DADES IDENTIFICATIVES 2020_21
Assignatura (*) INFRAESTRUCTURES PER AL BIG DATA Codi 17254118
Ensenyament
Grau d'Enginyeria Biomèdica (2017)
Cicle 1r
Descriptors Crèd. Tipus Curs Període
6 Obligatòria Tercer 2Q
Impartició
Departament Enginyeria Informàtica i Matemàtiques
Coordinador/a
FERRÉ BERGADÀ, MARIA
Adreça electrònica maria.ferre@urv.cat
Professors/es
FERRÉ BERGADÀ, MARIA
Web http://http://moodle.urv.cat/moodle/
Descripció general i informació rellevant
La informació publicada en aquesta guia és la que correspon a classes presencials i pot servir de guia orientativa. A causa de l’emergència sanitària provocada per la COVID-19 poden haver-hi canvis en la docència, avaluació i calendaris del curs 2020-21. Aquests canvis s’informaran a l’espai Moodle de cada assignatura. En aquesta assignatura la docència es farà mitjançant classes inverses. És a dir, les classes es faran a distància i s’aprofitarà la presencialitat, en primer lloc, per reforçar els conceptes teòrics més complexos i, en segon lloc, per dur a terme les classes més pràctiques. Sempre dins el context d'emergència sanitària del moment.

DESCRIPCIÓ GENERAL DE L'ASSIGNATURA: L'assignatura aporta els conceptes necessaris per a que l’alumne sigui capaç de gestionar informació i grans volums de dades.

Competències
Tipus A Codi Competències Específiques
 CEB2 Coneixements bàsics sobre l'ús i programació dels ordinadors, sistemes operatius, bases de dades i programes informàtics amb aplicació en enginyeria.
 CE11 Capacitat per treballar en entorns Big Clinical Data, per generar i programar algoritmes de computació biològica i dissenyar i utilitzar eines bioinformàtiques
Tipus B Codi Competències Transversals
Tipus C Codi Competències Nuclears

Resultats d'aprenentage
Tipus A Codi Resultats d'aprenentatge
 CEB2 Comprèn les tècniques d'emmagatzematge de dades
 CE11 Comprèn les tècniques d'emmagatzematge de dades
Utilitza algoritmes per a la manipulació de grans volums de dades
Utilitza la infraestructura d'emmagatzematge de dades més adequada a la situació
Extreu informació útil a partir d'un gran volum de dades
Tipus B Codi Resultats d'aprenentatge
Tipus C Codi Resultats d'aprenentatge

Continguts
Tema Subtema
Introducció al Big Data Grans Volums de Dades
Adquisició de la informació
Transformació de les dades
Emmagatzematge de la informació Sistemes de fitxers
Bases de dades relacionals
Bases de dades per a gestionar grans volums
Anàlisi de dades Estratègies d’anàlisi de la informació
Introducció a la mineria de dades
Representació de la informació

Planificació
Metodologies  ::  Proves
  Competències (*) Hores a classe
Hores fora de classe
(**) Hores totals
Activitats Introductòries
1 0 1
Sessió Magistral
CE11
28 28 56
Pràctiques a laboratoris
CE11
22 44 66
Pràctica autònoma al laboratori
CE11
6 12 18
Atenció personalitzada
1 0 1
 
Proves de desenvolupament
CE11
4 4 8
 
(*) En el cas de docència no presencial, són les hores de treball amb suport vitual del professor.
(**) Les dades que apareixen a la taula de planificació són de caràcter orientatiu, considerant l’heterogeneïtat de l’alumnat

Metodologies
Metodologies
  Descripció
Activitats Introductòries Presentació dels professors i de l'assignatura (continguts, metodologies, resultats d'aprenentatge, competències, material bibliogràfic i recomanacions generals).
Sessió Magistral Classes teòriques del professor. Es presentaran els conceptes amb exemples.
Pràctiques a laboratoris Classes pràctiques als laboratoris, on els estudiants hauran de resoldre pràctiques relacionades amb els conceptes que es van treballant al llarg del curs.
Pràctica autònoma al laboratori Resolució d'un cas proper a la realitat i que requereix de les eines i els conceptes presentats en l'assignatura.
Atenció personalitzada Consultes realitzades per qualsevol de les següents vies:
videoconferència amb TEAMS
correu electrònic
forums de l'assignatura
consultes en el despatx del professor en l'horari pre-establert o bé en hores acordades, si és possible

Atenció personalitzada
Descripció
A causa de l’emergència sanitària, l’atenció a l’estudiant es podrà realitzar mitjançant videoconferència amb l'eina TEAMS, en horaris concertats prèviament per correu electrònic, o mitjançant altres eines virtuals. Es potenciarà l'ús dels fòrums del moodle de l'assignatura.

Avaluació
Metodologies Competències Descripció Pes        
Pràctica autònoma al laboratori
CE11
Resolució de pràctiques de forma autònoma al llarg del curs. Per a poder superar l'assignatura caldrà haver entregat totes les pràctiques i obtenir una nota mitjana de 5. 40
Proves de desenvolupament
CE11
Es faran dues proves durant el curs, Per a poder superar l'assignatura caldrà obtenir una nota mitjana de 5 i que cap de les dues proves tingui una nota inferior a 3. 60
Altres  
 
Altres comentaris i segona convocatòria

En el cas de que l'alumne no superi l'avaluació en 1ª convocatòria disposa de mecanismes per a recuperar la/les parts pendents:

La recuperació de la part de proves escrites es fa mitjançant un examen escrit (60%). Nota mínima de 5 per a superar aquesta part.

La recuperació de pràctiques es fa acabant les pràctiques pendents (40%).

Durant els exàmens no es podrà fer ús de cap dispositiu de comunicació i transmissió de dades. El no compliment d'aquest punt suposa automàticament la no superació de l'examen.

Els exàmens es realitzaran de forma presencial. A causa de l'emergència sanitària, en cas de confinament o de restriccions en la mobilitat, les activitats avaluatives, inclosos els exàmens, es farien online en les dates previstes. ?En l'espai Moodle de cada assignatura hi podreu consultar la informació actualitzada.

Les activitats avaluatives han d'estar previstes per poder realitzar-se en modalitat mixta o online en cas de confinament.


Fonts d'informació

Bàsica Ben Forta, Sams teach yourself SQL in 10 minutes, última disponible, Hoboken, NJ : Sams, [2020]
Antonio Sarasa, Introducción a las bases de datos NoSQL usando MongoDB, última disponible, Editorial UOC

Complementària Abraham Silberschatz, Henry F. Korth, S. Sudashan., Fundamentos de bases de datos., última disponible, McGraw-Hill
• José Hernández, Mª José Ramírez, Cèsar Ferri, Introducción a la Minería de Datos, última disponible, Pearson Prentice-Hall

Recomanacions


Assignatures que es recomana haver cursat prèviament
PROGRAMACIÓ/17254013
(*)La Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent