- Bases de Datos Estructuradas - Lenguajes de Datos Algebraicos - SQL - Bases de Datos OLAP y Data Warehouse Habilidades de programación (conveniente fundamentos de Javascript)

- Comprender el concepto y todas las dimensiones de la tecnología Big Data - Explorar los contextos social, empresarial y tecnológico que subyacen al surgimiento y expansión de esta tecnología - Comprender el Ciclo de Vida de la Información, y los procesos que lo sostienen - Analizar las necesidades que suscita la Información: adquisición, transformación, almacenamiento y explotación - Estudiar las tecnologías relacionadas, y las partes de un sistema Big Data (sistemas frontales y sistemas dorsales). - Introducirse en las características y manejo de distintas herramientas para el soporte de Big Data. -- Diferenciar el almacenamiento masivo estructurado de los Sistemas de Gestión No-SQL -- Introducirse en la gestión NoSQL a través de un Sistema Orientado a Documento (MongoDB). Manejo de la herramienta a nivel de manipulación de datos. Estudio práctico de las técnicas de Replicación y de Distribución de colecciones de datos para la implantación de sistemas masivamente paralelos. -- Introducirse en otros tipos de gestión NoSQL: sistemas orientados a columna (Cassandra) y orientados a grafo (Neo4J) -- Introducción a la suite de herramientas Hadoop

Bloque I: Fundamentación Teórica. --------------------------------------- Tema 1: Introducción: Marco social y tecnológico - Función de la Información en la sociedad de las TI - Necesidad y tipos de sistemas de datos - Caracterización del concepto Big Data - Implantación de Big Data - Aspectos legales y éticos Tema 2: Almacenamiento y Tecnologías NoSQL - Tecnologías de almacenamiento: estructuras y procesos - BD transaccionales y BD analíticas - Arquitecturas. Sistemas Distribuidos y CAP. - Operatividad distribuida: paradigma MapReduce - Clasificación de sistemas NoSQL Tema 3: Integración, transformación y Limpieza - Integración de fuentes - Transformación y Limpieza - Google Refine - SPARQL Bloque II: Herramientas para Big Data: Principales herramientas comerciales para el Almacenamiento, Informe, y Visualización ---------------------------------------- Tema 4: Back-End para BigData I: MongoDB - Operatividad Básica en MongoBD - Agregación en MongoBD. Pipeline y Map-Reduce. - Replicación y Distribución en MongoBD Tema 5: Back-End para BigData II: Neo4J - Introducción a los Datos en Red: Grafos - Modelos de BD en Grafo. Lenguajes. - Property Graph DB: Neo4J Tema 6: Back-End para BigData III: Cassandra - Fundamentos de Cassandra - Diseño sobre Cassandra Tema 7: Back-End para BigData IV: Hadoop - El ecosistema HADOOP y su instalación - SandBox - Funcionalidad de HADOOP - Map-Reduce en HADOOP

Actividades formativas: AF1: Clase teórica: Presentaciones teóricas acompañadas de material electrónico, como presentaciones digitales. AF3: Clases teórico prácticas: Combinación de clases teóricas acompañadas de la resolución de ejercicios prácticos. AF4: Prácticas de laboratorio: Prácticas a desarrollar en laboratorios específicos para las distintas asignaturas. AF5: Tutorías: Tutorías de carácter presencial y/o a distancia (videoconferencia). AF2: Actividades de e-learning: tutoriales, lecturas recomendadas, documentación. AF7: Trabajo individual del estudiante: Actividades individuales del alumno que complementan al resto de actividades (tanto presenciales como no presenciales), así como la preparación de exámenes. Metodologías docentes: MD1: Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD2: Lectura crítica de textos recomendados por el profesor de la asignatura: Artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. MD3: Resolución de casos prácticos, problemas, etc. planteados por el profesor MD4: Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos MD5: Elaboración de trabajos e informes de manera individual o en grupo MD6: Actividades específicas de e-learning, relacionadas con el carácter semi-presencial del título, actividades de auto-corrección, participación en foros, y cualquier otro mecanismo de enseñanza on-line