Última actualización: 04/10/2018


Curso Académico: 2019/2020

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:




Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias Básicas Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación 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 posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Competencias Generales Aplicar los fundamentos teóricos de las técnicas de recogida, almacenamiento, tratamiento y presentación de información, especialmente para grandes volúmenes de datos, como base para el desarrollo y adaptación de dichas técnicas a problemas concretos Identificar diferentes técnicas para almacenar, replicar y distribuir grandes cantidades de datos, y diferenciarlas en función de sus características teóricas y prácticas Utilizar habilidades para el trabajo en equipo y para relacionarse con otros de forma autónoma Competencias Específicas Aplicar conocimientos básicos de programación y bases de datos sobre los que basar la enseñanza de tecnologías y métodos avanzados para el tratamiento de grandes volúmenes de datos Identificar las oportunidades que las técnicas de tratamiento de datos pueden suponer para la mejora de la actividad de empresas y organizaciones Disponer de conocimientos básicos y fundamentales de arquitectura de computadores, arquitecturas de red y sistemas de almacenamiento Aplicar diferentes técnicas para almacenar, replicar y distribuir grandes cantidades de datos Identificar y seleccionar las herramientas software adecuadas para el tratamiento de grandes cantidades de datos Hacer uso eficiente de plataformas distribuidas para distribución de contenido y técnicas para el almacenamiento de su topología Resultados de aprendizaje Manejo de los conceptos básicos de arquitectura y tecnología computacional y de redes. Capacidad de analizar y diseñar arquitecturas y tecnologías de altas prestaciones para grandes volúmenes de datos. Conocimiento de técnicas de diseño y desarrollo de aplicaciones de computación de altas prestaciones. Conocimientos para analizar y modelar las tecnologías más adecuadas para cada problema, adecuándolas a las especificaciones de los casos concretos
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 (repaso práctico). - 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 para soporte a sistemas Big Data (I): MongoDB 5 Herramientas Back-end para soporte a sistemas Big Data (II): 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
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.