
- Aplicar mètodes d’aprenentatge automàtic segons els seus punts forts i febles.
- Desenvolupar les metodologies i les etapes bàsiques d’un projecte de mineria de dades o, en general, d’un projecte de ciència de dades.
- Identificar els diferents rols i tasques que apareixen associades en un projecte de ciència de dades.
- Interpretar resultats d’algorismes considerant aspectes socials i ètics.
- Realitzar una anàlisi dels resultats obtinguts amb els principals mètodes d’aprenentatge automàtic utilitzant les mètriques d’avaluació comunes per a aquests problemes.
- Reconèixer els mètodes existents per combinar diversos models en problemes d’aprenentatge supervisat, tant per a classificació com per a regressió.
- Distingir les parts que formen una xarxa neuronal, així com les seves tècniques d’entrenament.
- Identificar els elements que apareixen en un projecte d’aprenentatge per reforç.
- Explicar com funcionen els sistemes recomanadors a un públic tant especialitzat com no especialitzat.
Continguts
- Conceptes fonamentals de la gestió de la producció.
- Planificació de la producció a llarg termini: localització i capacitat productiva
- Gestió de la qualitat: estàndards de gestió i models d’excel·lència empresarial.
- Productivitat: disseny i mètodes de treball.
- Planificació de la producció i gestió d’estocs.
- El Just In Time i Lean Manufacturing.
- Introducció a la gestió de la cadena de subministra.
- Logística d’aprovisionaments i compres.
- Logística d’emmagatzemament i distribució.
- Logística inversa.
- Sistemes de captura i transmissió de la informació.
- Logística integral
Obectius
- Aplicar els conceptes i les definicions formals associades al tractament de dades massives, al paradigma de dades massives i afins.
- Distingir els casos d’ús que requereixen l’aplicació de tecnologia de dades massives (big data) i els que no.
- Identificar els elements tecnològics necessaris per desenvolupar un projecte basat en l’ús de dades massives (big data).
- Implementar sistemes de dades massives (big data) utilitzant metodologies adequades.
- Operar amb les principals eines i marcs de dades massives (big data) per al tractament de dades en mode lot (batch) i estríming.
- Desplegar les principals eines disponibles en l’ecosistema de dades massives (big data), especialment dins l’ecosistema d’Apache Hadoop i Apache Spark.
- Construir models que generin coneixement com a resultat d’una anàlisi de dades basada en tecnologia de dades massives (big data).
- Reconèixer els conceptes i les definicions formals associades a les infraestructures que processen, distribueixen i emmagatzemen les dades massives (big data).
- Distingir les parts de la infraestructura que dona suport a les dades massives (big data) considerant aspectes com prestacions i seguretat.
- Desplegar infraestructures de dades massives (big data) de forma segura, eficient i considerant aspectes com l’escalabilitat, l’avaluació de rendiment i aspectes d’alta disponibilitat.
Tercer Curs
Descripció
Conèixer i ser capaç d’implementar diferents metodologies per l’aprenentatge humà, i les aplicacions de la intel·ligència artificial per a l’aprenentatge.
Objectius
- Identificar l’objecte i el subjecte de la privadesa de dades.
- Analitzar la fenomenologia dels atacs a la privadesa de les dades dels usuaris.
- Aplicar el marc legal vigent en la privadesa de les dades.
- Implementar models de preservació de la privadesa per a dades complexes.
- Utilitzar tècniques de criptografia simètrica.
- Dominar les funcions d’empremta electrònica (hash).
- Identificar la criptografia de clau pública.
- Dominar el biaix algorísmic.
- Aplicar mètodes de seguretat en la mineria de dades.
Continguts
- Introducció a les metodologies d’aprenentatge humà.
- Conductisme: transmissió de la informació. La classe magistral; la web.
- Constructivisme: aprenentatge basat en problemes, projectes o escenaris.
- Implementacions informàtiques de diferents metodologies d’aprenentatge.
- La intel·ligència artificial, l’aprenentatge automàtic (Machine learning i Deep learning).
- Introducció a les xarxes neuronals.
- Construcció de models d’aprenentatge
Descripció
Dotar a l’alumne de capacitat de reflexió fonamentada sobre l’impacte que la tecnologia té en el món actual i futur.
Objectius
- Reconèixer les contribucions dels pensadors en la dimensió ètica de la tecnologia.
- Analitzar les contribucions dels pensadors en filosofia sobre la tecnologia.
- Aplicar la dimensió ètica als dissenys tecnològics.
- Integrar l’autonomia i la neutralitat tecnològiques en els projectes.
- Identificar el futur impacte de la tecnologia en els éssers humans.
- Analitzar l’impacte de la tecnologia en el medi ambient.
- Integrar les necessitats del desenvolupament sostenible en els projectes.
- Dissenyar projectes d’acord amb els marcs reguladors legals.
Continguts
- Els pensadors de referència sobre filosofia de la tecnologia.
- Principis ètics aplicables a la tecnologia.
- Disseny d ́aplicacions amb reflexió ètica.
- Els objectius de desenvolupament sostenible.
- Comportament, riscos i ètica a les xarxes socials.
- El futur de la tecnologia. Intel·ligència artificial. Riscos per l’ésser humà
Descripció
Fer a l’alumne capaç d’emprendre un projecte empresarial i dissenyar i dirigir un projecte de IT.
Objectius
- Planificar l’operació i el cicle de vida complet d’un projecte i servei, a partir del repte definit per una empresa o institució externa.
- Aplicar les pràctiques de la gestió de projectes en la gestió integral del projecte d’explotació de dades.
- Avaluar aplicacions i projectes de sistemes informàtics aplicats a la ciència de dades, i assegurar-ne la fiabilitat i la qualitat.
