Guia - Estudiante - Big Data Aplicado - Oct22
Guia - Estudiante - Big Data Aplicado - Oct22
EVALUACIÓN ........................................................................................................... 18
BIBLIOGRAFÍA .......................................................................................................... 27
CALENDARIO........................................................................................................... 31
3
GUÍA DEL ESTUDIANTE
4
ESTRUCTURA DEL CURSO Y DESCRIPCIÓN DEL
PLAN DE ESTUDIOS
A continuación, se refieren las horas y ECTs de los módulos que componen
el título:
CÓDIGO MÓDULO HORAS ECTs CARÁCTER
UNIDADES FORMATIVAS
5
1.1. Objetivos generales del curso que contribuyen a
alcanzar los aprendizajes de este módulo
Los objetivos generales de este módulo son:
6
i) Desarrollar la creatividad y el espíritu de innovación para responder
a los retos que se presentan en los procesos y en la organización del
trabajo y de la vida personal.
7
analíticas de la información almacenada en HDFS a través del
procesamiento con MapReduce.
8
• Entender por qué Spark es superior a MapReduce atendiendo a su
diseño.
• Conocer Spark SQL, así como sus similitudes y diferencias con la API
estructurada.
9
Unidad Formativa 3. Generación de mecanismos de integridad de los
datos. Comprobación de mantenimiento de sistemas de ficheros
10
Es por ello que vamos a ver algunas herramientas, sistemas y métricas que
nos ayuden a gestionar de una manera sencilla todo esto y donde veremos
también algunas distribuciones big data como Cloudera o Hortonworks,
las cuales nos facilitan bastante el poder gestionar de manera.
11
1.3. Aplicaciones utilizadas en este módulo formativo
En este módulo se trabajará con las siguientes aplicaciones:
12
RESULTADOS DE APRENDIZAJE
RESULTADOS DE APRENDIZAJE
A continuación, se detallan los resultados de aprendizaje que alcanzarán los
alumnos al finalizar este módulo profesional:
1. Gestiona soluciones a problemas propuestos, utilizando sistemas de
almacenamiento y herramientas asociadas al centro de datos.
2. Gestiona sistemas de almacenamiento y el amplio ecosistema alrededor de
ellos facilitando el procesamiento de grandes cantidades de datos sin fallos
y de forma rápida.
3. Genera mecanismos de integridad de los datos, comprobando su
mantenimiento en los sistemas de ficheros distribuidos y valorando la
sobrecarga que conlleva en el tratamiento de los datos.
4. Realiza el seguimiento de la monitorización de un sistema, asegurando la
fiabilidad y estabilidad de los servicios que se proveen.
Valida las técnicas de Big Data para transformar una gran cantidad de datos en
información significativa, facilitando la toma de decisiones de negocios.
UF 1. Gestión de
soluciones con 1. Almacenamiento de datos masivo.
sistemas de 2. Procesamiento de datos.
almacenamiento y 3. Analítica de Big Data en los ecosistemas 28
herramientas del de almacenamiento.
centro de datos para 4. Big Data y Cloud.
la resolución de
problemas.
UF 2. Gestión de 1. Computación distribuida. Computación
28
sistemas de paralela,
13
UNIDADES LECCIONES HORAS
FORMATIVAS
14
ACTIVIDADES DE APRENDIZAJE DEL MÓDULO
A continuación, se expone la temporalización y carácter de las actividades
de aprendizaje del módulo, teniendo en cuenta que seguimos la
evaluación continua y que su realización representa el 60% de nota final
del módulo.
Ejecutando el proceso
UF1. Refuerzo 0% -- Sin entrega
MapReduce
Actividad
UF1. Desarrollo Hadoop 15% 21/05/2023
obligatoria
15
TIPO ACTIVIDAD FECHA
PESO CARÁCTER
ACTIVIDAD ENTREGA
Actividad
UF1. Test de evaluación 10% 14/05/2023
obligatoria
Actividad
UF2. Test de evaluación 10% 28/05/2023
obligatoria
16
TIPO ACTIVIDAD FECHA
PESO CARÁCTER
ACTIVIDAD ENTREGA
Actividad
UF3. Test de evaluación 10% 04/06/2023
obligatoria
Actividad
UF4. Test de evaluación 10% 11/06/2023
obligatoria
Técnicas de validación
UF5. Refuerzo 0% -- Sin entrega
de modelos
17
TIPO ACTIVIDAD FECHA
PESO CARÁCTER
ACTIVIDAD ENTREGA
Actividad
UF5. Desarrollo Elastic Stack 15% 18/06/2023
obligatoria
Actividad
UF5. Test de evaluación 10% 18/06/2023
obligatoria
EVALUACIÓN
Se seguirá el modelo de evaluación continua. Este planteamiento
potencia el trabajo constante y continuado para conseguir el máximo
aprovechamiento y adquirir las competencias orientadas a los resultados
de aprendizaje.
