Última actualización: 04/12/2018


Curso Académico: 2019/2020

Big Data
(16751)
Titulación: Máster Universitario en Tecnologías del Sector Financiero: FinTech (313)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CALLE GOMEZ, FRANCISCO JAVIER

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias básicas y generales -Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio -Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades -Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. - Capacidad para comprender y aplicar métodos y técnicas del ámbito de la Ingeniería Informática en los mercados financieros - Capacidad de concebir, diseñar o crear, poner en práctica y adoptar un proceso sustancial de desarrollo o creación de software para mercados financieros Competencias específicas -Analizar y evaluar la viabilidad de implantación de un sistema de gestión de datos dependiendo de las necesidades -Analizar y comprender las principales herramientas para el manejo de grandes cantidades de datos, su almacenamiento, acceso y revisión Los resultados del aprendizaje vienen determinados tanto por los contenidos de la asignatura como por los de la materia en los que se engloba, que son los Sistemas de soporte a la decisión en el sector financiero
Descripción de contenidos: Programa
Bloque 1. COMPRENDIENDO BIG DATA Tema 1: Introducción: Marco social y tecnológico 1.1 La sociedad de las TIC 1.2 Papel actual de la información y los datos 1.3 Paradigmas de almacenamiento y proceso de datos. Evolución histórica 1.4 Caracterización del concepto Big Data Tema 2: Fundamentación Teórica 2.1 Ciclo de Vida de la Información 2.2 Fuentes de la Información 2.3 Estructuración y Saneamiento de los datos: la coherencia 2.4 Integración de fuentes 2.5 Arquitecturas de SI: centralizado vs. Distribuido: tolerancia a fallos 2.6 Resumen: el teorema CAP Tema 3: Aproximaciones a sistemas Big Data 3.1 BD Transaccionales (operacionales) 3.2 BD Analíticas 3.3 SQL, No-SQL, y No-Rel 3.4 Tipos de sistemas No-Rel y su conexión con BigData 3.5 Idoneidad Tecnológica Bloque 2. APLICANDO BIG DATA Tema 4: Implementando Big Data 4.1 Operatividad de BigData 4.2 El paradigma Map-Reduce 4.3 Implantación en organizaciones 4.4 Aspectos legales y éticos de Big Data. La Privacidad y la Seguridad de la Información Tema 5: Tecnologías Big Data 5.1 Hadoop 5.2 Mongo DB
Actividades formativas, metodología a utilizar y régimen de tutorías
Clase teórica: Presentaciones teóricas acompañadas de material electrónico, como presentaciones digitales: Nº Horas totales: 22 Presencialidad: 100% Clases teórico prácticas: Combinación de clases teóricas acompañadas de la resolución de ejercicios prácticos: Nº Horas totales: 18 Presencialidad: 100% Prácticas de laboratorio: Prácticas a desarrollar en laboratorios específicos para las distintas asignaturas: Nº Horas totales: 18 Presencialidad: 100% Tutorías: Tutorías de carácter presencial y/o a distancia (videoconferencia): Nº Horas totales: 10 Presencialidad: 100% Actividades de e-learning: Foros de las asignaturas, foros de discusión, principalmente: Nº Horas totales: 58 Presencialidad:0% 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: Nº Horas totales: 174 Presencialidad: 0% Metodologías docentes -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. -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. -Resolución de casos prácticos, problemas, etc. planteados por el profesor -Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos -Elaboración de trabajos e informes de manera individual o en grupo -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
Sistema de evaluación
  • Peso porcentual del Examen Final 20
  • Peso porcentual del resto de la evaluación 80
Bibliografía básica
  • Apache¿ Hadoop®. http://hadoop.apache.org/. Apache¿ Hadoop®. 2016
  • MongoBD. http://www.mongodb.org. MongoBD. 2016
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.