Ingeniería de datos a gran escala

El objetivo de esta asignatura es introducir a los estudiantes en el variado conjunto de tecnologías de consulta y almacenamiento de datos disponibles para resolver problemas a gran escala. Se analizarán los principales retos que aparecen cuando es necesario apostar por una arquitectura distribuida y se verá cómo se solucionan de forma práctica con aproximaciones basadas tanto en tecnologías SQL como NoSQL. Al finalizar el curso, el estudiante deberá ser capaz de identificar las principales características de cada tipo de solución para poder seleccionar la tecnología que mejor se adapta a cada tipo de problema.

Expositivos
Modelo relacional extendido: Objetos, documentos, texto completo, datos espaciales y datos temporales.
Bases de datos distribuidas y paralelas.
Bases de datos NoSQL: modelos de datos, distribución y consistencia.


Interactivos
Gestión de datos agregados con SQL.
Manejo de datos espaciales y temporales con SQL.
Uso de SQL en arquitecturas distribuidas.
Bases de datos NoSQL documentale.
Bases de datos NoSQL de grafos.
Bases de datos NoSQL de tipo column-family.

Bibliografía Básica
Sadalage, Fowler. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence, Addison-Wesley, 2012.
Avi Silberschatz, Henry F. Korth, S. Sudarshan, Database System Concepts, Sixth edition, McGraw-Hill, 2010. ISBN 0-07-352332-1

Bibliografía Complementaria
Redmond, E., Wilson, J. R. Seven Databases in Seven Weeks: A Guide to Modern Databases and the NoSQL Movement, Pragmatic Bookshelf, 2012.
Marz, N., Warren, J. Big Data: Principles and best practices of scalable realtime data systems, Manning Publications, 2015.
Banker K., Bakkum P., Verch S., Garrett D., Hawkins T., MongoDB in Action. Manning Publications Co, 2016

Los estudiantes
- Conocerán las principales extensiones del modelo relacional que permiten la incorporación de datos de carácter complejo.
- Podrán utilizar el lenguaje SQL para consultar datos de diferente naturaleza.
- Conocerán los principales desafíos a resolver en la construcción de sistemas de bases de datos en arquitecturas distribuidas.
- Conocerán las principales características de los sistemas de bases de datos NoSQL.
- Podrán configurar y utilizar diferentes tipos de tecnologías de bases de datos distribuidas, de tipo SQL y NoSQL.

Las competencias de la titulación que se trabajan son las siguientes (ver memoria del título):
Básicas y generales: CG2, CG4
Transversales: TR3
Específicas: CE8

La metodología que se utilizará en esta asignatura se basa en el siguiente conjunto de actividades, que se realizarán de forma presencial y no presencial.

1.- Clases expositivas: En las clases expositivas se trabajará el contenido teórico de la asignatura. Las exposiciones y explicaciones de contenidos por parte del profesorado se combinarán con pequeños ejercicios en los que se buscará la interacción entre profesorado y alumnado. Se trabajarán las siguientes competencias del título: CG4, CE8.

2.- Clases interactivas: En estas sesiones se trabajará el contenido práctico de la asignatura. El profesorado acompañará al alumnado en la realización de tutorías y ejercicios prácticos relacionados con las tecnologías seleccionadas para ilustrar los contenidos. Se trabajarán las siguientes competencias del título: CG2, CE8.

3.- Trabajo en grupo: Los alumnos organizados en pequeños grupos harán una propuesta de un área de aplicación y definirán y resolverán problemas similares a los propuestos en las clases interactivas utilizando datos del área seleccionada y todos los tipos de tecnologías vistas. Se trabajarán las siguientes competencias del título: CG2, CG4, TR3, CE8.

4.- Evaluación mediante exámenes: Los exámenes se realizarán en las fechas oficiales determinadas en el calendario. Estos exámenes contarán con preguntas y ejercicios relacionados con el contenido teórico y práctico de la asignatura. Se evaluarán individualmente todas las competencias asociadas con la asignatura: CG2, CG4, TR3, CE8.

Período ordinario:
La evaluación de la asignatura se dividirá en dos partes.

1.- Proyecto (60%): Evaluación del trabajo realizado en la actividad número 4. Se valorará la cantidad y dificultad del trabajo propuesto, así como la calidad de las soluciones implementadas. La calificación será una calificación grupal.

2.- Examen (40%): El examen evaluará tanto el contenido teórico como el práctico. La calificación será individual.

Para aprobar la asignatura será necesario alcanzar al menos el 40% de la puntuación total tanto en el proyecto como en el examen, logrando además al menos un 5 sobre 10 en la media de las dos partes. Se considerará presentado todo estudiante que presente el proyecto o realice el examen.

Período extraordinario:

Para la evaluación extraordinaria se realizará un examen, que tendrá preguntas y problemas de la parte teórica y práctica. La nota final se calculará ponderando la nota del proyecto obtenida en la evaluación ordinaria con un 30% y la nota del examen del periodo extraordinario con un 70%. No será posible repetir la evaluación del proyecto en una convocatoria extraordinaria. Cualquier estudiante que se presente al examen se considerará presentado a la asignatura.

Los repetidores podrán sustituir la evaluación del proyecto en grupo por un trabajo individual de similares características y tamaño adaptado, pero sólo si han superado la evaluación del proyecto en una convocatoria ordinaria anterior. En ningún caso se mantienen calificaciones entre diferentes cursos.

Para los casos de realización fraudulenta de ejercicios o pruebas se aplicará lo dispuesto en la “Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de calificaciones”.

El tiempo de estudio y trabajo personal de los estudiantes se la ficha de la materia de la memoria del titulo.

Clases teóricas: 15 horas presenciales.
Sesiones prácticas: 25 horas presenciales.
Tutorías individuales: Una hora presencial.
Trabajo personal: 71,5 horas no presenciales.

Las horas de trabajo personal se utilizarán para preparar la teoría con el material proporcionado, realizar el trabajo relacionado con la actividad 2 y realizar el trabajo propuesto en la actividad 3.

Se recomienda mantener una comunicación fluida con el profesorado y una actitud participativa en las clases. También se recomienda un trabajo semanal estable relacionado con las tres actividades. Es recomendable disponer de un ordenador personal portátil en el que se pueda instalar el software utilizado en la asignatura.

El idioma vehicular de esta materia será el gallego. Todo el material relacionado con la materia se compartirá a través del Aula Virtual de la USC. Aunque las tutorías, por lo general, se realizarán de forma presencial, a petición del alumnado se podrán realizar tutorías específicas sobre temas concretos online a través de Microsoft TEAMS. Se recomienda haber cursado antes: Programación I, Programación II, Ingeniería de Software, Redes, Bases de Datos