Imprimir

Programa

CURSO:BIG DATA
TRADUCCIÓN:BIG DATA
SIGLA:INF3590
CRÉDITOS:05 
MÓDULOS:02	
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA	
CALIFICACIÓN:ESTÁNDAR
PALABRAS CLAVE:DATOS, PROCESAMIENTO, ALMACENAMIENTO
NIVEL FORMATIVO:MAGÍSTER


I.DESCRIPCIÓN DEL CURSO

En la era digital, la masiva producción de datos abre grandes oportunidades para generar resultados productivos, a través de su análisis por medio de múltiples plataformas que combinan software y hardware, para realizar variadas tareas de almacenamiento, procesamiento y análisis de datos de manera rápida, eficiente y efectiva. El objetivo de este curso es que los alumnos se familiaricen con las características técnicas y ventajas de las plataformas y herramientas principales, y que desarrollen nociones de los tipos de problemas que pueden ser solucionados de manera efectiva con ellas, a través del estudio de casos y de actividades prácticas. Las evaluaciones consideran controles escritos y tareas prácticas.


II.RESULTADOS DE APRENDIZAJE 

1.Analizar las ideas centrales en las que se basan las principales plataformas de Big Data.

2.Analizar las bases técnicas de hardware y software que permiten el funcionamiento las principales plataformas de Big Data. 

3.Analizar situaciones y contextos en los cuales las plataformas de Big Data aportan a la resolución de problemas de gran valor de negocio.

4.Diseñar estrategias basadas en las principales herramientas de las plataformas de Big Data para la resolución problemas relacionados con el análisis de grandes cantidades de datos.


III.CONTENIDOS

1.Introducción a Big Data y sus plataformas
1.1.¿Qué es Big Data?
1.2.Características y requisitos de problemas de Big Data
1.3.Plataformas

2.Fundamentos técnicos
2.1.Esquemas de hardware local
2.2.Soluciones cloud
2.3.Algoritmos

3.Herramientas
3.1.Herramientas de almacenamiento
3.2.Herramientas de procesamiento
3.3.Herramientas de análisis

4.Análisis de casos y construcción de soluciones
4.1.Análisis de casos
4.2.Deployment


IV.ESTRATEGIAS METODOLÓGICAS

-Clases expositivas.

-Actividades prácticas.

-Estudio de casos.


V.ESTRATEGIAS EVALUATIVAS 

-Controles:	50%

-Tareas: 50%


VI.BIBLIOGRAFÍA

Mínima

T. Deshpande, Hadoop Real World Solutions Cookbook, Packt Publishing, 2016.  

T. White, Hadoop: The Definitive Guide, O'Reilly Media, 2015.

A. Holmes, Hadoop in Practice, Manning Publications, 2014


Complementaria

H. Karau, Learning Spark, O'Reilly Media, 2015.

M. Frampton, Mastering Apache Spark, Packt Publishing, 2015  


PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
ESCUELA DE INGENIERÍA / NOVIEMBRE 2020