Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura ARQUITECTURAS BIG DATA Código 01742003
Enseñanza
1742 - M.U. EN INTELIGENCIA DE NEGOCIO Y BIG DATA EN ENTORNOS SEGUROS - A DISTANCIA
Descriptores Cr.totales Tipo Curso Semestre
3 Obligatoria Primer Primero
Idioma
Castellano
Prerrequisitos
Departamento DERECHO PRIV. Y DE LA EMPRESA
Responsable
ÁLVAREZ CUESTA , HENAR
Correo-e halvc@unileon.es
mcong@unileon.es
mmarp@unileon.es
Profesores/as
ÁLVAREZ CUESTA , HENAR
CONDE GONZALEZ , MIGUEL ANGEL
MARTINEZ PRIETO , MIGUEL ANGEL
Web http://
Descripción general
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. MATELLAN OLIVERA , VICENTE
Secretario ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS
Vocal ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ LLAMAS , CAMINO
Tribunal suplente
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ DE SOTO , ADOLFO
Secretario ING.MECANICA,INFORMAT.AEROESP. CASTEJON LIMAS , MANUEL
Vocal ING.MECANICA,INFORMAT.AEROESP. ALFONSO CENDON , JAVIER

Competencias
Tipo A Código Competencias Específicas
  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
Analiza, diseña y construye o configuraa sistemas de almacenamiento escalable y procesamiento escalable y 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). A17942
 B5577

Contenidos
Bloque Tema
•Modelos Arquitectónicos: oData Lakes: Conceptos Básicos; Arquitectura; Despliegue.
oDataflows: Análisis; Selección de las Fuentes de Datos; Diseño del Dataflow.
•Extracción y Almacenamiento de Big Data: oApache Flume: Fundamentos; Arquitectura; Configuración; Fuentes y Sumideros.
oHDFS: Introducción; Conceptos HDFS; Operaciones Básicas.
Transformación de Big Data:oApache Pig: Conceptos Básicos; Pig Latin; Pig en Dataflows. oApache Hive: Introducción; Lenguaje HiveQL (DDL/DML); Tuning; Hive en Dataflows.
oApache Oozie: Introducción; Workflows

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
Metodologías   ::  
  descripción
Presentaciones/exposiciones Clases (en remoto), conferencias y técnicas expositivas
Dirigidas Actividades autónomas y en grupo (trabajos y lecturas dirigidas)
Tutorías Tutoría individual, participación y otros medios colaborativos
Trabajos Pruebas de seguimiento y exposición de trabajos
Sesión Magistral

Tutorías
 
Trabajos
descripción
Por email o usando el foro del moodle

Evaluación
  descripción calificación
Trabajos Realización de trabajos, proyectos, resolución de problemas y casos 30%-80%
Pruebas mixtas Pruebas sumativas y final 20%-50%
Otros
- Participación en foros y otros medios participativos.		 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

CAPRIOLO, E., WAMPLER, D., RUTHERGLEN, J. “Programming Hive”. 1st Ed. O'Reilly Media. 2012.•GATES, A. “Programming Pig”. 1st Ed. O'Reilly Media. 2011.•KIMBALL, R., CASERTA, J. “The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data”. 1st Ed. Wiley & Sons. 2004.•WHITE, T. “Hadoop: The Definitive Guide”. 4th Ed. O'Reilly Media. 2015
Complementaria


Recomendaciones