Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
Año Académico: 2014/2015
| Código: 72973 | Asignatura: Computación avanzada y sus aplicaciones a ingeniería | ||||
| Créditos: 6 | Tipo: Obligatoria | Curso: 1 | Periodo: º | ||
| Departamento: | |||||
| Profesorado: | |||||
| JURIO MUNARRIZ, MARIA ARANZAZU [Tutorías ] | |||||
Descripción/Contenidos
En esta asignatura se van a estudiar diferentes aspectos del tema conocido como Big Data. Para ello veremos en qué consiste, cómo trabajar con grandes cantidades de datos y su relación con la computación en la nube.
Competencias genéricas
- CG8 - Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.
- 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.
- 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.
- 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.
Competencias específicas
- CMTI7 - Capacidad para comprender y poder aplicar conocimientos avanzados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería.
- CMTI9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.
Metodología
|
Metodología - Actividad
|
Horas Presenciales
|
Horas no presenciales
|
|
A-1 Clases expositivas/participativas
|
25 |
0
|
|
A-2 Prácticas
|
25 | 10 |
|
A-3 Debates, puestas en común, tutoría grupos
|
2
|
0
|
|
A-4 Elaboración de trabajo
|
6
|
24 |
|
A-5 Lecturas de material
|
0
|
5
|
|
A-6 Estudio individual
|
0
|
47
|
|
A-7 Exámenes, pruebas de evaluación
|
4
|
0
|
|
A-8 Tutorías individuales
|
2
|
0
|
|
|
|
|
|
Total
|
64
|
86
|
Evaluación
|
Aspecto
|
Criterios
|
Instrumento de evaluación
|
Peso (%)
|
| 1 - Conceptos de la materia |
Identificación de conceptos clave y comprensión de conocimientos teóricos y prácticos de la materia.
Respuesta en tiempo, forma y adecuación de contenidos. |
Examen teórico-práctico (una o varias pruebas).
(Recuperable)
|
50
|
| 2 - Supuestos prácticos | Aplicación de los conocimientos en la práctica. |
Entrega y recogida de un supuesto práctico en clase (una o varias pruebas)
(NO recuperable)
|
20
|
| 3 - Realización de trabajos |
Capacidad de análisis y síntesis. Aplicación de los conocimientos en la práctica. Creatividad, innovación, propuestas de mejora. Compromiso por la calidad.
|
Entrega en tiempo y forma del trabajo realizado: implementación y documentación. Defensa pública oral y mediante presentación de diapositivas. Entrevista individual. (Recuperable) |
20
|
| 4 - Asistencia y participación activa en clase | Asistencia a las sesiones presenciales. Intervención y aportaciones |
Control de asistencia, participación activa.
(NO recuperable)
|
10 |
Para superar la asignatura es necesario obtener una calificación igual o superior a 5 (sobre 10) en los aspectos 1 y 3.
Temario
1 - Introducción
2 - Tecnologías Big Data
3 - Big Data y Cloud Computing
4 - Arquitectura Map/reduce y Hadoop
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Big Data: A Revolution That Will Transform How We Live, Work and Think. Victor Mayer-Schonberger.
Hadoop: The Definitive Guide. Tom White. O'Reilly Media.
Mining of Massive Datasets. Jure Lescovec, Anand Rajaraman, Jeffrey D. Ullman.