- Identificar la importància de la negociació, els hàbits de treball efectius, el lideratge i les habilitats de comunicació en els entorns d’ús de dades massives.
- Gestionar un projecte.
Continguts
- Àrees funcionals d’una empresa.
- Introducció a les finances. Balanç.
- Introducció als Recursos humans.
- Introducció a la Comunicació i Màrqueting.
- Operacions i logística.
- El projecte. Què és, mètriques, cicle de vida, estructura organitzativa, comunicació.
- Planificació del projecte, desglossament de la feina, estimació de temps i recursos humans.
- Dimensionament de recursos i elaboració de pressupost.
- Estimació, prevenció i solució de riscos.
- Qualitat.
- Gestió de projectes àgil. SCRUM- DevOps. Comparativa con PMI. Gestió híbrida.
- Planificació del Treball final de Bàtxelor.
Descripció
Fer capaç l’alumne de desenvolupar i crear un projecte informàtic utilitzant els coneixements i capacitats adquirits en la titulació, tot tenint en compte criteris ètics i els objectius de desenvolupament sostenible.
Objectius
- Reconèixer el procés d’innovació dins el context corporatiu.
- Proposar models i plans de negoci basats en explotació de les dades.
- Treballar en equips i projectes multidisciplinaris relacionats amb el processat i l’explotació de dades complexes.
- Dissenyar models de negoci en el context de l’economia digital.
- Aplicar coneixements fonamentals i metodologies de treball sòlides adquirits durant els estudis per adaptar-se als nous escenaris tecnològics del futur.
- Discriminar les normes laborals aplicables i les relacions entre la planificació, les estratègies industrials i comercials, la qualitat i el benefici.
- Identificar la complexitat dels fenòmens econòmics i socials típics de la societat del benestar.
- Contrastar models de negoci digitals i innovadors d’una manera àgil i fexible.
- Aplicar mètodes i tècniques de pensament dissenyador (design thinking) al procés d’innovació en un context digital.
- Comunicar informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
Continguts
- Seguir la planificació de projecte dissenyada a l’assignatura de gestió de projectes.
- Implementar el projecte.
- Documentació d’un projecte: Estructura i continguts de la memòria d’un projecte.
- Comunicació oral d’un projecte.
Descripció
L’alumne escull una de les matèries de qualsevol dels altres bàtxelors per complementar la seva formació.
Objectius
Lliure elecció.
Objectius
- Sintetitzar les capacitats apreses en les unitats d’ensenyament per aconseguir un objectiu concret.
- Gestionar la planificació d’un projecte.
- Escriure la memòria d’un projecte d’acord amb la metodologia de gestió utilitzada.
- Comunicar eficientment un projecte als decisors i també al públic general.
Competències
- Aplicar els principis clau de la matemàtica, de l’estadística i de la computació per a l’anàlisi i el tractament de dades.
- Estructurar la informació sobre la base de coneixements i principis de la ciència de dades per a un ús posterior.
- Dissenyar i gestionar sistemes d’informació per a l’emmagatzematge i el tractament de dades.
- Escollir i utilitzar tècniques d’aprenentatge automàtic i construir sistemes que n’emprin per a la presa de decisions.
- Escollir i utilitzar tècniques de modelització estadística i anàlisi de dades per a la presa de decisions.
- Processar grans volums de dades per extreure informació que ajudi a la presa de decisions.
- Dissenyar solucions algorítmiques eficients per resoldre problemes computacionals i implementar-les en forma de programes.
- Gestionar de forma integral projectes relacionats amb la informatització utilitzant tècniques vinculades a la ciència de dades.
- Proposar models i plans de negoci innovadors, en l’àmbit de l’empresa, basats en l’explotació de dades.
- Desenvolupar les tasques professionals de gestió i explotació de dades respectant la legislació, la normativa i les especificacions vigents.
- Visualitzar la informació a fi de facilitar l’exploració i l’anàlisi de dades perquè l’usuari final pugui prendre decisions.
Avaluació
Teòriques:
Prova test de 80 preguntes amb 4 opcions de resposta diferents. El resultat de la prova es declara Apte si el nombre de respostes correctes arriba a 60. La qualificació obtinguda pondera el 30% del total.
Pràctiques:
Prova pràctica consistent en desenvolupar 6 qüestions corresponents a 6 casos o exercicis diferents de cada matèria. El resultat de la prova es declara Apte si es responen correctament i completa 4 de les 6 qüestions. La qualificació obtinguda pondera el 30% del total.
Acadèmiques Individuals o Col·laboratives:
Realització individual o en grup del Treball Acadèmic obligatori a cada matèria. El Treball Acadèmic es declara Apte i si es comprova l’efectiva realització de totes les parts en el termini establert en el calendari i ha rebut una valoració positiva en un mínim de 7 dels 10 paràmetres de l’Informe Avaluador. La qualificació obtinguda pondera el 30% del total.
Participatives:
Participació en els 6 debats plantejats en cada matèria a través del Fòrum. La participació es declara Apta si l’alumnat ha participat en un mínim de 5 debats i ha rebut una valoració positiva en un mínim de 7 dels 10 paràmetres de l’Informe Avaluador. La qualificació obtinguda pondera el 10% del total.
Treball de fi de grau:
L’alumnat del Bàtxelor haurà de realitzar amb caràcter obligatori un treball final d’estudis. Aquest treball s’ha d’elaborar seguint la normativa específica a l’efecte, sota la direcció del professorat regent, i a través de la plataforma LCMS de la eUniv. El professorat regent definirà els casos objecte dels treballs de fi d’estudis, que estaran coordinats en una línia de recerca de disseny propi i original. Qualsevol intent de frau detectat comportarà la qualificació final de suspès.