Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 76.5 Horas de Tutorías: 4.5 Clase Expositiva: 13.5 Clase Interactiva: 18 Total: 112.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Arquitectura y Tecnología de Ordenadores
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
La cada vez mayor cantidad de información accesible a través de Internet hace que el procesamiento eficiente de grandes cantidades de datos sea cada vez de mayor interés. Esto ha llevado al desarrollo de nuevas técnicas de almacenamiento y procesamiento de ingentes cantidades de información, técnicas que se adaptan de forma natural a los sistemas distribuidos.
El objetivo principal de esta materia es dar a conocer diferentes técnicas de procesamiento de grandes cantidades de información, instruyendo al alumno en su utilización para el procesamiento del denominado Big Data.
1. Big Data y MapReduce
2. Introducción a Hadoop
3. HDFS
4. MapReduce en Hadoop
5. Apache Spark
6. Otras tecnologías: Apache Flink
Bibliografía básica
- Apuntes proporcionados por el profesor
- T. White, Hadoop: The Definitive Guide, 4th Edition, O'Reilly, 2015
- B. Chambers, M. Zaharia, Spark: The Definitive Guide, O'Reilly, 2018
Bibliografía complementaria
- Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia, Learning Spark. Lightning-Fast Big Data Analysis, O'Reilly, 2015
- Chuck Lam, Hadoop in Action, Manning, 2011
- Fabian Hueske, Vasiliki Kalavri, Stream Processing with Apache Flink", O'Reilly, 2019
- El alumno será capaz de instalar, configurar y gestionar el software básico para el procesamiento de datos masivos.
- El alumno será capaz de implementar códigos en diferentes lenguajes especializados en el procesamiento de datos masivos.
- El alumno conocerá y aprenderá a utilizar alguna de las herramientas disponibles para preparar y ejecutar aplicaciones para datos masivos en la nube.
- El alumno adquirirá la habilidad necesaria para la búsqueda, selección y manejo de recursos (bibliografía, software, etc.) relacionados con el Big Data.
Competencias de la titulación que se trabajan (ver memoria título):
- Básicas: CB6, CB10.
- Transversales/Generales: T1, G2, G5, T4.
- Específicas: E3, E4, E5.
- Clases teóricas, en las que se expone el contenido de cada tema. El alumno dispondrá de copias de las transparencias con anterioridad y el profesor promoverá una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexión del alumno.
- Clases prácticas en el aula de informática, que permiten al alumno familiarizarse desde un punto de vista práctico con las cuestiones expuestas en las clases teóricas.
Actividades formativas de carácter presencial y su relación con las competencias de la titulación
- Clases teóricas: impartidas por el profesor y exposición de seminarios. Competencias trabajadas: CB6, E3, E4, E5.
- Clases prácticas de laboratorio, resolución de problemas y casos prácticos. Competencias trabajadas: CB10, T1, T4, G2.
- Tutorías programadas: orientación para la realización de los trabajos individuales o en grupo, resolución de dudas y actividades de evaluación continua. Competencias trabajadas: T1.
Actividades formativas de carácter no presencial y su relación con las competencias de la titulación:
- Trabajo personal del alumno: consulta de bibliografía, estudio autónomo, desarrollo de actividades programadas, preparación de presentaciones y trabajos. Número de horas: 76,5. Competencias trabajadas: CB10, T1, T4, G2, G5
Oportunidad ordinaria:
Contribución a la nota final y criterios de evaluación:
- Prácticas de laboratorio: 90% de la nota
Los alumnos abordarán la resolución de diversos problemas propuestos en el aula de informática. Deberán realizar trabajos en los que se presenten los resultados obtenidos. Varios de estos trabajos serán de entrega obligatoria y otros opcionales, que permitirán subir la nota. Todos los trabajos deberán ser entregados antes de las fechas que se especificarán y deberán cumplir unos requisitos mínimos de calidad para ser tenidos en consideración. Se valorará el grado de cumplimiento de las especificaciones, la metodología y rigurosidad y la presentación de resultados. En esta parte se evaluarán implícita o explícitamente las competencias CB6, G5, E3, E4, E5, CB10, T1, T4, G2
- Seguimiento continuado y objetivo de una participación activa: 10%. Competencia evaluada T1
Para superar la materia, debe conseguirse una puntuación total de 5 o superior. Es imprescindible para aprobar haber entregado todas las prácticas indicadas cómo obligatorias.
Condición para cualificación de No Presentado: no presentar ninguna práctica.
Los alumnos que no sean de nova matrícula no conservan notas de cursos anteriores.
Oportunidad de recuperación (julio) y extraordinaria:
La valoración será igual que en la oportunidad ordinaria. Los alumnos que no entregaron los trabajos propuestos a lo largo del cuatrimestre los deberán entregar antes de la fecha establecida.
Condición para cualificación de No Presentado: no presentar ninguna práctica.
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
En aplicación de la Normativa da ETSE sobre plaxio (aprobada por la Xunta de la ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o de teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.
- Clases de pizarra: 12 h presenciales + 20 h trabajo autónomo del alumno
- Clases de prácticas: 18 h presenciales + 46,5 h trabajo autónomo del alumno
- Tutorías y actividades de evaluación: 6 h presenciales + 10 h trabajo autónomo del alumno
- Total: 112.5 h
Debido a la fuerte interrelación entre la parte teórica y la parte práctica, y a la progresividad en la presentación de conceptos muy relacionados entre sí en la parte teórica, es recomendable dedicar un tiempo de estudio o repaso diario.
Se hará uso intensivo de herramientas de comunicación online: videoconferencia, chat, etc.
Las herramientas software utilizadas en esta materia son open-source.
Anselmo Tomás Fernández Pena
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Arquitectura y Tecnología de Ordenadores
- Teléfono
- 881816439
- Correo electrónico
- tf.pena [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidad
Lunes | |||
---|---|---|---|
17:15-18:30 | Grupo /CLE_01 | Castellano | PROXECTOS |
10.01.2025 16:00-19:45 | Grupo /CLIL_01 | IA.01 |
10.01.2025 16:00-19:45 | Grupo /CLE_01 | IA.01 |
28.06.2025 16:00-19:45 | Grupo /CLIL_01 | IA.01 |
28.06.2025 16:00-19:45 | Grupo /CLE_01 | IA.01 |