Última actualización: 10/06/2021


Curso Académico: 2021/2022

Back-end para análisis de Big Data
(16916)
Titulación: Máster U. en Métodos Analíticos para Datos Masivos: Big Data / Master in Big Data Analytics (322)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CALLE GOMEZ, FRANCISCO JAVIER

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
- Habilidades en programación - Experiencia en entorno Windows Aunque no es obligatorio, también es deseable cumplir: - conceptos básicos de bases de datos estructuradas (al menos, el Modelo Relacional) - nociones de álgebra relacional (o al menos, de la teoría de conjuntos) - conceptos básicos de lenguajes de datos (particularmente, conocimiento de SQL) - conceptos básicos de Javascript Todos estos se presentarán en clase y se proporcionarán más materiales para que el estudiante pueda ponerse al día en casa (o como mínimo, introducirse en la materia).
Objetivos
Los objetivos fundamentales de este curso son a) Distinguir diferentes necesidades y enfoques de almacenamiento secundario, centrando el estudio en el almacenamiento con fines analíticos. b) Conocer la amplia diversidad de soluciones y, en concreto, conocer algunas de las herramientas más extendidas que soportan la implantación de Big Data. El temario cubrirá desde la adquisición y preparación de la información hasta la manipulación en algunos DBMS, siguiendo por tanto un enfoque eminentemente práctico. Para lograr estos objetivos, el estudiante debe adquirir un conjunto de capacidades, conocimientos, habilidades y actitudes genéricas. Capacidades transversales / genéricas o Habilidades de análisis y síntesis o Organización y planificación o Resolución de problemas o Capacidad para aplicar los conocimientos teóricos en la práctica. Capacidades específicas Cognitivo (conocimiento): paradigmas de almacenamiento, ciclo de vida de la información, soluciones back-end para Big Data Procedimentales / instrumentales (saber hacer) - Adquisición y preparación de información - Manipulación de datos (por diferentes lenguajes) en diversos DBMS: - DBMS estructurado - DBMS orientado a documentos - DBMS orientado a columnas Actitudinal (Ser): - capacidad para diseñar consultas (creatividad); - inquietudes sobre la efectividad y la eficiencia; - capacidad para discutir y aclarar las diversas soluciones a cada problema específico
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1 Introducción a los Sistemas de almacenamiento - Bases de Datos y sistemas de ficheros. - Bases de Datos y SGBD. - Evolución y paradigmas de almacenamiento: OLTP y OLAP - Almacenamiento masivo: ROLAP vs.RTOLAP 2 Bases de datos estructuradas. - El Modelo Relacional - Consultas analíticas en SQL 3 Preparación de datos para su almacenamiento y procesamiento analítico Adquisición y extracción Transformación, limpieza e integración 4 Herramientas Back-end con orientación a documento: MongoDB 5 Herramientas Back-end con orientación a columna: Cassandra
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades formativas Clase teórica Clases prácticas Prácticas de laboratorio Trabajo individual del estudiante 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 de manera individual o en grupo Elaboración de trabajos e informes de manera individual o en grupo
Sistema de evaluación
  • Peso porcentual del Examen Final 25
  • Peso porcentual del resto de la evaluación 75
Calendario de Evaluación Continua
Bibliografía básica
  • J. Calle. Course Teaching Materials (provided via Aula Global webpage) Each item will have specific references (mostly, links to webpages where documentation on tools usage, syntax, etc. can be freely accessed). Aula Global. 2018
Bibliografía complementaria
  • Elmasri, R. y Navathe, SB. Fundamentals of Database Systems. . Pearson .
  • Hurwitz, J, Nugent, A, Halper, F, Kaufman, M.. Big data for dummies . Wiley. 2013
  • Ramakrishnan, R. y Gehrke, J. . Database management systems. . McGraw Hill. .
  • Warden P.. Big Data glossary. A guide to the New Generation of data tools. . O¿Reilly . 2011
  • . Express Learning: Database Management Systems. . ITL Education Solutions Lt. Pearson India Pubs. 2012
  • Rijmenam, M.V. . Think Bigger (ISBN-13: 978-0-8144-3415-4). Amacom. 2014

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.