Datos Identificativos 2019/20
Asignatura (*) Análisis de Datos con HPC Código 614973108
Titulación
Mestrado Universitario en Computación de Altas Prestacións / High Performance Computing (Mod. Virtual)
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
 Primero Optativa 6
Idioma
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Departamento profesorado máster
Enxeñaría de Computadores
Coordinador/a
López Taboada, Guillermo
 Correo electrónico
guillermo.lopez.taboada@udc.es
Profesorado
López Taboada, Guillermo
Rodríguez Álvarez, Gabriel
 Correo electrónico
guillermo.lopez.taboada@udc.es
gabriel.rodriguez@udc.es
Web http://aula.cesga.es
Descripción general A cantidade cada vez maior de información accesible a través de Internet fai que o procesamento eficiente de grandes cantidades de datos sexa cada vez de maior interese. Isto levou ao desenvolvemento de novas técnicas de almacenamento e procesamento de inxentes cantidades de información, denominadas técnicas Big Data, que se adaptan de forma natural aos sistemas distribuídos.

Competencias del título
Código Competencias del título
A1 CE1 - Definir, evaluar y seleccionar la arquitectura y el software más adecuado para la resolución de un problema
A2 CE2 - Analizar y mejorar el rendimiento de una arquitectura o un software dado
B1 CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B2 CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B6 CG1 - Ser capaz de buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo
B8 CG3 - Ser capaz de mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo
B10 CG5 - Ser capaz de trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones.
C1 CT1 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida
C4 CT4 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
El alumno será capaz de seleccionar, instalar, configurar y gestionar el software básico para el procesamiento de datos masivos. AP1
AP2
 BP2
BP6
BP8
BP10
 CP1
El alumno será capaz de implementar códigos en algún lenguaje especializado en el procesamiento de datos masivos. AP2
 BP1
BP2
BP10
 CP1
El alumno conocerá y aprenderá a utilizar algunas de las herramientas disponibles para Data Engineering (en particular, par Ingesta/Almacenamiento/Procesado/Visualización). AP1
AP2
 BP1
BP2
 CP1
CP4
El alumno adquirirá la habilidad necesaria para la búsqueda, selección y manejo de recursos (bibliografía, software, etc.) relacionados con Big Data. AP1
AP2
 BP1
BP6
 CP1
CP4

Contenidos
Tema Subtema
1. Introducción a Data Engineering 1.1 HPC vs Big Data: similitudes y diferencias en el tratamiento de datos
1.2 Tecnologías Hardware y Software para High Performance Data Engineering
1.3 Data Engineering en infraestructuras HPC vs entornos Cloud
2 Etapas de Data Engineering 2.1 Modelado (Formatos, Compresión, Diseño de Esquemas)
2.2 Ingesta (Periodicidad, Transformaciones, Herramientas)
2.3 Almacenamiento (HDFS y BBDD NoSQL, HBase, MongoDB, Cassandra)
2.4 Procesado (Batch, Real-Time)
2.5 Orquestación
2.6 Análisis (SQL, Machine Learning, Graphs, UI)
2.7 Gobernanza
2.8 Integración con BI (Visualización)
3 Introducción a Analítica de Datos 3.1 Exploratory Data Analytics
3.2 Introducción a Machine Learning
4 Casos de Uso 4.1 Aplicaciones en Internet de las Cosas (entornos Smart e Industria 4.0)
4.2 Aplicaciones en ciencias e ingeniería

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Lecturas A1 A2 B1 B6 C4 0 18 18
Prácticas de laboratorio B1 B8 B10 0 80 80
Trabajos tutelados A1 A2 B1 B2 B8 0 45 45
Discusión dirigida B6 C1 C4 4 2 6
 
Atención personalizada 1 0 1
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Lecturas Instrucción programada a través de materiales docentes.
Prácticas de laboratorio Resolución de problemas y casos prácticos.
Trabajos tutelados Realización de prácticas de mayor entidad de forma semiautónoma, guiados por los profesores de la asignatura.
Discusión dirigida Orientación para la realización de los trabajos individuales o en grupo, resolución de dudas y actividades de evaluación continua.

Atención personalizada
Metodologías
Prácticas de laboratorio
Trabajos tutelados
Discusión dirigida
Descripción
Durante las prácticas de laboratorio, trabajos tutelados, y discusiones dirigidas, los estudiantes podrán presentar preguntas, dudas, etc. El profesor, atendiendo a sus solicitudes, repasará conceptos, resolverá nuevos problemas o utilizará cualquier actividad que considere adecuada para resolver las cuestions planteadas.

Evaluación
Metodologías Competéncias Descripción Calificación
Prácticas de laboratorio B1 B8 B10 Evaluación de las prácticas llevadas a cabo por los estudiantes. 40
Trabajos tutelados A1 A2 B1 B2 B8 Evaluación de los trabajos tutelados desarrollados por los estudiantes. 50
Discusión dirigida B6 C1 C4 Seguimiento continuo y objetivable de una participación activa. 10
 
Observaciones evaluación

Primera oportunidad (ordinaria - mayo):

  • Realización de prácticas: 40%
  • Trabajos académicamente dirigidos: 50%
  • Seguimiento continuo y objetivable de una participación activa: 10%

Segunda oportunidad (extraordinaria - junio/julio):

  • Realización de prácticas: el alumno conservará la nota obtenida en este apartado en la convocatoria ordinaria, ya que para la convocatoria extraordinaria no se planifican nuevas actividades. 40% de la nota final.
  • Evaluación de trabajos académicamente dirigidos: será preciso presentar los trabajos académicamente dirigidos que no se hubieran presentado en la convocatoria ordinaria y se volverán a presentar, tras las modificaciones oportunas indicadas por los profesores, aquellos que no hubiesen recibido una calificación mínima necesaria para aprobar en dicha convocatoria. 50% de la nota final.
  • Seguimiento continuo y objetivable de una participación activa: el alumno conservará la nota obtenida en este apartado en la convocatoria ordinaria, ya que para la convocatoria extraordinaria no se planifican nuevas actividades. 10% de la nota final.

No presentado:

Se considerará no presentado al alumno que no entregue ninguna práctica ni trabajo académicamente dirigido.

Fuentes de información
Básica Tom White (2015). Hadoop: The Definitive Guide. O'Reilly (4ª ed.)
Wes McKinney (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly (2ª ed.)

Complementária Alex Holmes (2014). Hadoop in practice. Manning (2ª ed.)


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios

Recomendacionens para el estudio de la materia

Debido al fuerte componente práctico es recomendable ir haciendo las actividades prácticas y trabajos académicamente dirigidos de forma regular a lo largo del cuatrimestre.

El conocimiento del inglés tanto hablado como escrito es imprescindible dado que la bibliografía y las conferencias externas pueden desarrollarse en inglés.

Observaciones

Se hará un uso intensivo de herramientas de comunicación online: videoconferencia, chat, etc. Las sesiones presenciales serán grabadas para u revisión posterior. Además, se hará uso de la herramienta Aula CESGA para la distribución de contenidos, creación de foros de discusión, etc...

Las herramientas software utilizadas en esta materia son generalmente open-source o disponen de licencia gratuita para estudiantes. 


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías