Temas comunes:
Se considera relevante para el programa actual que los estudiantes pueden configurar parte de su currículo de ingeniería espacial de acuerdo con sus intereses y motivaciones, de manera personalizada. Para este fin, este tema incluye principalmente un conjunto de temas opcionales. La opcionalidad también tiene un doble beneficio: permite primero monitorear los temas de mayor demanda e interés por parte de los estudiantes y, en segundo lugar, adaptar cada pocos años la oferta de cursos a las nuevas tendencias en ingeniería espacial.
Dado que el número de cursos electivos es equivalente a 5 de 3 ECTS cada uno, la oferta del maestro será equivalente a 10 cursos de 3 ECTS. Se requiere un número mínimo de estudiantes inscritos para que los cursos tengan lugar. Este número no puede ser, en ningún caso, superior al 50% de los estudiantes matriculados en el máster.
Las pasantías en la empresa se ofrecen dentro de este tema, opcionalmente. De la misma manera, los estudiantes podrán participar en proyectos de desarrollo supervisados, en los que trabajarían de manera práctica y especializada algunos de los aspectos tratados en las materias anteriores (1-4).
De la misma manera, los temas de otros maestros que cubren temas de interés para la ingeniería espacial también se considerarán dentro de esta materia. Finalmente, este asunto incluirá, dentro de la oferta opcional, la mentoría regulada de estudiantes por profesionales en el sector espacial.
Temas específicos a cada asignatura:
Big Data para misiones espaciales.
El programa de esta asignatura incluye: estadísticas para el análisis de datos; fundamentos tecnológicos en el mundo del Big Data; optimización para datos a gran escala; aprendizaje automático; analítica de datos.
3. Procesado de datos
a. Técnicas de aprendizaje supervisado para transmisión de datos
b. Técnicas de aprendizaje no supervisado para transmisión de datos
c. Procesado de datos en batch (hadoop/spark) y
d. Procesado de datos en stream (spark/storm/flink)
e. Gestión de grandes volúmenes de datos, diferenciación entre batch y stream processing
f. Arquitecturas de balanceo en backends varnish, kafka
g. Arquitecturas de almacenamiento escalables cassandra / Hbase