|
||||||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción La asignatura en el conjunto del plan de estudios Campos profesionales en que se proyecta Conocimientos previos Objetivos y competencias Contenidos Consulta de los materiales que dispone la asignatura Metodología Información sobre la evaluación en la UOC Consulta del modelo de evaluación Evaluación Contínua Evaluación final Feedback | ||||||||||||||||||||||||||||||||||
Este es el plan docente de la asignatura para el segundo semestre del curso 2023-2024. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. | ||||||||||||||||||||||||||||||||||
Esta asignatura constituye una introducción a las tecnologías relacionadas con los sistemas de Big Data. |
||||||||||||||||||||||||||||||||||
Esta asignatura, en el contexto del Programa de Business Intelligence y Big Data, forma parte de la especialidad de "Big Data y sistemas NoSQL". En dicha especialidad se trabaja lo que algunos analistas han llamado "la gestión extrema de la información", o sea la transformación de grandes volúmenes de datos ocultos en la propia organización o presentes a su alrededor en información y conocimiento útil para el negocio. Esta especialidad incluye, además de la asignatura objeto de este plan docente, las siguientes asignaturas:
|
||||||||||||||||||||||||||||||||||
La asignatura proporciona conocimientos que serán de utilidad en diferentes ámbitos profesionales, como son la dirección de proyectos basados en sistemas Big Data, la consultoría en proyectos/productos de Big Data, la programación de sistemas que requieran el uso de datos masivos o la ciencia de datos, entre otros.
|
||||||||||||||||||||||||||||||||||
El curso requiere que los estudiantes tengan conocimientos de programación (preferiblemente en lenguaje Python), así como nociones básicas de análisis de datos, aprendizaje automático (machine learning) y redes de computadores. Asimismo también es deseable que los estudiantes tengan la capacidad de leer y comprender el idioma inglés puesto que una parte de los materiales adicionales y otros recursos, están en dicho idioma.
|
||||||||||||||||||||||||||||||||||
Los objetivos que se desea que el estudiante alcance mediante esta asignatura son los siguientes:
|
||||||||||||||||||||||||||||||||||
La asignatura consta de 4 bloques temáticos, cada uno de los cuales apoyado por un material didáctico.
El contenido asociado a cada bloque temático es el que se detalla a continuación:
Identificación, Captura y Almacenamiento de Datos Masivos: Introducción al Cálculo Distribuido
En el primer módulo de esta asignatura veremos la estructura básica de un sistema Big Data. Discutiremos el almacenaje y gestión de la información, centrándonos en el sistema de ficheros distribuido HDFS y las bases de datos NoSQL. A continuación, introduciremos los dos sistemas principales de cálculo distribuido, MapReduce y Apache Spark, haciendo énfasis en sus fortalezas y debilidades. Seguidamente definiremos las tareas que realizan los gestores de recursos, centrándonos en Apache Mesos y YARN.
Big Data Frameworks: Frameworks para el procesamiento distribuido de datos masivos
En el segundo módulo profundizaremos en los principales frameworks que dan soporte a la gestión de datos masivos. Iniciaremos el módulo especificando los distintos escenarios Big Data que podemos encontrar: procesamiento batch, procesamiento real-time o streaming, y procesamiento de datos en base a eventos complejos. A continuación hablaremos las herramientas para procesamiento en batch, haciendo especial énfasis en los ecosistemas Apache Hadoop y Apache Spark. Seguiremos con las herramientas para procesamiento en streaming, donde veremos los frameworks Apache Flume, Apache Kafka, Spark Streaming y Apache Storm. Finalizaremos en módulo viendo algunas nuevas tendencias del mercado.
Análisis y visualización de datos masivos
En el tercer módulo de esta asignatura nos centraremos en las herramientas que integran los distintos ecosistemas para el análisis y visualización de datos masivos. Iniciaremos este recorrido viendo las herramientas para análisis de datos en tiempo real, como por ejemplo, Hadoop Storm, Spark Streaming o Apache Flink. Seguiremos con la introducción de herramientas de aprendizaje automático (machine learning), y continuaremos con herramientas específicas para el análisis de grafos, como Hadoop Giraph o Spark GraphX. La parte final de este módulo estará dedicada a las herramientas de visualización utilizadas en entornos Big Data.
