Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 4.5 Clase Expositiva: 16 Clase Interactiva: 12 Total: 32.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Arquitectura y Tecnología de Ordenadores, Área externa M.U en Internet de las Cosas - IoT
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo 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 es identificar las principales arquitecturas Big Data para IoT para aplicaciones de la Sociedad 5.0/IIoT/Vehículo conectado y sus mecanismos de procesado de datos, así como las principales técnicas estadísticas y de almacenamiento/gestión.
- Introducción a las arquitecturas Big Data para IoT en entornos de la Sociedad 5.0/IIoT/Vehículo conectado.
- Técnicas estadísticas para datos IoT a gran escala en entornos de la Sociedad 5.0/IIoT/Vehículo conectado.
- Almacenamiento y gestión de tareas en arquitecturas Big Data para IoT en entornos de la Sociedad 5.0/IIoT/Vehículo conectado.
- Procesado de datos IoT a gran escala en entornos de la Sociedad 5.0: procesado en lotes y streaming/IIoT/Vehículo conectado.
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
Sociedad 5.0
El alumno será capaz de:
- Identificar las principales arquitecturas Big Data para IoT para aplicaciones de la Sociedad 5.0 y sus mecanismos de procesado de datos, así como las principales técnicas estadísticas y de almacenamiento/gestión. (S-CN6)
- Aplicar técnicas estadísticas a conjuntos de datos IoT a gran escala y para aplicaciones de la Sociedad 5.0. (S-HB2)
- Diseñar y desplegar sistemas de procesado de datos IoT a gran escala para aplicaciones de la Sociedad 5.0. (S-CP4)
IoT Industrial
El alumno será capaz de:
- Conocer y comprender las principales arquitecturas Big Data para IIoT y sus mecanismos de procesado de datos, así como las principales técnicas estadísticas y de almacenamiento/gestión. (I-CN1)
- Aplicar técnicas estadísticas a conjuntos de datos IIoT a gran escala. (I-HB1)
- Diseñar y desplegar sistemas de procesado de datos IIoT a gran escala. (I-CP1)
Vehículo Conectado
El alumno será capaz de:
- Conocer y comprender las principales arquitecturas Big Data para aplicaciones de vehículo conectado y sus mecanismos de procesado de datos, así como las principales técnicas estadísticas y de almacenamiento/gestión. (V-CN1)
- Aplicar técnicas estadísticas a datos a gran escala en aplicaciones IoT del vehículo conectado. (V-HB1)
- Diseñar y desplegar sistemas de procesado de datos IoT a gran escala para aplicaciones del vehículo conectado. (V-CP3)
Competencias de la titulación que se trabajan (ver memoria título):
- Obligatorias: CMP6, CMP11, CMP13.
- Específicas: S-CP4, I-CP1, V-CP3
- 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: CMP6, S-CP4, I-CP1, V-CP3.
- Clases prácticas de laboratorio, resolución de problemas y casos prácticos. Competencias trabajadas: CMP6, S-CP4, I-CP1, V-CP3.
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. Competencias trabajadas: CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3.
Oportunidad ordinaria:
Contribución a la nota final y criterios de evaluación:
- Examen final: 40%
En esta parte se evaluarán implícita o explícitamente las competencias CMP6, S-CP4, I-CP1, V-CP3.
- Evaluación de trabajos práctico: 40% 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 CMP6, S-CP4, I-CP1, V-CP3.
- Evaluación de trabajos tutelados: 20% Competencia evaluada CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3
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: 10 h presenciales + 16 h trabajo autónomo del alumno
- Clases de prácticas: 10 h presenciales + 28 h trabajo autónomo del alumno
- Tutorías y actividades de evaluación: 4 h presenciales + 7 h trabajo autónomo del alumno
- Total: 75 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
Jueves | |||
---|---|---|---|
17:00-18:30 | Grupo /CLE_01 | Castellano | Aula A10 |
18:30-20:00 | Grupo /CLIL_01 | Castellano | Aula A10 |