Esta asignatura tiene como objetivo proporcionar al estudiante un contacto
directo con las tecnologías, principalmente en entorno de computación Cloud,
que permiten el despliegue de las herramientas de análisis de datos y el
desarrollo e implementación de nuevas soluciones.
Herramientas en la nube para la Ciencia de Datos
102272
2019-20
MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS / MASTER IN DATA SCIENCE
4
OPTATIVA
Cuatrimestral
Castellano e Inglés
Principios básicos de computación Cloud:
Fundamentos del modelo de computación Cloud.
Modelos de servicio: Infraestructura como Servicio (IaaS), Plataforma como
servicio (PaaS), Software como servicio (SaaS).
Clouds híbridos. Acceso a recursos comerciales.
Composición de servicios. Herramientas básicas de orquestación.
Contenedores. Uso de Contenedores y Docker. Orquestación de contenedores.
Sistemas de almacenamiento escalable de nueva generación:
Almacenamiento en entornos Cloud. Almacenamiento bloque. Almacenamiento de
objeto.
Sistemas de almacenamiento para procesado paralelo.
Sistemas de analítica de datos avanzados para grandes volúmenes de datos.
Herramientas de almacenamiento.
CG1 - Integrarse eficazmente en un grupo de trabajo y trabajar en equipo,
compartir la información disponible e integrar su actividad en la actividad
del grupo colaborando de forma activa en la consecución de objetivos comunes
CG2 - Capacidad de estudio, síntesis y autonomía suficientes para desarrollar
de forma autónoma proyectos básicos de investigación
CG6 - Buscar, obtener, procesar, comunicar información y transformarla en
conocimiento
CG7 - Conocer las herramientas metodológicas necesarias para desarrollar
proyectos avanzados
CG8 - Capacidad de actualización de los conocimientos expuestos en el ámbito
de la comunidad científica
CT1 - Analizar y combinar información utilizando diferentes fuentes
CT2 - Conocer la problemática éticas y legal relacionada con el análisis de
datos y entender su importancia para una sociedad basada en los valores de la
libertad, la justicia, la igualdad y el pluralismo
CT3 - Dominio de la gestión del tiempo
CT4 - Afrontar tareas y situaciones críticas
CT6 - Capacidades asociadas al trabajo en equipo: cooperación, liderazgo,
saber escuchar
DSDM02 - Desarrollar e implementar modelos de datos, incluidos los metadatos
DSENG01 - Aplicar los principios de ingeniería a la investigación, diseño y
desarrollo de un prototipo de aplicaciones de análisis de datos, o al
desarrollo de estructuras, instrumentos, máquinas, experimentos, procesos,
sistemas requeridos para ello
DSENG02 - Desarrollar y aplicar soluciones computacionales para problemas en
un cierto dominio de aplicación, usando una amplia gama de plataformas de
análisis de datos
AF1 - Participación y asistencia a lecciones magistrales y seminarios
AF2 - Realización de prácticas de computación y análisis de datos
AF3 - Desarrollo de proyectos guiados
AF4 - Participación en casos prácticos en empresas o centros de investigación
AF6 - Tutorías (presenciales o por medio de recursos telemáticos)
AF7 - Elaboración de informes de laboratorio y trabajos
AF8 - Estudio individual de contenidos de la asignatura
AF9 - Trabajo en grupo
A10 - Pruebas de evaluación
La asignatura comenzará por una exposición de los conceptos básicos,
incluyendo ejemplos sencillos pero relevantes, que serán analizados
individualmente y discutidos en común.
Se revisarán los diferentes componentes de una solución, y los actores que
participan en el desarrollo de la misma.
Los estudiantes, organizados en grupos, realizarán un análisis detallado de un
caso de estudio empleando las diferentes tecnologías discutidas, por ejemplo
el despliegue de una plataforma de orquestación de contenedores sobre un
proveedor de infraestructura como servicio.
Identificar los recursos de computación adecuados, tanto locales como
distribuidos, para abordar un problema de Data Science.
Definir los requerimientos técnicos de nuevas aplicaciones en analítica de
datos a partir de un diseño de alto nivel.
Implementar algoritmos paralelos sencillos pero útiles en Data Science para su
uso en un cluster o en un supercomputador.
Saber acceder a sistemas en entorno Cloud en formato IaaS, PaaS o SaaS, para
implementar una solución en Big Data.
Utilizar una solución basada en contenedores (mediante la herramienta Docker).
Cómo diseñar y gestionar un proyecto de computación Cloud.
SE1 - Examen (escrito, oral y/o práctico en el aula de computación) (40%)
SE2 - Valoración de informes y trabajos escritos (60%)
Profesor Responsable de la asignatura
Cloud Computing: Automating the Virtualized Data Center, 1st Ed. V.
Josyula, M. Orr, G. Page. Cisco Press, 2012
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Cuatrimestral
Créditos ECTS: 4
López García, Álvaro
Ciencífico Titular
Instituto de Física de Cantabria (IFCA), CSIC-UC
Profesor Responsable de la asignatura