Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa

Módulo/Materia

NIVEL 1: Módulo de Tecnologías Informáticas

NIVEL 2: Computación

Subir

Descripción/Contenidos

En esta asignatura se van a estudiar diferentes técnicas para hacer un cómputo eficiente de los datos. 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. También se iniciará a los alumnos en el tratamiento de grandes cantidades de datos (Big Data) y en el paradigma de programación Map-Reduce para el procesamiento en paralelo. Con este objetivo se introducirá al alumno en el uso de Apache Spark para procesar y extraer conocimiento de grandes bases de datos. 

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

R1. Saber adquirir, obtener, formalizar y representar el conocimiento humano en forma computable.
R2. Manejar las herramientas metodológicas y de implementación para la simulación de altas prestaciones en problemas y aplicaciones de ingeniería.
R3. Utilizar entornos y herramientas para medir el rendimiento en problemas de computación aplicados a la ingeniería.
R4. Diseñar sistemas inteligentes adecuados para tratar problemas de la vida real.
R5. Utilizar sistemas expertos avanzados para resolver problemas en ingeniería.
R6. Comprender las técnicas de aprendizaje bayesiano.

Subir

Metodología

Subir

Idiomas

Castellano, parte del material está en Inglés.

Subir

Evaluación

Es necesario obtener una calificación superior o igual a 4 (sobre 10) en el apartado primero y una calificación superior o igual a 5 (sobre 10) en el apartado segundo para poder aprobar la asignatura.

La evaluación de recuperación consistirá en un examen teórico-práctico que recuperará los apartados primero y tercero. Para recuperar el apartado segundo, el alumno deberá volver a entregar y presentar aquellos trabajos y memorias con calificación inferior a 5.

Aquellos estudiantes que no lleguen a la nota mínima en los apartados primero o segundo, tendrán como calificación final la mínima de estas dos.

Subir

Temario

1. Introducción a la computación avanzada y la minería de datos

2. Problemas de clasificación y regresión. Evaluación y medidas de rendimiento

3. Introducción al Big Data

4. Programación de altas prestaciones en Apache-Spark

5. Métodos computacionales avanzados para el aprendizaje

Subir

Bibliografía

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

Introducción a la Minería de Datos (2004). Hernández, Ramírez y Ferri. Prentice Hall. Editorial Pearson, ISBN: 8420540919

Pattern Classification (2000). Richard O. Duda, Peter E. Hart, David G. Stork.  Wiley-Interscience, ISBN: 978-0471056690

Data mining and knowledge discovery handbook. Odied Maimon y Lior Rokach (2010). Springer. ISBN: 978-0387098234

Big Data: A Revolution That Will Transform How We Live, Work and Think (2013). Victor Mayer-Schonberger. John Murray, ISBN: 978-1848547926

Mahout in Action (2011). Sean Owen, Robin Anil, Ted Dunning, Ellen Friedman Manning Publications, ISBN: 978-1935182689

Hadoop: The Definitive Guide (2015). Tom White. O'Reilly Media, ISBN: 978-1491901632

Mining of Massive Datasets (2014). Jure Lescovec, Anand Rajaraman, Jeffrey D. Ullman. Cambridge University Press, ISBN: 978-1107077232

Learning Spark: Lightning-Fast Big Data Analysis (2015). Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia. O'Reilly Media, ISBN: 978-1449358624

Advanced Analytics with Spark: Patterns for Learning from Data at Scale (2015). Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. O'Reilly Media, ISBN: 978-1491912768

Subir

Lugar de impartición

Las clases de teoría y de prácticas se imparten en el aulario y los edificios departamentales del Campus de Arrosadía.

Subir