Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 76.5 Horas de Tutorías: 4.5 Clase Expositiva: 13.5 Clase Interactiva: 18 Total: 112.5
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Arquitectura y Tecnología de Ordenadores
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
La cada vez mayor cantidad de información accesible a través de Internet hace que el procesamiento eficiente de grandes cantidades de datos sea cada vez de mayor interés. Esto ha llevado al desarrollo de nuevas técnicas de almacenamiento y procesamiento de ingentes cantidades de información, técnicas que se adaptan de forma natural a los sistemas distribuidos.
El objetivo principal de esta materia es dar a conocer diferentes técnicas de procesamiento de grandes cantidades de información, instruyendo al alumno en su utilización para el procesamiento del denominado Big Data.
1. Big Data y MapReduce
2. Introducción a Hadoop
3. HDFS
4. MapReduce en Hadoop
5. Apache Spark
6. Otras tecnologías: Apache Flink
Bibliografía básica
- Apuntes proporcionados por el profesor
- T. White, Hadoop: The Definitive Guide, 4th Edition, O'Reilly, 2015
- B. Chambers, M. Zaharia, Spark: The Definitive Guide, O'Reilly, 2018
Bibliografía complementaria
- Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia, Learning Spark. Lightning-Fast Big Data Analysis, O'Reilly, 2015
- Chuck Lam, Hadoop in Action, Manning, 2011
- Fabian Hueske, Vasiliki Kalavri, Stream Processing with Apache Flink", O'Reilly, 2019
- El alumno será capaz de instalar, configurar y gestionar el software básico para el procesamiento de datos masivos.
- El alumno será capaz de implementar códigos en diferentes lenguajes especializados en el procesamiento de datos masivos.
- El alumno conocerá y aprenderá a utilizar alguna de las herramientas disponibles para preparar y ejecutar aplicaciones para datos masivos en la nube.
- El alumno adquirirá la habilidad necesaria para la búsqueda, selección y manejo de recursos (bibliografía, software, etc.) relacionados con el Big Data.
Competencias de la titulación que se trabajan (ver memoria título):
- Básicas: CB6, CB10.
- Transversales/Generales: T1, G2, G5, T4.
- Específicas: E3, E4, E5.
- Clases teóricas, en las que se expone el contenido de cada tema. El alumno dispondrá de copias de las transparencias con anterioridad y el profesor promoverá una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexión del alumno.
- Clases prácticas en el aula de informática, que permiten al alumno familiarizarse desde un punto de vista práctico con las cuestiones expuestas en las clases teóricas.
Actividades formativas de carácter presencial y su relación con las competencias de la titulación
- Clases teóricas: impartidas por el profesor y exposición de seminarios. Competencias trabajadas: CB6, E3, E4, E5.
- Clases prácticas de laboratorio, resolución de problemas y casos prácticos. Competencias trabajadas: CB10, T1, T4, G2.
- Tutorías programadas: orientación para la realización de los trabajos individuales o en grupo, resolución de dudas y actividades de evaluación continua. Competencias trabajadas: T1.
- Examen. Competencias trabajadas: CB6, T1, G5, E3, E4, E5
Actividades formativas de carácter no presencial y su relación con las competencias de la titulación:
- Trabajo personal del alumno: consulta de bibliografía, estudio autónomo, desarrollo de actividades programadas, preparación de presentaciones y trabajos. Número de horas: 76,5. Competencias trabajadas: CB10, T1, T4, G2, G5
EN EL CASO DE QUE LA USC DETERMINE EL PASO A ESCENARIO 2 (DISTANCIAMENTO) O ESCENARIO 3 (CIERRE DE INSTALACIONES), LA METODOLOGÍA DE ENSEÑANZA SE MODIFICARÁ SEGÚN EL PLAN DE CONTINGENCIA INDICADO EN EL APARTADO "OBSERVACIONES".
- Evaluación de las prácticas realizadas: 90%
- Seguimiento continuado y objetivable de una participación activa: 10%
Para superar a materia, debe conseguirse una puntuación total de 5 o superior.
Los alumnos que no sean de nova matrícula no conservan notas de cursos anteriores.
Oportunidad de recuperación (julio) y extraordinaria:
La valoración será igual que en la oportunidad ordinaria. Los alumnos que no entregaron los trabajos propuestos a lo largo del cuatrimestre los deberán entregar antes de la fecha establecida.
Condición para cualificación de No Presentado: no presentar ninguna práctica.
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
En aplicación de la Normativa da ETSE sobre plaxio (aprobada por la Xunta de la ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o de teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.
EN EL CASO DE QUE LA USC DETERMINE EL PASO A ESCENARIO 2 (DISTANCIAMENTO) O ESCENARIO 3 (CIERRE DE INSTALACIONES), EL SISTEMA DE EVALUACIÓN SE MODIFICARÁ SEGÚN EL PLAN DE CONTINGENCIA INDICADO EN EL APARTADO "OBSERVACIONES".
- Clases de pizarra: 12 h presenciales + 20 h trabajo autónomo del alumno
- Clases de prácticas: 18 h presenciales + 46,5 h trabajo autónomo del alumno
- Tutorías y actividades de evaluación: 6 h presenciales + 10 h trabajo autónomo del alumno
- Total: 112.5 h
Debido a la fuerte interrelación entre la parte teórica y la parte práctica, y a la progresividad en la presentación de conceptos muy relacionados entre sí en la parte teórica, es recomendable dedicar un tiempo de estudio o repaso diario.
Se hará uso intensivo de herramientas de comunicación online: videoconferencia, chat, etc.
Las herramientas software utilizadas en esta materia son open-source.
Plan de contingencia:
En el caso de que la situación sanitaria aconseje establecer un Escenario 2 (distanciamento):
1) todas las clases expositivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
2) las clases interactivas se impartirán de modo presencial en aula de informática,
3) la ponderación de las distintas partes de la materia y los requisitos para superar la materia permanecerán inalterados
4) la prueba final se realizará de modo presencial
En el caso de que la situación sanitaria aconseje establecer un Escenario 3 (cierre de las instalaciones):
1) todas las clases expositivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
2) todas las clases interactivas se impartirán de modo online (síncronamente por Microsoft Teams o asíncronamente mediante la publicación de vídeos grabados por el profesorado),
3) la ponderación de las distintas partes de la materia y los requisitos para superar la materia permanecerán inalterados
4) la prueba final se realizará de modo no presencial, mediante Microsoft Teams y las herramientas del aula virtual Moodle.
Anselmo Tomás Fernández Pena
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Arquitectura y Tecnología de Ordenadores
- Teléfono
- 881816439
- Correo electrónico
- tf.pena [at] usc.es
- Categoría
- Profesor/a: Catedrático/a de Universidad
| Lunes | |||
|---|---|---|---|
| 16:00-17:30 | Grupo /CLE_01 | Castellano | Aula de proyectos |
| 17.01.2022 16:00-20:45 | Grupo /CLE_01 | Aula de proyectos |
| 17.01.2022 16:00-20:45 | Grupo /CLIL_01 | Aula de proyectos |
| 24.06.2022 16:00-20:45 | Grupo /CLIL_01 | Aula de proyectos |
| 24.06.2022 16:00-20:45 | Grupo /CLE_01 | Aula de proyectos |