Datos Identificativos 2024/25
Asignatura (*) Intelixencia computacional para datos de alta dimensionalidade Código 614522024
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Segundo Obrigatoria 3
Idioma
Castelán
Galego
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Eiras Franco, Carlos
Correo electrónico
carlos.eiras.franco@udc.es
Profesorado
Eiras Franco, Carlos
Correo electrónico
carlos.eiras.franco@udc.es
Web http://moodle.udc.es
Descrición xeral Nesta materia traballarase nos fundamentos e aplicación práctica das bases de datos de alta dimensión e na aplicación de técnicas de minería de datos no ámbito da bioinformática

Competencias / Resultados do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Coñecer e comprender os paradigmas e aspectos máis relevantes do tratamento de bases de datos de alta dimensión AP2
AP3
AP4
AP6
BP1
BP2
BP3
BP6
BP7
CP1
CP3
CP6
Coñecer e saber aplicar os principais métodos de minería de datos; coñecer as plataformas e as paradigmas principais que se empregan no campo. AP2
AP3
AP4
AP6
BP1
BP2
BP3
BP6
BP7
CP1
CP3
CP6

Contidos
Temas Subtemas
Introducción ao Big data. Qué é Big Data
Principais características do Big data
Principais campos de aplicación
Modelos e contornas de xestión Big Data
Privacidade e seguridade
Minería de datos e alta dimensión Analítica Big data
Técnicas de preprocesado
MapReduce
Computación e xestión de datos en cloud para Big Data Hadoop
Resilient Distributed datasets
Programación batch en Spark
Big Data e tempo real

Conceptos básicos
Kafka, Apache Storm, Spark streaming

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A4 C1 C6 12 24 36
Traballos tutelados A2 A3 A4 A6 B3 B6 C1 C3 4 8 12
Prácticas a través de TIC B1 B2 B7 6 18 24
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Empregada durante as clases presenciais teóricas para expor o núcleo básico de coñecementos que logo os alumnos terán que saber utilizar e ampliar nas prácticas.
Traballos tutelados Elaboración de traballos aplicados que empreguen as tecnoloxías e técnicas vistas na teoría.
Prácticas a través de TIC Desenvolvemento de sistemas baseados nos conceptos vistos na teoría.

Atención personalizada
Metodoloxías
Traballos tutelados
Sesión maxistral
Descrición
As titorias considéranse unha parte importante dentro do desenvolvemento da asignatura. Están orientadas de tal maneira que os/as estudantes teñan e/ou poidan consultar distintas cuestións como:
1. Dúbidas respecto a conceptos explicados nas clases teóricas.
2. Problemas no desenvolvemento das prácticas
3. Maneiras de enfocar/organizar as prácticas
4. Resolución de dubidas sobre as cuestións teóricas

A resolución de dúbidas e cuestións farase nas horas de clase ou nas horas establecidas como titorías de cada profesor.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Traballos tutelados A2 A3 A4 A6 B3 B6 C1 C3 Cada un dos traballos tutelados avaliarase cun cuestionario que se realizará inmediatamente despois de elaborar dito traballo e abranguerá tanto os aspectos prácticos como teóricos. 50
Prácticas a través de TIC B1 B2 B7 Cada unha das prácticas avaliarase cun cuestionario que se realizará inmediatamente despois de elaborar dito traballo e abranguerá tanto os aspectos prácticos como teóricos. 50
 
Observacións avaliación
Será necesario acadar unha nota igual ou superior a 5 no global da asignatura para superala. A calificación global calcularase como a media das avaliacións de cada un dos traballos tutelados.

Un/unha estudiante considerarase presentado/a nunha convocatoria se realiza a proba de avaliación dalgún traballo tutelado.

Segunda oportunidade e convocatorias posteriores
Na segunda oportunidade, poderanse volver a realizar as probas de avaliación dos traballos tutelados. Aqueles traballos para os que non se realice a proba, mantenrán a calificación obtida na primeira oportunidade.

No caso de suspender a asignatura, non se conservará a calificación de ningún dos traballos tutelados para cursos posteriores.

Matrícula con dispensa académica
Os/as estudiantes con matrícula con dispensa académica deberán realizar as probas de avaliación dos traballos tutelados nas datas establecidas. É responsabilidade de ditos/as estudiantes poñer en coñecimiento do profesor a súa circunstancia.


Fontes de información
Bibliografía básica Venkat Ankam (2016.). Big Data Analytics. Packt Publishing
Thilina Gunarathne (2015). Hadoop MapReduce v2 Cookbook. Packt Publishing
Tom White (2015). Hadoop: The Definitive Guide. O'Reilly Media
Vladimir Bacvanski. (2015). Introduction to Big Data An Overview of Fundamental Big Data Concepts, Tools, Techniques and Practices.. O'Reilly Media
Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia (2015). Learning Spark. O'Reilly Media
Sean T. Allen, Matthew Jankowski, and Peter Pathirana (2015). Storm Applied. . O'Reilly Media

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Intelixencia computacional para bioinformática/614522012
Métodos estatísticos avanzados en bioinformática/614522009
Computación de altas prestacións en bioinformática/614522011
Introdución á programación/614522001
Fundamentos de intelixencia artificial/614522003

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)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