Guia docente
DATOS IDENTIFICATIVOS							2023_24
Asignatura	PROGRAMACIóN EN ENTORNOS DE DATOS DISTRIBUIDOS					Código	01751008
Enseñanza	1751 - M.U.ROBOTICA E INTELIGENCIA ARTIFICIAL
Descriptores	Cr.totales	Tipo	Curso	Semestre
	4.5	Obligatoria	Primer	Segundo
Idioma	Castellano
Prerrequisitos
Departamento	ING.MECANICA,INFORMAT.AEROESP.
Responsable	CRESPO MARTINEZ , IGNACIO SAMUEL				Correo-e	icrem@unileon.es mcasl@unileon.es
Profesores/as	CASTEJÓN LIMAS , MANUEL CRESPO MARTINEZ , IGNACIO SAMUEL
Web	http://agora.unileon.es
Descripción general	Esta asignatura aborda las técnicas avanzadas que se emplean para la búsqueda, el filtrado y la abstracción de información en grandes colecciones de datos, presentando distintos frameworks existentes y proporcionando el conocimiento necesario para interpretar los resultados obtenidos
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 CONDE GONZALEZ , MIGUEL ANGEL Tribunal suplente Cargo Departamento Profesor Presidente MATEMATICAS GARCIA SIERRA , JUAN FELIPE Secretario ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ LERA , FRANCISCO JAVIER Vocal ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ LLAMAS , CAMINO

Resultados del proceso de formación

Tipo A	Código	Competencias
	A19288	1751Cod_cmp1 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
	A19290	1751Cod_cmp2 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
	A19292	1751Cod_cmp4 Que los estudiantes sepan comunicar sus conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades
	A19293	1751Cod_cmp5 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
	A19294	1751Cod_cmp6 Conocimiento de materias avanzadas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones
	A19297	1751Cod_cmp9 Capacidad de trabajar en un grupo multidisciplinar y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la robótica y los sistemas inteligentes
	A19289	1751Cod_cmp10 Emprender un trabajo de aplicación o iniciación a la investigación en el área de los sistemas inteligentes de forma autónoma, colaborativa y efectiva

Tipo B	Código	Conocimientos o Contenidos
	B5914	1751Cod_cnt2 Comprender y dominar de fundamentos y técnicas avanzadas para la búsqueda, el filtrado y la abstracción de información en grandes colecciones de datos.

Tipo C	Código	Habilidades o Destrezas
	C43	1751Cod_hab3 Aplicar y evaluar frameworks avanzados de aprendizaje automático y optimización. Interpretar los resultados de evaluación obtenidos de modelos predictivos o algoritmos avanzados basados en inteligencia artificial.

Temario

Bloque	Tema
Bloque I. Introducción.	1. Introducción a la programación en entornos de datos distribuidos.
Bloque II. Motores de cálculo y técnicas de análisis	1. Motores de cálculo. 2. Técnicas de análisis de datos distribuidos.

Planificación

Metodologías  ::  Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Practicas a través de TIC en aulas informáticas	30	51	81
Trabajos	3	1.5	4.5
Sesión Magistral	10	15	25
Pruebas objetivas de preguntas cortas	2	0	2
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as

Metodologías   ::  

	descripción
Practicas a través de TIC en aulas informáticas	Se realizarán programas para buscar, filtrar y analizar grandes colecciones de datos empleando distintos motores de cálculo, interpretando los resultados obtenidos.
Trabajos	Se realizarán distintos trabajos aplicando los conceptos vistos en teoría y prácticas a casos reales que permitan la comprensión y dominio de fundamentos y técnicas avanzadas para la búsqueda, el filtrado y la abstracción de información en grandes colecciones de datos aplicando distintos frameworks
Sesión Magistral	Se expondrán los fundamentos y técnicas avanzadas para la búsqueda, el filtrado y la abstracción de información en grandes colecciones de datos, explicando cómo hay que interpretar los resultados de evaluación obtenidos de modelos predictivos o algoritmos avanzados basados en inteligencia artificial.

Tutorías

Sesión Magistral Practicas a través de TIC en aulas informáticas Trabajos

descripción Para solventar las dudas que surjan al resolver problemas resueltos en clase o propuestos (tanto de teoría como de prácticas), se recomienda utilizar el foro de dudas o solicitar una tutoría con el profesor

Evaluación

	descripción	calificación
Sesión Magistral	Se realizará una prueba donde se evalúan los conceptos vistos en las sesiones de teoría	20%
Practicas a través de TIC en aulas informáticas	Se entregarán distintos ejercicios prácticos donde se desarrollen los conceptos vistos en las sesiones prácticas	60%
Trabajos	Se realizarán distintos trabajos aplicando los conceptos vistos en la resolución de problemas reales	20%
Otros comentarios y segunda convocatoria

Fuentes de información

Acceso a la Lista de lecturas de la asignatura

Básica	Manuel Castejón, Apuntes de la asignatura, , 2022 Srinivasa & Muppalla, Guide to High Performance Distributed Computing, Springer, 2014 Jeff Smith, Machine learning systems. Designs that scale, Manning, 2018 Odersky, Spoon, Venners & Sommers, Programming in Scala 5th Edition, Artima, 2021
Complementaria

Recomendaciones