Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 4.5 Clase Expositiva: 16 Clase Interactiva: 12 Total: 32.5
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación, Departamento externo vinculado ás titulacións
Áreas: Arquitectura e Tecnoloxía de Computadores, Área externa M.U en Internet de las Cosas - IoT
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
A cada vez maior cantidade de información accesible a través de Internet fai que o procesamento eficiente de grandes cantidades de datos sexa cada vez de maior interese. Isto levou ao desenvolvemento de novas técnicas de almacenamento e procesamento de inxentes cantidades de información, técnicas que se adaptan de forma natural aos sistemas distribuídos.
O obxectivo principal é identificar as principais arquitecturas Big Data para IoT para aplicacións da Sociedade 5.0/IIoT/Vehículo conectado e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.
- Introdución ás arquitecturas Big Data para IoT en contornas da Sociedade 5.0/IIoT/Vehículo conectado.
- Técnicas estatísticas para datos IoT a gran escala en contornas da Sociedade 5.0/IIoT/Vehículo conectado.
- Almacenamento e xestión de tarefas en arquitecturas Big Data para IoT en contornas da Sociedade 5.0/IIoT/Vehículo conectado.
- Procesado de datos IoT a gran escala en contornas da Sociedade 5.0: procesado en lotes e streaming/IIoT/Vehículo conectado.
Bibliografía básica
- Apontamentos proporcionados polo 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
Sociedade 5.0
O alumno será capaz de:
- Identificar as principais arquitecturas Big Data para IoT para aplicacións da Sociedade 5.0 e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (S-CN6)
- Aplicar técnicas estatísticas a conxuntos de datos IoT a gran escala e para aplicacións da Sociedade 5.0. (S-HB2)
- Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións da Sociedade 5.0. (S-CP4)
IoT Industrial
- Coñecer e comprender as principais arquitecturas Big Data para IIoT e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (I-CN1)
- Aplicar técnicas estatísticas a conxuntos de datos IIoT a gran escala. (I-HB1)
- Deseñar e despregar sistemas de procesado de datos IIoT a gran escala. (I-CP1)
Vehículo Conectado
- Coñecer e comprender as principais arquitecturas Big Data para aplicacións de vehículo conectado e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (V-CN1)
- Aplicar técnicas estatísticas a datos a gran escala en aplicacións IoT do vehículo conectado. (V-HB1)
- Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións do vehículo conectado. (V-CP3)
Competencias da titulación que se traballan (ver memoria título):
- Obrigatorias: CMP6, CMP11, CMP13.
- Específicas: S-CP4, I-CP1, V-CP3
- Clases teóricas, nas que se expón o contido de cada tema. O alumno dispoñerá de copias das transparencias con anterioridade e o profesor promoverá unha actitude activa, realizando preguntas que permitan aclarar aspectos concretos e deixando cuestións abertas para a reflexión do alumno.
- Clases prácticas na aula de informática, que permiten ao alumno familiarizarse desde un punto de vista práctico coas cuestións expostas nas clases teóricas.
Actividades formativas de carácter presencial e a súa relación coas competencias da titulación
- Clases teóricas: impartidas polo profesor e exposición de seminarios. Competencias traballadas: CMP6, S-CP4, I-CP1, V-CP3.
- Clases prácticas de laboratorio, resolución de problemas e casos prácticos. Competencias traballadas: CMP6, S-CP4, I-CP1, V-CP3.
Actividades formativas de carácter non presencial e a súa relación coas competencias da titulación:
- Traballo persoal do alumno: consulta de bibliografía, estudo autónomo, desenvolvemento de actividades programadas, preparación de presentacións e traballos. Competencias traballadas: CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3.
Oportunidade ordinaria:
Contribución á nota final e criterios de avaliación:
- Exame final: 40%
Nesta parte avaliaranse implícita ou explicitamente as competencias CMP6, S-CP4, I-CP1, V-CP3.
- Avaliación de traballos práctico: 40% da nota
Os alumnos abordarán a resolución de diversos problemas propostos na aula de informática. Deberán realizar traballos nos que se presenten os resultados obtidos. Varios destes traballos serán de entrega obrigatoria e outros opcionais, que permitirán subir a nota. Todos os traballos deberán ser entregados antes das datas que se especificarán e deberán cumprir uns requisitos mínimos de calidade para ser tidos en consideración. Valorarase o grao de cumprimento das especificacións, a metodoloxía e rigorosidade e a presentación de resultados. Nesta parte avaliaranse implícita ou explicitamente as competencias CMP6, S-CP4, I-CP1, V-CP3.
- Avaliación de traballos tutelados: 20% Competencia avaliada CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3
Para superar a materia, debe conseguirse unha puntuación total de 5 ou superior. É imprescindible para aprobar entregar todas as prácticas indicadas como obrigatorias.
Condición para cualificación de Non Presentado: non presentar ningunha práctica.
Os alumnos que non sexan de nova matrícula non conservan notas de cursos anteriores.
Oportunidade de recuperación (xullo) e extraordinaria:
A valoración será igual que na oportunidade ordinaria. Os alumnos que non entregaron os traballos propostos ao longo do cuadrimestre deberanos entregar antes da data establecida.
Condición para cualificación de Non Presentado: non presentar ningunha práctica.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
En aplicación da Normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso nas dúas oportunidades do curso, coa cualificación de 0,0 en ambos casos.
- Clases teóricas: 10 h presenciais + 16 h traballo autónomo do alumno
- Clases de prácticas: 10 h presenciais + 28 h traballo autónomo do alumno
- Titorías e actividades de avaliación: 4 h presenciais + 7 h traballo autónomo do alumno
- Total: 75 h
Debido á forte interrelación entre a parte teórica e a parte práctica, e á progresividade na presentación de conceptos moi relacionados entre si na parte teórica, é recomendable dedicar un tempo de estudo ou repaso diario.
Farase uso intensivo de ferramentas de comunicación en liña: videoconferencia, chat etc.
As ferramentas software utilizadas nesta materia son open-source.
Anselmo Tomás Fernández Pena
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Arquitectura e Tecnoloxía de Computadores
- Teléfono
- 881816439
- Correo electrónico
- tf.pena [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidade
| Xoves | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | Castelán | Aula A10 |
| 18:30-20:00 | Grupo /CLIL_01 | Castelán | Aula A10 |