Datos Identificativos 2022/23
Asignatura (*) Xestión de Datos en Escenarios Intelixentes Código 614G02041
Titulación
Grao en Ciencia e Enxeñaría de Datos
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Cuarto Optativa 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Enxeñaría de Computadores
Coordinación
Gonzalez Lopez, Miguel
Correo electrónico
miguel.gonzalez.lopez@udc.es
Profesorado
Gonzalez Lopez, Miguel
Correo electrónico
miguel.gonzalez.lopez@udc.es
Web
Descrición xeral O obxectivo é presentar as arquitecturas, aplicacións e servizos de xestión de datos en escenarios intelixentes prácticos.

Competencias do título
Código Competencias do título
A11 CE11 - Capacidade para coñecer, despregar, configurar e utilizar infraestruturas distribuídas de altas prestacións para o almacenamento, procesamento e análise masiva de datos.
A13 CE13 - Coñecemento e aplicación das características, funcionalidades e estrutura de Internet e as redes de computadores.
A15 CE15 - Capacidade de dar solución a problemas de integración en función das estratexias, estándares e tecnoloxías dispoñibles.
A23 CE23 - Coñecemento e capacidade de aplicación dos conceptos, metodoloxías e tecnoloxías de procesado de audio, imaxe e vídeo en diferentes formatos.
A25 CE25 - Capacidade para identificar a adecuación de cada unha das técnicas de aprendizaxe automática á resolución dun problema, incluíndo os aspectos relacionados coa súa complexidade computacional ou a súa capacidade explicativa, de acordo aos requisitos establecidos.
A27 CE27 - Compresión e dominio de fundamentos e técnicas básicas para a procura e o filtrado de información en grandes coleccións de datos.
A28 CE28 - Comprensión e dominio dos fundamentos e técnicas para o procesado de datos escritos, tanto en linguaxe formal como en linguaxe natural.
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 as arquitecturas de xestión de datos en escenarios intelixentes- A13
A28
B3
B4
Coñecer as aplicacións de xestión de datos en escenarios intelixentes A25
B8
Coñecer a provisión de servizos de intelixencia en escenarios prácticos mediante o uso de técnicas e métodos de ciencia e enxeñaría de datos. A11
A15
A23
A27
B2
B7
B9
B10
C1
C4

Contidos
Temas Subtemas
1. Datos intelixentes (smart) e datos masivos (big data) 1.1 Datos intelixentes (smart).
1.2 Datos masivos (big data).
2. Escenarios intelixentes 2.1 Cidades intelixentes.
2.2 Industria intelixente.
3. Arquitecturas TIC para escenarios intelixentes 3.1 Capa de fontes de datos
3.2 Capa de inxesta, procesado e filtrado de datos
3.3 Capa de almacenamento de datos
3.4 Capa de análisis de datos
3.5 Capa de publicación e visualización
3.6 Capa de comunicacións
3.7 Capa de autenticación, autorización e control de acceso
4. Exemplos de arquitecturas TIC para escenarios intelixentes 4.1 Exemplos.
5. Desenvolvemento de aplicacións en escenarios intelixentes 5.1 Aplicacións sensibles ao contexto.
5.2 Conexión coa Internet das Cousas (IoT).
5.3 Procesado de eventos complexos en tempo real.
5.4 Autenticación, autorización e control de acceso.
5.5 Datos abertos.
5.6 Análisis de big data.
5.7 Aplicacións dashboard.
5.8 Procesado de flujos multimedia en tiempo real
5.9 Experiencia de usuario avanzada. Visualización 3D y realidad aumentada
5.10 Implantación en la nube


Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A11 A13 A15 A23 A25 A28 C4 21 51 72
Prácticas a través de TIC A11 A13 A15 A23 A25 A27 B2 B3 B4 B7 B8 B9 B10 C1 21 51 72
Proba mixta A11 A13 A15 A23 A25 A27 A28 B2 B3 B4 B7 B8 B9 B10 C1 C4 3 0 3
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Sesións expositivas de teoría, así coma de exemplos e problemas ilustrativos da materia.
Prácticas a través de TIC Explicación e seguimento de prácticas TIC sobre os contidos da asignatura. Utilizarase a plataforma FIWARE.
Proba mixta O contido das sesións maxistrais avaliarase mediante o examen final.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas a través de TIC
Descrición
Resolución de dúbidas sobre as sesións maxistrais e as prácticas da asignatura.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas a través de TIC A11 A13 A15 A23 A25 A27 B2 B3 B4 B7 B8 B9 B10 C1 Avaliarase mediante as memorias de traballo sobre as prácticas realizadas polo/la alumno/a. As datas de entrega das distintas memorias de prácticas estarán espaciadas ao longo do cuadrimestre. 50
Proba mixta A11 A13 A15 A23 A25 A27 A28 B2 B3 B4 B7 B8 B9 B10 C1 C4 O contido das sesións maxistrais avaliarase mediante o examen final. 50
 
Observacións avaliación

Avaliación no caso de alumnos a tempo parcial: igual que no caso xeral.

Na segunda oportunidade só se realizará un examen final correspondente ás sesións maxistrais. A nota de prácticas será a obtenida durante o curso mediante a avaliación continua do traballo do/da estudante.

A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso '0' na materia na oportunidade correspondente.


Fontes de información
Bibliografía básica Marz, Nathan; Warren, James (2013). Big Data: Principles and best practices of scalable realtime data systems. Manning Publications
(). https://www.fiware.org/.

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Procesamento Paralelo/614G02023
Bases de Datos Analíticas/614G02025
Modelaxe de Bases de Datos/614G02016

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)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