| 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 procesamento 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 |
| Tema 1 - Introducción e conceptos previos | * Programa secuencial e Proceso * Anatomía e ciclo de vida dun proceso * Fíos * Programa paralelo * Utilidades do paralelismo |
| Tema 2 - Paralelismo en Hardware, xerarquía do paralelismo | * Niveis de paralelismo * Paralelismo interno do procesador (agochado) * Funcionalidades do procesador (paralelismo baixo nivel) * Recursos accesibles do procesador (paralelismo alto nivel) * Conxunto de máquinas (Cluster e Supercomputador) * Redes distribuidas de Computación * Dispositivos específicos * Estado del arte de los procesadores |
| Tema 3 - Paralelismo en Software, diseño e implementación | * Clasificación do paralelismo (Taxonomía de Flynn) * Linguaxes e frameworks do paralelismo * Conceptos chave * Paradigmas do procesamento paralelo * Análise de programas paralelos * Deseño de programas paralelos |
| Tema 4 - Tecnoloxías Big Data | * Almacenamiento de datos * Xestión de recursos e a ejecución * Procesamento Batch * Procesamento Streaming |
| 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 C1 C4 | 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 |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas de laboratorio | A12 B2 B4 B7 B9 B10 C1 | * Todas 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 previamente comunicada. ______________________________________________________ |
50 |
| Proba obxectiva | A12 B2 B4 B7 B9 C1 C4 | * 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 | |||
|
|||
| Fontes de información |
| Bibliografía básica |
Francisco Almeida et al. (2008). Introducción a la programación paralela. Madrid : Paraninfo Cengage Learning
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
Giancarlo Zaccone (2015). Python Parallel Programming Cookbook. Packt Publishing
Jesús Carretero Pérez et al. (2007). Sistemas operativos : una visión aplicada . Madrid : McGraw-Hill |
|
|
|
| Bibliografía complementaria |
Peter S.Pacheco (2011). An introduction to parallel programming. Burlington, MA : Morgan Kaufmann
Bertil Schmidt et al. (2017). Parallel programming : concepts and practic. Cambridge, MA : Morgan Kaufmann
Wes McKinney (2011). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly |
|
|
| Recomendacións | ||||
| Materias que se recomenda ter cursado previamente | ||||
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario | |
|
| Observacións | |
|