Datos Identificativos					2021/22
Asignatura (*)	Procesamento Paralelo			Código	614G02023
Titulación	Grao en Ciencia e Enxeñaría de Datos
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 do título A12 CE12 - Capacidade de coñecer e aplicar os principios fundamentais, principais paradigmas e técnicas da programación paralela e distribuída ao desenvolvemento de algoritmos para o procesamiento e análise masiva de datos. B2 CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo B3 CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética B4 CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado B7 CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. B8 CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. B9 CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. B10 CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. C1 CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. C4 CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe

Resultados de aprendizaxe	Competencias 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	Horas presenciais	Horas non presenciais / 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 C4 C1	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	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 C4 C1	* 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