Titulación | Tipo | Curso |
---|---|---|
Ingeniería de Datos | OB | 3 |
Puede consultar esta información al final del documento.
Recomendación: tener aprobados los cursos de Fundamentos de Informática, Fundamentos de Programación, Redes de Ordenadores e Internet.
Esta asignatura tiene por objetivo presentar las principales características de las infraestructuras adecuadas para el procesamiento de datos masivos en sus tres principales aspectos: cómputo, almacenamiento y comunicación. En ella se verán los conceptos y casos de uso de las principales tecnologías empleadas para el procesamiento de datos masivos así como aspectos relacionados a su estructura y ubicación, como también aspectos de costo, consumo, redundancia, escalabilidad y disponibilidad.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Classes conceptuales | 22,1 | 0,88 | 1, 2 |
Conceptos aplicados | 11,5 | 0,46 | 1, 2 |
Prácticas | 11,5 | 0,46 | 2, 3 |
Tipo: Autónomas | |||
Estudio personal | 100 | 4 | 1, 2 |
La asignatura contiene tres apartados donde cada uno dispondrá una metodología adecuada a la tipología de docencia impartida:
Clases conceptuales: Se tratarán los aspectos teóricos y conceptuales de los contenidos.
Conceptos aplicados: se realizarán trabajos cortos sobre infraestructura virtualizada y sobre temas tratados que se desarrollarán durante todo el curso.
Prácticas: sesiones de grupos de 2 estudiantes que realizarán un trabajo totalmente práctico para resolver un problema (se deberá tener una assitencia del 80% a estas sesiones).
Para favorecer el aprendizaje e interacción se recopienda que el alumnado disponga de un dispositivo digital (preferentemente un portátil) para el acceso a los recursos cloud de la asignatura y a los tests de seguimiento.
Uso de la IA: En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante tendrá que identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo éstas han influido en el proceso y el resultado final de la actividad. La no transparencia del uso de la IA se considerará falta de honestidad académica y puede acarrear una penalización en la nota de la actividad, o sanciones mayores en casos de gravedad.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Conceptos aplicados | 25% | 1,7 | 0,07 | 1, 2 |
Conceptos generales | 30% | 1,7 | 0,07 | 1, 2 |
Prácticas | 45% | 1,5 | 0,06 | 2, 3 |
Dado su carácter práctico, esta asignatura no tiene opción de evaluación única.
a) Proceso y actividades de evaluación
La evaluación del alumnado se basará en las siguientes actividades:
Conceptos generales: Pruebas individuales automatizadas (a través del CV de la UAB) sobre los contenidos teóricos. La media de estas pruebas debe ser igual o superior a 5.
Conceptos aplicados: Pruebas individuales automatizadas (a través del CV de la UAB) sobre la aplicación de los contenidos. La media de estas pruebas debe ser igual o superior a 5.
Prácticas: Evaluación del trabajo colaborativo y personal, realizadas individualmente y exclusivamente en la infraestructura de prácticas de la UAB. La media de estas pruebas debe ser igual o superior a 5.
b) Programación de las actividades de evaluación
La evaluación es continua, y las entregas se realizan a través del Campus Virtual. Las fechas pueden sufrir cambios por imprevistos, que se comunicarán oportunamente en el CV, plataforma oficial de comunicación entre profesorado y alumnado.
c) Proceso de recuperación
Si no se supera alguna parte (conceptos generales/aplicados/prácticas) con al menos un 5, pero la nota ponderada total es ≥3, habrá una prueba de recuperación para la parte no superada.
Para calcular la nota final, solo se considerarán las partes con ≥5. Si tras la recuperación alguna parte sigue por debajo de 5, la asignatura no se superará, y la nota final será la ponderada (si es <5) o 4.5 (si la ponderada es ≥5).
Las fechas de recuperación se publicarán en el calendario oficialde exámenes de la Escuela.
d) Revisión de calificaciones
Conceptos generales/aplicados: Al ser corrección automatizada, el estudiante puede solicitar un informe de los temas no superados. No se revisarán las respuestas salvo error demostrable en las soluciones.
Prácticas: En caso de no superarlas, el estudiante puede solicitar analizar con el profesors los apartados con nota <5.
e) Calificaciones
Matrícula de Honor (MH): Se otorga a estudiantes con nota final ≥9.00, previa deliberación del profesorado (máximo 5% del alumnado). No es automática: se valoran excelencia académica y méritos adicionales.
No presentado: La no asistencia a evaluaciones resultará en "No Evaluable".
f) Irregularidades, copia y plagio
Cualquier irregularidad (plagio, copia, uso de IA no autorizado en evaluaciones, dispositivos no permitidos, etc.) supondrá un 0 en la actividad afectada, sin opción a recuperación. Si la actividad es obligatoria para aprobar, la asignatura quedará suspendida directamente.
En cursos posteriores, no se convalidarán actividades de estudiantes que hayan cometido irregularidades.
h) Evaluación de estudiantes repetidores
Quienes hayan aprobado las prácticas (nota ≥5) en cursos anteriores podrán solicitar su convalidación, válida solo para el curso actual.
IT Infrastructure architecture : infrastructure building blocks and concepts
Laan, Sjaak, 2017/Third edition
Big Data Made Easy : A Working Guide to the Complete Hadoop Toolset
Frampton, Mike, 2015/1st ed.
(BR) Building a future-proof cloud infrastructure : a unified architecture for network, security and storage services
Gai, Silvano, et. al. 2020
Encyclopedia of cloud computing
Murugesan, San, 2015/1st ed.
Fog and edge computing : principles and paradigms
Buyya, Rajkumar, 2019/1st edition
Big data for dummies
Hurwitz, Judith.; Hurwitz, Judith.2013/ 1st ed.
(BR) Cloud computing : principles and paradigms
Buyya, Rajkumar, 1970-; Broberg, James.; Gościński, Andrzej. 2011
(BR) IT Architecture for dummies
Hausman, Kalani Kirk, autor; Cook, Susan L., 2011
(BR) Cloud computing : Web-based dynamic IT Services
Baun, Christian, autor; Kunze, Marcel, autor; Nimis, Jens, autor; Tai, Stefan, 2011
(BR) Learn Ansible: Automate cloud, security, and network infrastructure using Ansible 2.x
McKendrick, Russ 2018
Scheduling of large-scale virtualized infrastructures: toward cooperative management
Quesnel , Flavien 2014
Big data
LeClerc, Benoit, editor.; Cale, Jesse, editor. 2020
Los alumnos deberán utilizar VitualBox (software openSource) desde sus ordenadores personales y un Navegador para conectarse al Cloud del Departamento y ejecutar máquinas virtuales. Todo el software utilizado en la asignatura es de licencia libre.
La información proporcionada es provisional hasta el 30 de noviembre de 2025. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
Nombre | Grupo | Idioma | Semestre | Turno |
---|---|---|---|---|
(PLAB) Prácticas de laboratorio | 811 | Catalán/Español | primer cuatrimestre | manaña-mixto |
(PLAB) Prácticas de laboratorio | 812 | Catalán/Español | primer cuatrimestre | manaña-mixto |
(PLAB) Prácticas de laboratorio | 813 | Catalán/Español | primer cuatrimestre | tarde |
(TE) Teoría | 81 | Catalán | primer cuatrimestre | tarde |