Nuevas tendencias
En el último módulo analizaremos algunas de la tendencias más recientes en el ecosistema de los datos masivos, y mediante un debate, comentaremos y discutiremos los principales pros y contras de cada una de estas tendencias.
|
||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||
Para entender el enfoque metodológico general se recomienda la lectura del apartado anterior sobre materiales y herramientas de soporte, y el siguiente respecto el modelo de evaluación. Además de lo que se ha explicado anteriormente, el consultor recordará al comienzo de cada semana los objetivos y competencias a desarrollar, así como los modelos de aprendizaje y de evaluación para cada parte cuando proceda. Del mismo modo, propondrá algunos debates, estando integrados dentro de algunas de las actividades de evaluaciones o de forma independiente. La participación en la discusión generada en dichos debates es obligatoria. También se recomienda el seguimiento y participación en todas las discusiones y preguntas publicadas en el foro del aula. Más concretamente, recomendamos el siguiente ciclo de estudios:
|
||||||||||||||||||||||||||||||||||
La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves. El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular. La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente). Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso. Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda. La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo. |
||||||||||||||||||||||||||||||||||
Ponderación de las calificaciones
Opción para superar la asignatura: EC
Nota final de asignatura: EC |
||||||||||||||||||||||||||||||||||
Este curso se evalúa únicamente a través de la evaluación continua porque no hay examen final presencial. Todas las actividades, tanto teóricas como prácticas, y la participación en las discusiones en el foro virtual son obligatorios. La evaluación continua presenta:
Advertencia: Es importante mencionar que la resolución de las pruebas, casos y prácticas propuestas se debe realizar de forma individual excepto cuando se indique lo contrario. El equipo docente tendrá en cuenta la lógica de las respuestas, el pensamiento individual y la capacidad de expresarse por escrito. Cualquier fuente externa usada para resolver las cuestiones y casos deberá indicarse claramente y ser referenciada adecuadamente. Si no fuera el caso, las actividades se evaluarán con una D. Por otro lado, siempre a criterio de la Universidad, el incumplimiento de esta obligación será comunicada a la gestión de los estudios, con el fin de evaluar si el estudiante está autorizado para aprobar cualquier otra materia o mediante una evaluación continua en el semestre o el siguiente. Sistema de calificación Cada actividad (PEC) tendrá una nota individual cualitativa: A, B, C+, C- o D. La nota de la evaluación continua, que es un promedio de cada una de las actividades por módulo, será cualitativa y cuantitativa (sin decimales): A = 9/10 o B = 7/8 o C + = 5/6 o C- = 3/4 o D = 0/1/2 o no presentado (NP) = 0. La calificación final será cuantitativa con un decimal. Criterio de evaluación general basado en evidencia APROBADO
NOTABLE
EXCELENTE
Además de estos criterios generales usados a lo largo del semestre, pueden añadirse otros criterios específicos para evaluar algunas de las habilidades generales o particulares. Éstos serán informados, si procede, en el enunciado de las actividades. Recuperación de las Pruebas de Evaluación Continua (PEC) La recuperación de las actividades se realizará de forma individual para cada actividad que no se haya entregado o aprobado. Detalles del proceso de recuperación:
|
||||||||||||||||||||||||||||||||||
Esta asignatura únicamente se puede superar a través de la realización y entrega de las PEC propuestas a lo largo del semestre. La ponderación de la nota final de evaluación continua (EC) se obtiene de la siguiente forma:
Además, es importante destacar:
Por otra parte, a lo largo del semestre, el consultor puede proponer discusiones o debates formales. La participación en calidad y cantidad en dichos debates también puede influir en la calificación final del semestre. |
||||||||||||||||||||||||||||||||||
A lo largo del semestre, el consultor os proporcionará retorno de vuestro progreso a través de diferentes medios:
En todo caso, podéis solicitar al consultor un retorno individual, tanto de vuestra evolución dentro del semestre, como de cada prueba individual. Por el hecho de ser una evaluación mayoritariamente individual y continuada, se recomienda hacer esta petición después de cada prueba sobre la que tengáis dudas o necesidades de aclaración y no esperar a las calificaciones medias o finales. También es posible ponerse en contacto con el profesor responsable del curso académico, si los comentarios y sugerencias recibidos por parte del consultor no son satisfactorios o no se está de acuerdo con ellos. |