Guía docente de Big Data I (M51/56/3/35)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- José Manuel Benítez Sánchez
- Ignacio José Blanco Medina
- Juan Miguel Medina Rodríguez
Tutorías
José Manuel Benítez Sánchez
Email- Tutorías 1º semestre
- Martes 10:00 a 13:00 (D31 Etsiit)
- Miércoles 10:00 a 13:00 (D31 Etsiit)
- Tutorías 2º semestre
- Lunes 17:00 a 19:00 (D31 Etsiit)
- Miércoles 16:30 a 17:30 (D31 Etsiit)
- Miércoles 10:00 a 13:00 (D31 Etsiit)
Ignacio José Blanco Medina
Email- Tutorías 1º semestre
- Martes 10:00 a 13:00 (D27 Etsiit)
- Jueves 10:00 a 13:00 (D27 Etsiit)
- Tutorías 2º semestre
- Martes 10:00 a 13:00 (D27 Etsiit)
- Jueves 10:00 a 13:00 (D27 Etsiit)
Juan Miguel Medina Rodríguez
Email- Tutorías 1º semestre
- Miércoles 8:30 a 14:30 (D35 Etsiit)
- Tutorías 2º semestre
- Lunes 10:30 a 11:30 (D35 Etsiit)
- Martes 9:30 a 10:30 (D35 Etsiit)
- Jueves 11:30 a 13:30 (D35 Etsiit)
- Viernes 11:30 a 13:30 (D35 Etsiit)
Breve descripción de contenidos (Según memoria de verificación del Máster)
CloudComputing. Tecnologías para el procesamiento de datos en la nube.
Almacenamiento Masivo de Datos: Datawarehouse, NoSQL, bases de datos no estructuradas.
Prerrequisitos y/o Recomendaciones
- Conocimiento básico del S.O. Linux: uso y acceso remoto a servidores (ssh).
- Conocimientos de programación de ordenadores.
- Conocimientos básicos de bases de datos.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- 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.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
El alumno aprenderá a manejar las tecnologías de cloud computing, y almacenamiento y procesamiento de grandes volúmenes de datos bajo las tecnologías actuales de Big Data tales como Hadoop y Spark, ası́ como su procesamiento en bases de datos. En particular, el alumno:
- Conocerá y manejará la instalación de sistemas de cloud computing, servidores de Big Data bajo el ecosistema Hadoop, ası́ como el diseño de servicios
- Aprenderá a manejar bases de datos NoSQL en la nube.
- Sabrá aplicar las técnicas anteriormente mencionadas para modelar y resolver problemas reales o académicos de big data.
- Conocerá las principales herramientas software existentes para el manejo de informació n en la nube y la tecnologıá big data: HIVE, PIG ...
Programa de contenidos Teóricos y Prácticos
Teórico
- Introducción a Cloud Computing
- Concepto de computación en la nube.
- Niveles de servicios cloud.
- Diseño y despliegue de contenedores.
- Introducción a Big Data.
- Big Data: Almacenamiento de datos masivos
- Introducción a las bases de datos NoSQL.
- Procesamiento y almacenamiento de datos.
- Ecosistema Hadoop.
Práctico
- Introducción a Cloud Computing
- Despliegue de máquinas virtuales y contenedores.
- Aplicaciones de cloud compting: Big Data con Spark.
- Big Data: Almacenamiento de datos masivos
- Uso y aplicación de herramientas de bases de datos NoSQL: MongoDB
- Big Data: Procesamiento.
- Aplicación de Apache Impala.
Bibliografía
Bibliografía fundamental
- R. Buyya, J. Broberg, A. Goscinski, (ed.) “Cloud Computing. Principles and Paradigms”, Wiley, 2011
- K. Chodorow, “MongoDB. The Definitive Guide”, O’Reilly, 2013
- J. Hurwitz, M. Kaufman, F. Halper, R. Bloor, “Cloud Computing for Dummies”, Wiley, 2010
- N. Marz, J. Warren, “Big Data: Principles and best practices of scalable realtime data systems”, Manning, 2014
Bibliografía complementaria
- S.P. Kane, "Docker Up & Running: Shipping Reliable Containers in Production", O'Reilly, 2018.
