Infraestructuras para Datos Masivos
(Curso Académico 2023 - 2024)

Mostrar Todo Ocultar Todo

• CG1 - Ser capaces de aplicar los conocimientos adquiridos para resolver problemas en entornos nuevos o poco conocidos dentro de contextos relacionados con seguridad informática o inteligencia de datos
• CG3 - Mantener una actitud de permanente actualización, que les permita estudiar de manera autónoma mediante formación continua en su futuro desempeño profesional como expertos en seguridad informática e inteligencia de datos
• CG7 - Desarrollar las capacidades de trabajo en equipo y las habilidades de comunicación para mantener relaciones con otros profesionales y con organizaciones relevantes

• CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
• CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo

• CE9 - Ser capaz de obtener, procesar y almacenar datos de diferentes fuentes y en diversos formatos

• Sistemas de gestión de la configuración
• Computación distribuida: conceptos, instalación y configuración.
• Almacenamiento distribuido: opciones a nivel sistema, abstracción para datos masivos.
• Procesamiento distribuido. Tecnologías hadoop

En esta asignatura se impartirán 1,5 horas de clases en inglés. Además se trabajará preferentemente sobre bibliografía en inglés y el alumnado deberá ser capaz de extraer la información necesaria para seguir las asignaturas a partir de dicha documentación, junto con los recursos aportados por el profesorado.

Dado el carácter eminentemente práctico de la asignatura y a su semipresencialidad, el desarrollo de la misma se organizará en una serie de sesiones teóricas en las que los estudiantes adquirirán los conocimientos relacionados con el diseño y la implantación de una infraestructura cloud para la gestión y el procesamiento de datos masivos.
Una buena parte de las sesiones teóricas se realizan siguiendo la metodología de “aula invertida”. Se proporcionará información  a los/as estudiantes para el trabajo individual. De esta forma cada estudiante dedicará el tiempo que requiera a revisar los contenidos con el fin de llegar a la comprensión de los mismos. El tiempo en el aula se dedicará a plantear casos prácticos que se resolverán de forma colaborativa, aclarar dudas y solucionar dificultades de  comprensión o aprendizaje.
Durante el curso, los estudiantes deberán diseñar e implementar soluciones para los diferentes proyectos que se le plantean y que cubren la práctica totalidad de los contenidos de la asignatura. En dichos proyectos los estudiantes deben
desplegar e instalar las máquinas virtuales adecuadas y configurar los servicios correspondientes para la resolución de problemas básicos de "big data".
Se plantea un sistema de retroalimentación a varios niveles:
• Retroalimentación grupal en las sesiones de teoría y en los grupos más reducidos de las prácticas en base a las soluciones propuestas a los supuestos prácticos y a los proyectos. Los consejos recibidos pueden aplicarse también en
tareas posteriores (feed-forward).
• Retroalimentación individual en las sesiones prácticas, en base a la corrección individual de los proyectos realizados. Dicha corrección se realiza a través de un proceso dialógico.
 

Actividades formativas	Horas presenciales	Horas de trabajo autónomo	Total horas	Relación con competencias
Clases teóricas	5,00	5,00	10,0	[CE9], [CB7], [CG3]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio)	8,00	8,00	16,0	[CE9], [CB10], [CG7]
Realización de seminarios u otras actividades complementarias	1,00	1,00	2,0	[CG7]
Realización de trabajos (individual/grupal)	0,00	0,00	0,0	[CE9], [CB7], [CG3], [CG1]
Estudio/preparación de clases teóricas	0,00	10,00	10,0	[CB7], [CG3]
Estudio/preparación de clases prácticas	0,00	6,00	6,0	[CE9], [CB10], [CG7]
Preparación de exámenes	0,00	0,00	0,0	[CE9], [CB10], [CB7], [CG7], [CG3], [CG1]
Realización de exámenes	1,00	0,00	1,0	[CE9]
Asistencia a tutorías	0,00	6,00	6,0	[CE9], [CB7], [CG7], [CG1]
Informes, trabajos y proyectos	0,00	24,00	24,0	[CE9], [CB10], [CG7], [CG1]
Total horas
Total ECTS

• Hadoop: the definitive guide. White, Tom. ISBN: 9781491901632. http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=533686

Ansible: From Beginner to Pro. Michael Heap. Reading, Berkshire. United Kingdom. ISBN-13 (pbk): 978-1-4842-1660-6. DOI 10.1007/978-1-4842-1659-0
https://link-springer-com.accedys2.bbtk.ull.es/book/10.1007/978-1-4842-1659-0

Using Docker. Adrian Mouat. Publisher: OReilly Media Inc. December 2015. ISBN: 97814915769
The practice of system and network administration. Volume 1, DevOps and other best practices for enterprise IT / Thomas A. Limoncelli, Christina J. Hogan, Strata R. Chalup. ISBN: 97803219191680321919165. http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=577046

• Recuros web en el aula del Campus Virtual

La Evaluación de la asignatura se rige por el Reglamento de Evaluación y Calificación (REC) de la Universidad de La Laguna  (Boletín Oficial de la Universidad de La Laguna del 2 de junio de 2023, Número 36), además de por lo establecido en la  Memoria de Verificación inicial o posteriores modificaciones.


