Esta asignatura tiene como objetivo proporcionar al estudiante un contacto
directo con las tecnologías, principalmente de ingeniería informática, que
permiten el despliegue de las herramientas de análisis de datos y el
desarrollo e implementación de nuevas soluciones. El alumno obtendrá una
visión general del funcionamiento y la aplicación de grandes sistemas
computadores para el tratamiento y manejo de datos.
Sistemas de computación para datos masivos
102271
2019-20
MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS / MASTER IN DATA SCIENCE
4
OPTATIVA
Cuatrimestral
Castellano e Inglés
Arquitectura de una e-Infraestructura.
Computación HPC y HTC: servidores, clusters, supercomputadores.
Redes de interconexión de sistemas.
Sistemas de almacenamiento
Computación distribuida. Computación en paralelo. Introducción a MPI.
Gestión clásica de un cluster de computación. Sistemas de colas. Benchmarking.
Monitorización.
Transmisión de datos en Internet y Wans.
Principios de gestión como servicio.
Evaluación.
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 (30
horas)
AF2 - Realización de prácticas de computación y análisis de datos (30
horas)
AF6 - Tutorías (presenciales o por medio de recursos telemáticos) (5
horas)
AF7 - Elaboración de informes de laboratorio y trabajos (20 horas)
AF8 - Estudio individual de contenidos de la asignatura (20 horas)
AF9 - Trabajo en grupo (10 horas)
A10 - Pruebas de evaluación (5 horas)
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
supercomputación, recursos cloud, o plataformas de desarrollo de proyectos.
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.
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
Computer Architecture: A Quantitative Approach (Fifth Edition). J.L.
Hennessy & D.A. Patterson. The Morgan Kaufmann Series in Computer Architecture
and Design (2011)
The Datacenter as a Computer: An Introduction to the Design of
Warehouse-Scale Machines (Second Edition). L.A. Barroso, J. Clidaras & U.
Hölzle. Morgan & Claypool Pub. Synthesis Lectures on Computer (2013)
Bibliografía básica
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