- H. Karau, et al. "Learning Spark: Lightning-Fast Big Data Analysis", O'Reilly, 2015.
- I. Mell, "Docker in Practice", Manning, 2015.
- K. Morris, "Infrastructure as Code: Managing Servers in the Cloud", O'Reilly, 2015.
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
El método de evaluación consistirá en:
- La parte de Cloud Computing supondrá un 50% de la calificación global de la asignatura y se evaluará mediante cuestionarios o exámenes escritos con múltiples preguntas sobre la materia (25%) y la realización de un trabajo práctico sobre el uso de tecnologías cloud (25%).
- La parte de Almacenamiento de Datos Masivos supondrá un 40% de la calificación global de la asignatura y se evaluará mediante un trabajo práctico. Se le entregará a cada alumno una base de datos para construirla sobre MongoDB y se pedirá que aplique las herramientas estudiadas para responder a una serie de cuestiones planteadas sobre ella.
- La parte de procesamiento mediante Apache Impala supondrá un 10% de la calificación final. Se evaluará mediante un trabajo práctico que consistirá en:
- la selección de un conjunto de datos experimental
- la realización de transformaciones mediante ImpalaQL sobre el conjunto seleccionado.
Para la evaluación, se hará uso de las plataformas docentes y herramientas de trabajo colaborativo proporcionadas por la Universidad de Granada.
Para obtener una calificación en la asignatura, será obligatorio realizar la evaluación de todas las partes de la asignatura y que la calificación global iguale o supere la calificación de 5 sobre 10.
Si no se supera la asignatura en la Convocatoria Ordinaria, el estudiante o la estudiante podrán optar por conservar la calificación de aquella parte o aquellas partes que superen la calificación de 5 sobre 10 para la Convocatoria Extraordinaria.
Evaluación Extraordinaria
El método de evaluación consistirá en:
- La parte de Cloud Computing supondrá un 50% de la calificación global de la asignatura y se evaluará mediante cuestionarios o exámenes escritos con múltiples preguntas sobre la materia (25%) y la resolución de ejercicios prácticos usando herramientas de tecnología cloud (25%).
- La parte de Almacenamiento de Datos Masivos supondrá un 40% de la calificación global de la asignatura y se evaluará mediante un trabajo práctico. Se le entregará a cada alumno una base de datos para construirla sobre MongoDB y se pedirá que aplique las herramientas estudiadas para responder a una serie de cuestiones planteadas sobre ella.
- La parte de procesamiento mediante Apache Impala supondrá un 10% de la calificación final y se evaluará mediante un trabajo práctico que consistirá en:
- la selección de un conjunto de datos experimental
- la realización de transformaciones mediante ImpalaQL sobre el conjunto seleccionado.
Para obtener una calificación en la asignatura, será obligatorio realizar la evaluación de todas las partes de la asignatura y que la calificación global iguale o supere la calificación de 5 sobre 10.
Si fuera el caso de que estudiante que hubiese obtenido una calificación igual o superior a 5 sobre 10 en la evaluación de alguna de las partes referidas anteriormente en la convocatoria ordinaria no tendrá obligación de volver ser evaluado de esa parte en la convocatoria extraordinaria, pudiendo conservar la obtenida en la convocatoria ordinaria.
Para obtener una calificación en la asignatura, será obligatorio obtener calificación en todas las partes de la asignatura y que la calificación global iguale o supere la calificación de 5 sobre 10.
Evaluación única final
Alternativamente a la evaluación continua, el alumno puede optar por la evaluación única final según lo dispuesto en la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada (http://secretariageneral.ugr.es/pages/normativa/ugr/ncg7121). Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura, lo solicitará al Coordinador del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluació n continua.
La evaluación única final se realizará en un solo acto académico. Dicha prueba (evaluada de 0 a 10) incluirá pruebas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta guıá docente.