18
La calificación de cada módulo será numérica entre uno y diez puntos, sin
decimales, dicha calificación se tomará conforme a los criterios
establecidos en la programación didáctica del programa. Se considerará
superado aquel módulo profesional que obtenga una calificación igual o
superior a cinco puntos.
19
METODOLOGÍA DIDÁCTICA
Todos los módulos formativos son online. Los estudiantes tendrán a tu
disposición todos los contenidos formativos, actividades, recursos
adicionales, etc. en el Campus del Instituto. El curso tiene una estructura
modular enfocada a la adquisición de competencias técnicas y habilidades
“soft” de manera progresiva, con tres principios: la práctica, la
colaboración y la autonomía.
20
Para desarrollar la metodología se tendrán en cuenta los siguientes
principios psicopedagógicos y didácticos:
• Que las clases sean activas y participativas para que así el alumno
potencie su creatividad, espíritu crítico y capacidad de trabajo en
grupo, utilizando todos los recursos didácticos disponibles.
21
planteamiento de preguntas que promuevan el pensamiento crítico, la
reflexión y la creatividad.
22
• Participación en talleres y/o trabajos en grupo. En algunos
módulos se plantearán trabajos colaborativos donde los estudiantes
deben participar: asistencia a talleres o trabajos en equipo
utilizando las herramientas de comunicación y de trabajo
disponibles en el Campus.
Masterclasses
23
actividades aparece detallado en la guía de estudiante de cada
módulo.
24
disponibles en el campus. Se recomienda el uso del foro para
plantear dudas y enriquecer el conocimiento compartido con el
intercambio de ideas con el resto de los estudiantes.
RECOMENDACIONES DE ESTUDIO
El curso tiene una estructura modular con una secuencia temporal
continua en la que se suceden los módulos.
25
Se recomiendan 20 horas de dedicación entre estudio autónomo, trabajo
en grupo, realización de actividades y asistencia a las clases o masterclass.
Toda la actividad se desarrollará en el Campus Virtual del Instituto.
26
BIBLIOGRAFÍA
Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu, K. y Kuksa, P.
(2011). Natural language processing (almost) from scratch. The Journal
of Machine Learning Research, 12, 2493–2537.
27
Dan Bergh Johnsson; Daniel Deogun; Daniel Sawano (2019): Editorial
Manning.
Domingos, P. (2014). The master algorithm. How the quest for the
ultimate learning machine will remake our world. United Kingdom:
Penguin.
28
Murphy, K. P. & others. (2006). Naive bayes classifiers. University of British
Columbia, 18, 60.
Proyectos De Python Robotics. Del Prof. Diwakar Vaish. Ed. Packt. 2019.
29
Silver, D. et al. (2016). Mastering the game of Go with deep neural
networks and tree search. Nature, 529(7587), 484-489. doi:
10.1038/nature16961. Recuperado de:
https://storage.googleapis.com/deepmind-
media/alphago/AlphaGoNaturePaper.pdf
30
CALENDARIO
Septiembre 2022 Octubre 2022 Noviembre 2022 Diciembre 2022
Lu Ma Mi Ju Vi Sá Do Lu Ma Mi Ju Vi Sá Do Lu Ma Mi Ju Vi Sá Do 4 Lu Ma Mi Ju Vi Sá Do
1 2 3 4 1 2 1 2 3 4 5 6 1 2 3 4
5 6 7 8 9 10 11 3 4 5 6 7 8 9 7 8 9 10 11 12 13 5 6 7 8 9 10 11
12 13 14 15 16 17 18 10 11 12 13 14 15 16 14 15 16 17 18 19 20 12 13 14 15 16 17 18
19 20 21 22 23 24 25 17 18 19 20 21 22 23 21 22 23 24 25 26 27 19 20 21 22 23 24 25
26 27 28 29 30 24 25 26 27 28 29 30 28 29 30 26 27 28 29 30 31
31
2 3 4 5 6 7 8 6 7 8 9 10 11 12 6 7 8 9 10 11 12 3 4 5 6 7 8 9
9 10 11 12 13 14 15 13 14 15 16 17 18 19 13 14 15 16 17 18 19 10 11 12 13 14 15 16
16 17 18 19 20 21 22 20 21 22 23 24 25 26 20 21 22 23 24 25 26 17 18 19 20 21 22 23
23 24 25 26 27 28 29 27 28 27 28 29 30 31 24 25 26 27 28 29 30
30 31
1 2 3 4 5 6 7 1 2 3 4 1 2
5 3
8 9 10 11 12 13 14 5 6 7 8 9 10 11 3 4 5 6 7 8 9
15 16 17 18 19 20 21 12 13 14 15 16 17 18 10 11 12 13 14 15 16
22 23 24 25 26 27 28 19 20 21 22 23 24 25 17 18 19 20 21 22 23
29 30 31 26 27 28 29 30 24 25 26 27 28 29 30
30 CIERRE DE ACTAS