| Competencias / Resultados do título |
| Código | Competencias / Resultados do título |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias / Resultados do título | ||
| Identificar e saber afrontar os problemas máis frecuentes relacionados coa explosión de datos, coñecidos como as "Vs do Big Data" e como algúns deles afectan á aplicación de técnicas de Aprendizaxe Automática. | A25 |
B2 B9 B10 |
C1 C4 |
| Coñecer os métodos e técnicas máis representativos e actuais de preprocesado de datos para tratar grandes volumes de datos. | A24 A25 A26 |
B9 |
C1 |
| Coñecer os métodos e técnicas máis representativas e actuais de Aprendizaxe Automática en contornas afectadas por problemas como o volume, a velocidade ou a privacidade dos datos. | A24 A25 A26 |
B3 B10 |
C1 C4 |
| Saber manexar as ferramentas e contornas de traballo máis actuais no ámbito da aprendizaxe automática para tratar grandes volumes de datos. | A24 |
B2 B4 B7 |
C1 |
| Coñecer técnicas para a representación visual de datos complexos e saber utilizar ferramentas de visualización de datos para poder comunicar eficazmente os resultados das análises realizadas. | A24 A26 |
B2 B3 B4 B7 B8 B9 B10 |
C1 |
| Coñecer técnicas analíticas e escalables baseadas en grafos. | A24 A26 |
B2 B8 B9 B10 |
C1 |
| Contidos |
| Temas | Subtemas |
| Problemáticas da análise de datos en contornas "Big Data" | |
| Tratamento e visualización de grandes volumes de datos | Técnicas de visualización Técnicas de preprocesado de datos |
| Aprendizaxe distribuída | |
| Aprendizaxe federada | Aprendizaxe na contorna Preservación da privacidade |
| Tratamento de datos en continuo | Aprendizaxe incremental Aprendizaxe en tempo real Problemas de cambio de concepto |
| Analítica de datos baseada en grafos |
| Planificación | ||||
| Metodoloxías / probas | Competencias / Resultados | Horas lectivas (presenciais e virtuais) | Horas traballo autónomo | Horas totais |
| Solución de problemas | A24 A25 A26 B2 B4 B7 B10 C1 C4 | 0 | 40 | 40 |
| Proba obxectiva | A24 A25 A26 B2 B3 B8 B9 | 3 | 0 | 3 |
| Prácticas de laboratorio | A24 A25 A26 B2 B3 B7 B9 B10 C1 | 21 | 21 | 42 |
| Sesión maxistral | A25 A26 B2 B3 B8 B9 | 21 | 42 | 63 |
| Atención personalizada | 2 | 0 | 2 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Solución de problemas | Desenvolveranse exemplos e exercicios nos que o alumnado terá que aplicar os coñecementos teóricos da materia a casos concretos. Garantirase a interactividade, resolvendo as dúbidas plantexadas polo alumnado, animando a contrastar as súas solucións e expor cuestións relevantes. Parte dos problemas realizados serán avaliados. |
| Proba obxectiva | Levarase a cabo unha avaliación da materia mediante unha proba que incluirá tanto preguntas sobre os contidos teóricos, como supostos prácticos e exercicios de aplicación relacionados cos distintos temas vistos na materia. |
| Prácticas de laboratorio | Desenvolveranse exemplos e exercicios nos que o alumnado terá que aplicar os coñecementos teóricos da materia a casos concretos. Garantirase a interactividade, resolvendo as dúbidas plantexadas polo alumnado, animando a contrastar as súas solucións e expor cuestións relevantes. Parte dos problemas realizados serán avaliados. |
| Sesión maxistral | Clases maxistrais onde se expoñerán os conceptos teóricos da materia, sen perder nunca de vista exemplos de aplicación para motivar e contextualizar os contidos da materia. Fomentarase a interactividade en clase mediante a formulación de preguntas e utilizaranse distintos recursos como transparencias ou demostracións. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias / Resultados | Descrición | Cualificación |
