1. Conocimiento de las necesidades de los sistemas de procesamiento masivo de datos

2. Conocimiento de las plataformas de procesamiento masivo de datos

3. Conocimiento de las alternativas de implementación y despliegue de dichas plataformas

4. Habilidades en el uso de diferentes plataformas de despliegue de servicios

5. Habilidades en el uso de sistemas cloud, edge

1. Plataformas de procesamiento

2. Orquestación de servicios

3. Arquitecturas de procesamiento para macrodatos

4. Procesamiento de macrodatos por lotes

5. Procesamiento de macrodatos por flujos

6. IoT

La asignatura tiene un enfoque eminentemente práctico. La descripción de plataformas de servicios y de entornos para el despliegue de los mismos irá acompañada de fundamentos teóricos necesarios para entender aspectos como alternativas de almacenamiento, alternativas de conectividad, seguridad, tolerancia a fallos, rendimiento, etc. Bajo esta premisa, las clases se organizarán en:



* 4 créditos de clase magistral para la descripción de plataformas y entornos de despliegue, junto con los aspectos teóricos necesarios. Dichas clases estarán apoyadas en presentaciones tipo PowerPoint y en demostraciones “hands-on”.

* 2 créditos de laboratorio, con ordenador, para poner en práctica los conocimientos explicados en las clases magistrales



Además, los alumnos y alumnas realizarán trabajos individuales de corte práctico, como complemento de lo aprendido en las sesiones magistrales y de laboratorio.

La modalidad de evaluación por omisión, en primera convocatoria, es continua, aunque no hay gran diferencia entre continua y global. En ambos casos es necesario entregar varios trabajos prácticos y realizar un examen final.



La evaluación tiene dos partes: TRABAJOS y EXAMEN. A lo largo del curso será necesario entregar entre 2 y 4 trabajos prácticos, con un peso acumulado del 75% de la nota global. El examen tiene un peso total en la nota del 25% y se realizará en la fecha indicada por el centro.



Para superar la asignatura será necesario obtener como media de las dos partes, ponderada con los pesos indicados, al menos 5 puntos sobre 10. Es imprescindible, además, haber obtenido en cada una de las dos partes un 35% de la nota máxima para esa parte. Nótese que este porcentaje mínimo se aplica a los trabajos prácticos en su conjunto, no a cada trabajo individualmente.



Como se ha dicho, en evaluación continua deberán realizarse y entregarse los trabajos a lo largo del curso, pudiendo ser realizados en parejas o de forma individual. En evaluación global, se entregarán una semana antes del día del examen, debiendo ser realizados y entregados de forma individual.



Tal como indica la normativa de la UPV/EHU, el alumnado que lo desee deberá presentar al profesor la renuncia a la evaluación continua (pasando a evaluación global), para lo que dispondrán de un plazo mínimo de 9 semanas desde el inicio del curso. La solicitud de cambio se realizará vía eGela.



Si un alumno o alumna decide renunciar a la convocatoria ordinaria, deberá para ello (1) cambiar a evaluación global y (2) tras dicho cambio, no entregar ninguna práctica ni presentarse al examen.

Ninguno.

Bibliografía básica

Ninguna

Bibliografía de profundización

Sourav Mazumder, Robin Singh Bhadoria, Ganesh Chandra Deka (editors). Distributed Computing in Big Data Analytics. Concepts, Technologies and Applications

Bahaaldine Azarmi. "Scalable Big Data Architecture: A practitioners guide to choosing relevant Big Data architecture".

Anupam Chattopadhyay, Chip Hong Chang, Hao Yu (editores). "Emerging Technology and Architecture for Big-data Analytics"

Mark Grover, Ted Malaska, Jonathan Seidman, Gwen Shapira. Hadoop Application Architectures: Designing Real-World Big Data Applications 1st Edition.

Revistas

Journal of big data (Springer)
Big data research (Elsevier)
IEEE Transactions on Knowledge and Data Engineering