El alumnado que se encuentre en la quinta o posteriores convocatorias y desee ser evaluado por un Tribunal, deberá presentar una solicitud a través del procedimiento habilitado en la sede electrónica, dirigida al Decanato de la Escuela. Dicha solicitud deberá realizarse con una antelación mínima de diez días hábiles al comienzo del periodo de exámenes.

Para que el alumnado pueda optar a la evaluación única deberá comunicarlo a través del procedimiento habilitado en el aula virtual de la asignatura antes de la finalización del periodo de docencia del cuatrimestre.

La evaluación de la teoría contribuirá a la evaluación de la asignatura con un 40%, mientras que la evaluación de la práctica lo hará con un 60%. Las herramientas utilizadas en la evaluación continua serán las siguientes.
La Calificación de Teoría (CT) se obtendrá mediante pruebas escritas de desarrollo (40%), mientras que la Calificación de Prácticas (CP) se obtendrá con memorias de prácticas, trabajo y proyectos  (60%) .
Ambas calificaciones serán valores entre 0 y 10, de forma que la Calificación Final (CF) se obtendrá mediante la fórmula: CF= 0,4*CT + 0,6*CP, si y solo si CT>=5 y CP>=5. En otro caso, CF= min(CT, CP).
El alumnado que no supere la evaluación continua podrá realizar en las diferentes convocatorias pruebas de evaluación destinadas exclusivamente a evaluar las mismas competencias y resultados de aprendizaje de la asignatura.

Tipo de prueba	Competencias	Criterios	Ponderación
Pruebas de desarrollo	[CE9], [CB10], [CG7], [CG1]	Evaluación de la Teoría:   * Adecuación a lo solicitado.   * Concreción en la redacción.   * Nivel de conocimientos adquiridos	40,00 %
Trabajos y proyectos	[CE9], [CB7], [CG3]	* Adecuación a lo solicitado. * Concreción en la redacción. * Nivel de conocimientos adquiridos. * Participación activa e interés demostrado. * Calidad e interés de las implementaciones	60,00 %

Debido al carácter semipresencial del máster, está previsto que las clases presenciales se desarrollen de la forma siguiente: el alumnado tendrá 3 horas diarias las semanas 1 a 5 y 8 a 12 del primer cuatrimestre, y 3 o 4 horas diarias las semanas 1 a 5 del segundo cuatrimestre. Todas las asignaturas se desarrollarán en bimestres, y concretamente esta asignatura se impartirá en el bimestre 1. El cronograma que se presenta es a título estimativo, de modo que el profesorado podrá modificar dicha planificación
temporal si así lo demanda el desarrollo de la asignatura.

Semana	Temas	Actividades de enseñanza aprendizaje	Horas de trabajo presencial	Horas de trabajo autónomo	Total
Semana 1:	Computación distribuida: conceptos, instalación y configuración.	Clases teóricas y prácticas presenciales. Actividades con material disponible en el aula virtual	2.00	8.00	10.00
Semana 2:	Automatización de tareas. Ansible	Clases teóricas y prácticas presenciales. Actividades con material disponible en el aula virtual	3.00	7.00	10.00
Semana 3:	Despliegue desatendido de infraestructura de cómputo	Clases teóricas y prácticas presenciales. Actividades con material disponible en el aula virtual	3.00	7.00	10.00
Semana 4:	Computación distribuida. Hadoop  Yarn y mapreduce	Clases teóricas y prácticas presenciales. Actividades con material disponible en el aula virtual	3.00	7.00	10.00
Semana 5:	Tecnologías de Virtualización: cloud público vs cloud privado.	Clases teóricas y prácticas presenciales. Actividades con material disponible en el aula virtual	3.00	7.00	10.00
Semana 6:		Actividades con material disponible en el aula virtual.. Foro para la resolución de dudas.	0.00	12.00	12.00
Semana 7:		Actividades con material disponible en el aula virtual. Foro para la resolución de dudas.	0.00	12.00	12.00
Semana 8:			0.00	0.00	0.00
Semana 15:	Evaluación	Evaluación del alumnado	1.00	0.00	1.00
Semana 16 a 18:			0.00	0.00	0.00
Total			15.00	60.00	75.00