Universidad Pública de Navarra



Año Académico: 2015/2016 | Otros años:  2014/2015 
Máster Universitario en Ingeniería Informática por la Universidad Pública de Navarra
Código: 72973 Asignatura: Computación avanzada y sus aplicaciones a ingeniería
Créditos: 6 Tipo: Obligatoria Curso: 1 Periodo: 1º S
Departamento:
Profesorado:
JURIO MUNARRIZ, MARIA ARANZAZU (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

Computación

Subir

Descripción/Contenidos

En esta asignatura se van a estudiar diferentes técnicas para hacer un cómputo eficiente de los datos.
 
En primer lugar se analizarán diferentes fuentes de datos. En este apartado se profundizará en el tratamiento de datasets con diferentes características, y en la elaboración de datasets propios a partir de imágenes.
 
Posteriormente se presentarán diferentes técnicas para el tratamiento de los datos. A partir de ellas, el alumno debe ser capaz de planear y desarrollar soluciones a diversos problemas de la vida real. 
 
Finalmente, se iniciará a los alumnos en el tratamiento de grandes cantidades de datos (Big Data) y en el paradigma de programación Map-Reduce para trabajar con ellas.
 

Subir

Descriptores

  • Computación eficiente de conjuntos de datos de diversa índole.
  • Tratamiento de datos para obtener conocimiento.
  • Manejo de grandes cantidades de datos. Big Data y Hadoop.

Subir

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.

Subir

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.

 

Subir

Resultados aprendizaje

  • Saber adquirir, obtener, formalizar y representar el conocimiento humano en forma computable.
  • Manejar herramientas metodológicas y de implementación para la simulación de altas prestaciones en problemas y aplicaciones de ingeniería.
  • Utilizar entornos y herramientas para medir el rendimiento en problemas de computación aplicados a la ingeniería.
  • Diseñar sistemas inteligentes adecuados para tratar problemas de la vida real.
  • Manejar herramientas de Inteligencia Artificial para aplicarlas en procesamiento de imagen.

Subir

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
 26
A-5 Lecturas de material
 0
10 
A-6 Estudio individual
 0
40
A-7 Exámenes, pruebas de evaluación
4
0 
A-8 Tutorías individuales
 2
 0
 
 
 
Total
64
86

Subir

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 - 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)
 40
3 - Asistencia y participación activa en clase Asistencia a las sesiones presenciales. Intervención y aportaciones
 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 2.

Subir

Temario

1 - Introducción 

2 - Obtención y tratamiento de datos

3 - Problemas de agrupamiento eficiente y clasificación de los datos. Aplicaciones

4 - Problemas de obtención de nueva información de manera eficiente. Aplicaciones.

5 - Big Data, Map Reduce y Hadoop

 

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


  • Introducción a la Minería de Datos. Hernández, Ramírez y Ferri. Prentice Hall.
  • Data mining and knowledge discovery handbook. Odied Maimon y Lior Rokach. Springer.
  • 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. 

Subir

Idiomas

Castellano

Subir