![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2024_25 | |||||||||||||||||||||||||||||||||||||||
Asignatura | INFRAESTRUCTURA PARA EL BIG DATA | Código | 01742001 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
3 | Obligatoria | Primer | Primero |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | DERECHO PRIV. Y DE LA EMPRESA |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | halvc@unileon.es fandm@unileon.es agueh@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | ||||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Tipo A | Código | Competencias Específicas |
A17941 | 1742CBD1. Capacidad de diseñar e implementar sistemas de descubrimiento de conocimiento en grandes bases de datos distribuidas. | |
A17942 | 1742CBD2. Capacidad de analizar, diseñar y construir o configurar sistemas de almacenamiento escalable y procesamiento escalable. | |
Tipo B | Código | Competencias Generales y Transversales |
B5577 | 1742CG1. Adquisición de competencias teóricas y prácticas para el análisis y diseño de soluciones empresariales en Big Data (almacenamiento y procesamiento de grandes volúmenes de información heterogénea). | |
Tipo C | Código | Competencias Básicas |
Resultados de aprendizaje |
Resultados | Competencias | ||
Diseña e implementa sistemas de descubrimiento de conocimiento en grandes bases de datos distribuidas. | A17941 |
||
Sabe analizar, diseñar y construir o configurar sistemas de almacenamiento escalable y procesamiento escalable. | A17942 |
||
Tiene competencias teóricas y prácticas para el análisis y diseño de soluciones empresariales en Big Data (almacenamiento y procesamiento de grandes volúmenes de información heterogénea). | B5577 |
Contenidos |
Bloque | Tema |
TEMA 1. Distributed Systems, Cluster, Virtualization and Clouds | 1.1Clusters •Clusters, grids, peer-to-peer, cloud•Computer clusters. Design principles.•MPP clusters•Job scheduling•Top500•Cluster laboratory: Mosix 1.2Virtualization•Virtual machines•Abstraction levels of virtualization•Hardware virtualization•OS-level virtualization•Hypervisor architecture•Host-based architecture•Para-virtualization•Hardware support for virtualization•Physical vs. virtual clusters•Fast deployment, migration and scheduling•Server consolidation in data centers•Virtual storage management 1.3Cloudspara el Big Data•Data center virtualization for cloud computing•Public, private and hybrid clouds•Network structure of data centers•Cloud ecosystem•IaaS•PaaS•SaaS•Cloud security•Cloud services: web services, SOA and REST, the cloud stack |
TEMA 2: Introducción a Hadoopy MapReduce | 2.1Introducción a Hadoop2.2 Introducción a Modelo de programación MapReduce2.3 Introducción a Cloudera |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Presentaciones/exposiciones | 0 | 12 | 12 | ||||||
Dirigidas | 0 | 45 | 45 | ||||||
Tutorías | 0 | 8 | 8 | ||||||
Trabajos | 0 | 5 | 5 | ||||||
Sesión Magistral | 0 | 0 | 0 | ||||||
Pruebas mixtas | 5 | 0 | 5 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Presentaciones/exposiciones | Presentaciones/exposiciones |
Dirigidas | Actividades dirigidas |
Tutorías | Tutoría individual |
Trabajos | Elaboración y presentación de trabajos |
Sesión Magistral |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Trabajos | Realización de trabajos, proyectos, resolución de problemas y casos | 30-80% | |
Otros | - Evaluación sumativa que incluye pruebas parciales individuales y prueba final - Participación en foros y otros medios participativos. |
20-50% 10-40% |
|
Otros comentarios y segunda convocatoria | |||
De confomidad con lo indicado para la primera convocatoria Al ser un máster interuniversitario, las guías docentes de aplciación en su desarrollo completo son aquellas indicadas en la página web del máster interuniversitario de la Universidad coordinadorahttps://www.inf.uva.es/master-online/ |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica | |
Distributed and Cloud Computing. From Parallel Processing to the Internet of Things”, Kai Hwang, Geoffrey C. Fox, Jack J. Dongarra, Morgan Kaufmann, 2012. ISBN: 978-0-12-385880-1?“Guide to Cloud. Principles and Practice”, Richard Hill, Laurie Hirsch, Peter Lake, Siavash Moshiri, Springer, 2013. ISBN:978-1-4471-4602-5. DOI 10.1007/978-1-4471-4603-2?“Apache Hadoop YARN. Moving beyond MapReduce and Batch Processing with Apache Hadoop 2”, Arun C. Murthy, Vinod K. Vavilapalli, Addison Wesley Data and Analytics Series, 2014. ISBN 978-0-321-93450-5?"The Datacenter as a Computer. An Introduction to the Design of Warehouse-Scale Machines. Second Edition.", Luiz André Barroso, Jimmy Clidaras, Urs Holzle, Synthesis Lectures on Computer Architecture, Morgan&Claypool Publishers, 2013. ISBN print: 978<27050098. ISBN ebook: 9781627050104?"Virtual Machines. Versatile Platforms for Systems and Processes", James E. Smith and Ravi Nair, Morgan Kaufmann, 2005, ISBN-13: 978-1-55860-910-5. ISBN-10: 1-55860-910-5 |
|
Complementaria | |
Recomendaciones |