|
||||||||
Consulta de los datos generales Descripción La asignatura en el conjunto del plan de estudios Campos profesionales en el que se proyecta Conocimientos previos Objetivos y competencias Contenidos Consulta de los materiales de los que dispone la asignatura Informaciones sobre la evaluación a la UOC Consulta del modelo de evaluación | ||||||||
ATENCIÓN: Esta información recoge los apartados del plan docente de la asignatura durante el último semestre con docencia. Al iniciar el periodo de matrícula, podrás consultar el calendario y modelo de evaluación para el siguiente semestre en Secretaría/ Matrícula / Horarios pruebas de evaluación final. | ||||||||
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.
|
||||||||
|
||||||||
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. |
||||||||
|