Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 507510 | Asignatura: BIG DATA | ||||
| Créditos: 6 | Tipo: Obligatoria | Curso: 5 | Periodo: 2º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| MARCO DETCHART, CEDRIC (Resp) [Tutorías ] | |||||
Descripción/Contenidos
Manejo de grandes cantidades de datos. Modelo MapReduce. Tecnologías para el procesamiento masivo de datos. Procesamiento en tiempo real de grandes cantidades datos.
Resultados aprendizaje
RA05 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo TIPO: Conocimientos o contenidos
RA26 - Manejar, organizar información estadística e interpretar las técnicas de visualización y preprocesamiento de dato TIPO: Competencias
RA30 - Comprender los conceptos fundamentales relacionados con los problemas que implican grandes volúmenes de datos TIPO: Competencias
Metodología
| Metodología-Actividad | Horas presenciales | No presenciales |
| A1- Clases expositivas/participativas | 30 | - |
| A2- Prácticas | 28 | - |
| A3- Realización de proyectos en grupo | - | 10 |
| A4- Estudio y trabajo autónomo del estudiante | - | 78 |
| A5- Tutorías | - | 2 |
| A6- Pruebas de evaluación | 2 | - |
Evaluación
| Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|
| SE1- Pruebas escritas | 50 | Si | 5 |
| SE3- Presentaciones orales | 10 | Si | 5 |
| SE4- Trabajos e informes | 20 | Sí | 5 |
| SE5- Pruebas e informes de trabajo experimental | 20 | No |
Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).
Temario
- 1. El impacto de los datos masivos en la sociedad actual
- 1.1 Introducción
- 1.2 Modelo de procesamiento y utilización de datos
- 1.3 ¿Para qué se utilizan estos grandes conjuntos de datos?
- 1.4 Tecnologías e infraestructuras
- 2. Adquisición y almacenamiento de datos
- 2.1 Introducción al ecosistema Apache/Hadoop
- 2.2 Técnicas Sql y NoSql: consistencia, fiabilidad y escalabilidad
- 2.3 Adquisición de datos
- 2.4 Herramientas para el análisis de datos industrial
- 3. Procesamiento y análisis de grandes volúmenes de datos
- 3.1 Análisis exploratorio de datos
- 3.2 Modelos de regresión y árboles
- 3.3 Redes neuronales y técnicas no supervisadas
- 4. Visualización de datos
- 4.1 Contexto para la visualización de datos hoy
- 4.2 Herramientas de análisis y visualización de datos
- 4.3 El proceso de creación de una visualización de datos
- 4.4 Otros aspectos de la visualización de datos
Programa de prácticas experimentales
- 1. Adquisición y almacenamiento de datos
- 1.1 Ecosistema apache hadoop
- 1.2 Técnicas Sql y NoSql: consistencia, fiabilidad y escalabilidad
- 1.3 Adquisición de datos
- 1.4 Herramientas para el análisis de datos industrial
- 2. Procesamiento y análisis
- 2.1 La máquina virtual y otros (paquetería e inicio)
- 2.2 Análisis exploratorio de datos y modelos de regresión
- 2.3 Árboles de regresión y clasificación
- 2.4 Redes neuronales y técnicas no supervisadas
- 3. Visualización de datos
- 3.1 Herramientas de análisis y visualización de datos
- 3.2 El proceso de creación de una visualización de datos
- 3.3 Otros aspectos de la visualización de datos
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
La bibliografía básica de la asignatura es la siguiente:
- I. Triguero, M. Galar, Large-Scale Data Analytics with Python and Spark: A Hands-on Guide to Implementing Machine Learning Solutions. Cambridge University Press, 2023, ISBN: 9781009318259 (2023).
- Lublinsky, B. (2013). Hadoop Soluciones Big Data. Anaya SA.
La bibliografía complementaria de la asignatura es la siguiente:
- Karau, H., Konwinski, A., Wendell, P., & Zaharia, M. (2015). Learning spark: lightning-fast big data analysis. " O'Reilly Media, Inc.".
- Chambers, B., Zaharia, M. (2018). Spark: The Definitive Guide: Big Data Processing Made Simple. " O'Reilly Media, Inc.".
- Ryza, S., Laserson, U., Owen, S., & Wills, J. (2017). Advanced analytics with spark: patterns for learning from data at scale. " O'Reilly Media, Inc.".