Datos Identificativos 2021/22
Asignatura (*) Procesamento Paralelo Código 614G02023
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Grao 1º cuadrimestre
 Terceiro Obrigatoria 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Enxeñaría de Computadores
Coordinación
Enes Álvarez, Jonatan
 Correo electrónico
jonatan.enes@udc.es
Profesorado
Enes Álvarez, Jonatan
Touriño Dominguez, Juan
 Correo electrónico
jonatan.enes@udc.es
juan.tourino@udc.es
Web
Descrición xeral Nesta materia o alumno aprenderá o papel que o uso do paralelismo ten á hora de acelerar a execución de programas en xeral e o procesamento de datos en particular.

O coñecemento teórico partirá dos conceptos máis básicos de paralelismo, incluíndo a súa utilidade e aplicabilidade, o contexto técnico da execución de programas paralelos, as diferentes técnicas existentes ou as diferentes métricas para medir o paralelismo (Bloque I). A continuación seguirase cun enfoque máis dirixido ao tratamento de datos (Bloque II). Finalmente acabarase cunha introdución ao procesamento paralelo de datos coas tecnoloxías máis modernas baseadas no Big Data (Bloque III).

No aspecto práctico, o alumno realizará diversas sesións cun enfoque incremental a fin de adquirir o coñecemento e a habilidade de programar e/ou despregar solucións de procesamento en paralelo de datos. Empezarase con prácticas dirixidas a adquirir competencias máis técnicas e de 'baixo nivel', e irase progresando cara a solucións máis completas e de máis 'alto nivel'. Ditas prácticas realizaranse de forma coordinada coa explicación teórica, de tal forma que se usarán técnicas e tecnoloxías previamente explicadas. De igual forma, as prácticas serán autocontidas e fortemente enfocadas á resolución de problemas ou escenarios concretos con técnicas e tecnoloxías específicas.

Esta materia ten unha forte dependencia con materias previas como "Fundamentos de Programación I e II", principalmente polo seu requisito técnico para a programación, e de "Deseño e Análise de Algoritmos" polo seu coñecemento teórico da análise de complexidade dos algoritmos. En menor medida requírense coñecementos previos da materia de "Fundamentos de Computadores" para comprender o comportamento empírico e o rendemento en xeral dalgúns programas.
Plan de continxencia 1. Modificacións nos contidos
+ Sen modificacións nos contidos.

2. Metodoloxías
+ Se fose necesario, as sesións maxistrais e de prácticas poden pasar a ser virtuais mediante o uso do Teams. De igual forma, se fose preciso, a proba obxectiva (exame final) realizaríase de forma telemática mediante o uso de varios recursos de Moodle.

3. Mecanismos de atención personalizada ao alumnado
+ O alumnado poderá facer uso de canles virtuais e telemáticas para interactuar co docente, principalmente, videoconferencia por Teams e correo electrónico.

4. Modificacións na avaliación
+ Mantéñense as ponderacións para a avaliación.

5. Modificacións da bibliografía ou webgrafía
+ Ningunha

Competencias do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Coñecer os requisitos técnicos e as tecnoloxías actuais que permiten o paralelismo. A12
 B8
B9
Coñecer as diferentes tecnoloxías de paralelismo existentes, a súa aplicación, límites, vantaxes e desvantaxes. A12
 B2
B4
B8
B9
Ser capaz de aplicar técnicas de paralelismo para transformar unha solución existente e así permitir un procesamento paralelo. A12
 B2
B4
B7
B8
B9
B10
 C1
Ser capaz de analizar o rendemento dunha solución de procesamento, existente sen paralelismo ou nova con paralelismo A12
 B2
B4
B7
B8
B9
B10
 C1
Comprender a importancia do paralelismo á hora de levar a cabo procesos de análise de datos críticos no ámbito comercial ou de investigación. A12
 B3
B4
B8
B10
 C4

Contidos
Temas Subtemas
BLOQUE I - Conceptos básicos do Paralelismo Tema 1 - Introdución e conceptos previos
Tema 2 – Paralelismo xeral
BLOQUE II - Tratamento de Datos e Paralelismo Tema 3 – Numpy, Pandas e programación funcional
BLOQUE III - Paralelismo con Big Data Tema 4 – Paralelismo con MapReduce y Spark
Tema 5 – Outras tecnoloxías de procesamento paralelo ou auxiliares

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A12 B3 B8 B9 C4 20 30 50
Prácticas de laboratorio A12 B2 B4 B7 B9 B10 C1 20 70 90
Proba obxectiva A12 B2 B4 B7 B9 C1 C4 3 1 4
 
Atención personalizada 6 0 6
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral * As clases de sesión maxistral introducirán a base teórica sobre a cal se basearán as prácticas que o alumnado realizará posteriormente, tentando en todo momento sinalar esta conexión.

* De igual forma, as sesións maxistrais explicarán e detallarán outros conceptos importantes relacionados co paralelismo en xeral, xa sexan previos ou fundamentais a fin de entender o funcionamento das tecnoloxías usadas nas sesións de prácticas, ou ben máis avanzados e que explican o seu uso e papel crítico en procesos relevantes para a sociedade.
________________________________________________________________________________
Prácticas de laboratorio * As prácticas de laboratorio serán autocontidas e estarán enfocadas a escenarios moi concretos ou á resolución de problemas moi comúns, todo mediante o uso de técnicas, paradigmas e tecnoloxías previamente explicadas nas sesións maxistrais.

