Última actualización: 04/09/2019


Curso Académico: 2019/2020

Fundamentos tecnológicos en el mundo Big Data
(17230)
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: CARRETERO PEREZ, JESUS

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 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 de software y conocer las tecnologías hardware necesarias para la 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 Competencias Específicas Aplicar conocimientos de programación los que basar la enseñanza de tecnologías y métodos avanzados para el tratamiento de grandes volúmenes de datos. Conocer las principales tecnologías usadas para construir sistemas big data, así como las principales características de las mismas. Emplear los resultados básicos de paralización y distribución de trabajos como fundamento para métodos avanzados de predicción y clasificación Resultados de aprendizaje -Utilización de técnicas de programación en el diseño y análisis de métodos de tratamiento de datos - Habilidades para la aplicación de tecnología avanzada al tratamiento de datos - Conocimiento y utilización de conceptos básicos de programación paralela y distribuida, diseño de algoritmos y sistemas de almacenamiento para el desarrollo de aplicaciones de tratamiento de datos
Descripción de contenidos: Programa
1 Introduction 2 Computing platforms for Big Data * Computing architectures * Parallel computing * Advanced computing platforms * Big Data frameworks 3 Distributed Memory Systems: * Clusters * Clouds * Data centers 4 Storage systems for big data * Distributed file systems * Parallel file systems * Storage technologies 5 Virtualization techniques * Virtualization fundamentals * Virtualization techniques * Server consolidation techniques 6 Parallel and distributed computing paradigms * Open MP * Web services 7 Fault-tolerance and resilience * Fault tolerance techniques * Fault tolerance in Big Data frameworks 8 Use cases: * Data analytics * Data streaming
Actividades formativas, metodología a utilizar y régimen de tutorías
Actividades formativas * Clases teóricas * 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
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70

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.