Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Sociedade 5.0
O alumno será capaz de:
- Identificar as principais arquitecturas Big Data para IoT para aplicacións da Sociedade 5.0 e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (S-CN6)
- Aplicar técnicas estatísticas a conxuntos de datos IoT a gran escala e para aplicacións da Sociedade 5.0. (S-HB2)
- Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións da Sociedade 5.0. (S-CP4)
|
AI43 AI60 AI76
|
|
|
IoT Industrial
- Coñecer e comprender as principais arquitecturas Big Data para IIoT e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (I-CN1)
- Aplicar técnicas estatísticas a conxuntos de datos IIoT a gran escala. (I-HB1)
- Deseñar e despregar sistemas de procesado de datos IIoT a gran escala. (I-CP1)
|
AI44 AI63 AI78
|
|
|
Vehículo Conectado
- Coñecer e comprender as principais arquitecturas Big Data para aplicacións de vehículo conectado e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión. (V-CN1)
- Aplicar técnicas estatísticas a datos a gran escala en aplicacións IoT do vehículo conectado. (V-HB1)
- Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións do vehículo conectado. (V-CP3) |
AI51 AI69 AI84
|
|
|
Competencias da titulación que se traballan (ver memoria título):
- Obrigatorias: CMP6, CMP11, CMP13.
- Específicas: S-CP4, I-CP1, V-CP3 |
AI6 AI11 AI13 AI43 AI44 AI51
|
|
|
Contidos |
Temas |
Subtemas |
Introdución ás arquitecturas Big Data para IoT en contornas da Sociedade 5.0/IIoT/Vehículo conectado. |
- Arquitecturas de referencia
- Protocolos de comunicación y de servicios |
Técnicas estatísticas para datos IoT a gran escala en contornas da Sociedade 5.0/IIoT/Vehículo conectado. |
- Análise exploratoria
- Análise de series temporais
- Análise de datos funcionais |
Almacenamento e xestión de tarefas en arquitecturas Big Data para IoT en contornas da Sociedade 5.0/IIoT/Vehículo conectado. |
- Plataformas de xestión da información
- Dispositivos móbiles como sensores de datos |
Procesado de datos IoT a gran escala en contornas da Sociedade 5.0: procesado en lotes e streaming/IIoT/Vehículo conectado. |
- Sistemas de adquisición e xestión de datos
- Casos de uso |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Presentación oral |
A6 A11 A13 |
10 |
16 |
26 |
Prácticas a través de TIC |
A6 A11 A13 A43 A44 A51 A76 A78 A84 |
9 |
23 |
32 |
Proba mixta |
A6 A11 A13 A43 A44 A51 A60 A63 A69 A76 A78 A84 |
1 |
4 |
5 |
Traballos tutelados |
A60 A63 A69 |
4 |
7 |
11 |
|
Atención personalizada |
|
1 |
0 |
1 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Presentación oral |
Clases teóricas, nas que se expón o contido de cada tema. O alumno dispoñerá de copias das transparencias con anterioridade e o profesor promoverá unha actitude activa, realizando preguntas que permitan aclarar aspectos concretos e deixando cuestións abertas para a reflexión do alumno.
Clases teóricas: impartidas polo profesor e exposición de seminarios. Competencias traballadas: CMP6, S-CP4, I-CP1, V-CP3.
|
Prácticas a través de TIC |
Clases prácticas na aula de informática, que permiten ao alumno familiarizarse desde un punto de vista práctico coas cuestións expostas nas clases teóricas.
Clases prácticas de laboratorio, resolución de problemas e casos prácticos. Competencias traballadas: CMP6, S-CP4, I-CP1, V-CP3.
|
Proba mixta |
Proba de conceptos teóricos e/ou exercicios prácticos. |
Traballos tutelados |
Actividades formativas de carácter presencial e a súa relación coas competencias da titulación
Actividades formativas de carácter non presencial e a súa relación coas competencias da titulación:
- Traballo persoal do alumno: consulta de bibliografía, estudo autónomo, desenvolvemento de actividades programadas, preparación de presentacións e traballos. Competencias traballadas: CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3.
|
Atención personalizada |
Metodoloxías
|
Prácticas a través de TIC |
Traballos tutelados |
|
Descrición |
Solución de problemas
Asistencia e participación nas clases teóricas |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Proba mixta |
A6 A11 A13 A43 A44 A51 A60 A63 A69 A76 A78 A84 |
Examen final. Nesta parte avaliaranse implícita ou explicitamente as competencias CMP6, S-CP4, I-CP1, V-CP3. |
40 |
Prácticas a través de TIC |
A6 A11 A13 A43 A44 A51 A76 A78 A84 |
Os alumnos abordarán a resolución de diversos problemas propostos na aula de informática. Deberán realizar traballos nos que se presenten os resultados obtidos. Varios destes traballos serán de entrega obrigatoria e outros opcionais, que permitirán subir a nota. Todos os traballos deberán ser entregados antes das datas que se especificarán e deberán cumprir uns requisitos mínimos de calidade para ser tidos en consideración. Valorarase o grao de cumprimento das especificacións, a metodoloxía e rigorosidade e a presentación de resultados. Nesta parte avaliaranse implícita ou explicitamente as competencias CMP6, S-CP4, I-CP1, V-CP3. |
40 |
Traballos tutelados |
A60 A63 A69 |
Competencia avaliada CMP11, CMP13, CMP6, S-CP4, I-CP1, V-CP3 |
20 |
|
Observacións avaliación |
Sistema
de avaliación da aprendizaxe
Oportunidade ordinaria:
Contribución á nota final e criterios de avaliación:
- Exame final: 40%
Nesta parte avaliaranse implícita ou explicitamente as competencias CMP6,
S-CP4, I-CP1, V-CP3.
- Avaliación de traballos práctico: 40% da nota
Os alumnos abordarán a resolución de diversos problemas propostos na aula de
informática. Deberán realizar traballos nos que se presenten os resultados
obtidos. Varios destes traballos serán de entrega obrigatoria e outros
opcionais, que permitirán subir a nota. Todos os traballos deberán ser
entregados antes das datas que se especificarán e deberán cumprir uns
requisitos mínimos de calidade para ser tidos en consideración. Valorarase o
grao de cumprimento das especificacións, a metodoloxía e rigorosidade e a
presentación de resultados. Nesta parte avaliaranse implícita ou
explicitamente as competencias CMP6, S-CP4, I-CP1, V-CP3.
- Avaliación de traballos tutelados: 20% Competencia avaliada CMP11, CMP13,
CMP6, S-CP4, I-CP1, V-CP3
Para superar a materia, debe conseguirse unha puntuación total de 5 ou
superior. É imprescindible para aprobar entregar todas as prácticas indicadas
como obrigatorias.
Condición para cualificación de Non Presentado: non presentar ningunha
práctica.
Os alumnos que non sexan de nova matrícula non conservan notas de cursos
anteriores.
Oportunidade de recuperación (xullo) e extraordinaria:
A valoración será igual que na oportunidade ordinaria. Os alumnos que non
entregaron os traballos propostos ao longo do cuadrimestre deberanos entregar
antes da data establecida.
Condición para cualificación de Non Presentado: non presentar ningunha
práctica.
No caso de realización fraudulenta de
exercicios ou probas, será de aplicación o recollido na Normativa de
avaliación do rendemento académico dos estudantes e de revisión de
cualificacións.
En aplicación da Normativa sobre plaxio, a copia total ou parcial dalgún exercicio de prácticas ou
teoría suporá o suspenso nas dúas oportunidades do curso, coa cualificación
de 0,0 en ambos casos.
|
Fontes de información |
Bibliografía básica
|
T. White (2015). Hadoop: The Definitive Guide. O'Reilly
Luraschi, J., Kuo, K., Ruiz, K. (). Mastering Spark with R. O’Reilly
B. Chambers, M. Zaharia, Spark (2018). Spark: The Definitive Guide. O'Reilly |
|
Bibliografía complementaria
|
Grolemund, G. y Wickham, H (2016). R for Data Science. O’Reilly
Hyndman, R. J. & Athanasopoulos, G. (2018). Forecasting: Principles and Practice. OTexts
Ramsay, J. O., & Silverman, B. W. (2005). Functional Data Analysis. Springer |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Aprendizaxe Automático/614557009 | Computación na Nube para IoT/614557003 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
Observacións |
- Segundo se recolle nas distintas normativas de
aplicación para a docencia universitaria, deberase incorporar a
perspectiva de xénero nesta materia (usarase linguaxe non sexista,
utilizarase bibliografía de autores/as de ambos sexos, propiciarase a
intervención en clase de alumnos e alumnas, etc.)
- Traballarase para identificar e modificar
prexuízos e actitudes sexistas e influirase na contorna para modificalos e
fomentar valores de respecto e igualdade.
- Deberanse detectar situacións de discriminación
por razón de xénero e proporanse accións e medidas para corrixilas.
|
|