| Solución de problemas | A24 A25 A26 B2 B4 B7 B10 C1 C4 | Valoraranse os resultados, forma e condicións de realización de diversos traballos puntuables que se detallarán durante o curso. Algunhas das sesións estarán dedicadas á revisión dos traballos entregados e se realizarán preguntas sobre os mesmos. A asistencia a estas sesións é de carácter obrigatoria, no caso contrario o efecto será o mesmo que a non entrega da práctica. | 40 |
| Proba obxectiva | A24 A25 A26 B2 B3 B8 B9 | Realización obrigatoria. Avaliarase o dominio dos coñecementos teóricos e operativos da materia. | 60 |
| Prácticas de laboratorio | A24 A25 A26 B2 B3 B7 B9 B10 C1 | Son obrigatorias para poder aprobar os traballos da solución de problemas e inflúen na cualificación final destes, pero non se puntúan á marxe da nota outorgada á solución de problemas. | 0 |
| Observacións avaliación | |||
|
Para poder aprobar a materia o estudante deberá cumprir os seguintes requisitos (puntuación entre 0 e 10 en todas as actividades): - Lograr unha nota superior ou igual a 4 na proba mixta final realizada ao final do cuadrimestre. - Lograr unha nota superior ou igual a 5 ao realizar a suma de todas as probas de avaliación. Avaliación no caso da convocatoria adiantada - No caso de que o alumnado solicite e asista á convocatoria adiantada, o 50% da súa nota será a proba mixta (exame final) e o outro 50% o traballo tutelado. O traballo tutelado deberá entregarse como data límite o mesmo día do exame oficial da convocatoria adiantada. Para aprobar a materia, o alumnado debe cumprir os requisitos mencionados anteriormente. Sobre a responsabilidade - Nas - O traballo entregado deberá ser orixinal do grupo. De acordo ao Artigo 11, Apartado 4 b), do Regulamento disciplinar do estudantado da UDC, a entrega de traballos non orixinais ou con partes duplicadas (sexa por copias entre compañeiros/as, por obtención doutras fontes, etc.) conlevará a calificación de SUSPENSO con 0 puntos nesa convocatoria completa tanto para o grupo que presente material copiado como para o grupo que o facilitase. Matrícula a tempo parcial - Non presentado - Únicamente terá a condición de “Non presentado” quen non entregue actividade algunha nin concorra á proba obxectiva. NOTA: Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC. |
|||
| Fontes de información |
| Bibliografía básica |
Bill Chambers and Matei Zaharia (2018). Spark : the definitive guide :big data processing made simple . Sebastopol, CA : O'Reilly Media, Inc.
Jules S. Damji, Brooke Wenig, Tathagata das, and Denny Lee (2020). Learning Spark : Lightning-fast big data analytics. Sebastopol, CA : O'Reilly |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | ||||
| Materias que se recomenda ter cursado previamente | ||||
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |
|
* No caso de discrepancia da información proporcionada polas guías docentes en galego e castelán, prevalece o documento correspondente ao idioma institucional (galego) RECOMENDACIÓNS EN IGUALDADE DE XÉNERO E DIVERSIDADE - Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia, polo que os traballos entregados polo estudantado e o material preparado polo profesorado deben usar linguaxe non sexista. - Fomentaranse valores de respecto e igualdade, evitando deste xeito prexuízos e actitudes sexistas e discriminatorias. - Facilitarase a integración do alumnado que por razón físicas, sensoriais, psíquicas ou socioculturais, experimenten dificultades a un acceso axeitado, igualitario e proveitoso á vida universitaria. RECOMENDACIÓNS EN SOSTIBILIDADE E MEDIO AMBIENTE - Débese facer un uso sostible dos recursos e a prevención de impactos negativos sobre o medio natural. - Débese ter en conta a importancia dos principios éticos relacionados cos valores da sostibilidade nos comportamentos persoais e profesionais. |