* Cada práctica, que pode ocupar unha ou varias sesións, centrarase nun problema para o cal o alumno dispoñerá dunha explicación previa, un código xa proporcionado a utilizar e unha serie de preguntas sobre as cales terá que desenvolver a práctica no seu traballo en clase e autónomo. As preguntas poden pedir realizar unha extensión ou modificación do código, facer un estudo empírico do rendemento con distintas configuracións de paralelismo, describir o seu funcionamento ou comportamento, ou outras preguntas enfocadas en xeral a que o alumno comprenda o problema e a solución de paralelismo aplicada.

* É posible que para algunhas prácticas realícese un cuestionario avaliable moi breve unha vez que todos os alumnos entregasen a práctica.
________________________________________________________________________________
Proba obxectiva * Ao final do cuadrimestre realizarase un exame de avaliación de toda a materia, onde se incluirán principalmente preguntas de desenvolvemento dos conceptos e materia en xeral explicada nas sesións maxistrais.

* De igual forma tamén se poden incluír en menor medida preguntas breves especificamente enfocadas a avaliar a adquisición dos coñecementos chave das prácticas de laboratorio.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Descrición
* A atención personalizada destinarase ao apoio de forma xeral do alumnado ao longo da materia e estenderase sobre todo o temario que se expoña.

* Por unha banda dita atención estará dispoñible para a comprensión/ampliación de conceptos explicados nas sesións maxistrais de teoría, co fin de que ningunha alumna ou alumno teña dificultades na adquisición do coñecemento máis teórico e que será suxeito de avaliación na proba final. Isto é especialmente importante nas fases temperás daquel temario que sexa incremental, ou nos momentos de 'cambio' de temario (e. g., cambio do Bloque I ao Bloque II).

* Por outra banda a atención personalizada tamén estará dispoñible de cara ao alumnado que requira unha atención máis específica para a resolución de incidentes ou dúbidas orixinadas nas prácticas de laboratorio, xa sexan problemas técnicos para realizar ditas prácticas, como dificultades para comprender algún concepto chave delas. Esta atención estará dispoñible ao longo de todo o curso, aínda que se recomenda dirixir calquera dúbida dunha práctica ao longo da duración desta ou poucos días despois da súa finalización.

* Os alumnos con dispensa académica poden pedir, mediante atención personalizada, unha explicación dunha práctica nas mesmas condicións que nas sesións de prácticas ordinarias.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Prácticas de laboratorio A12 B2 B4 B7 B9 B10 C1 * As prácticas estarán suxeitas á avaliación por parte do profesor.

* Cada práctica será presentada e brevemente explicada polo profesor nunha sesión de prácticas, onde ademais o alumnado iniciará a súa realización.

* A entrega da práctica realizarase nunha data acordada. Cada grupo terá a súa data de entrega.

* É posible que para algunhas prácticas a avaliación recaia total ou parcialmente na contestación dun cuestionario unha vez entregada a práctica e nunha data preacordada co alumnado.
______________________________________________________ 		50
Proba obxectiva A12 B2 B4 B7 B9 C1 C4 * Exame escrito realizado ao final do cuadrimestre.

* Avaliaranse principalmente conceptos teóricos explicados nas sesións maxistrais.

* En menor medida tamén se incluirán preguntas sobre conceptos chave das sesións prácticas. 		50
 
Observacións avaliación
  • Para aprobar a materia será necesario obter un mínimo do 40% da nota máxima da proba obxectiva (2 puntos de 5).
  • A nota de prácticas NON É RECUPERABLE para a segunda oportunidade.
  • Os alumnos con matrícula a tempo parcial poderán asistir (previo aviso) a un grupo de prácticas distinto ao que teñan asignado.
  • Os alumnos con matrícula a tempo parcial ou que dispoñan de dispensa académica poderán realizar a súa entrega máis tarde, ou no caso de que se avalíe unha práctica mediante cuestionario, poderán preacordar co profesor unha data distinta se é necesario.

Fontes de información
Bibliografía básica Tomasz Drabas, Denny Lee (2017). Learning PySpark: Build data-intensive applications locally and deploy at scale using the combined powers of Python and Spark 2.0. Packt Publishing
Wes McKinney (2011). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly
Giancarlo Zaccone (2015). Python Parallel Programming Cookbook. Packt Publishing

Bibliografía complementaria Peter S.Pacheco (2011). An introduction to parallel programming. Burlington, MA : Morgan Kaufmann
Francisco Almeida et al. (2008). Introducción a la programación paralela. Madrid : Paraninfo Cengage Learning
Bertil Schmidt et al. (2017). Parallel programming : concepts and practic. Cambridge, MA : Morgan Kaufmann
Jesús Carretero Pérez et al. (2007). Sistemas operativos : una visión aplicada. Madrid : McGraw-Hill


Recomendacións
Materias que se recomenda ter cursado previamente
Deseño e Análise de Algoritmos/614G02011
Fundamentos de Computadores/614G02005
Fundamentos de Programación II/614G02009
Fundamentos de Programación I/614G02004

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Procesamento Paralelo Avanzado/614G02034

Observacións
  • Recoméndase ter unhas competencias básicas/intermedias na programación coa linguaxe Python dado que todas as prácticas realizaranse con esta linguaxe.
  • Recoméndase ter uns coñecementos básicos no uso dun sistema Linux, xestión de procesos e coñecemento de ficheiros e entrada/saída.


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías