Bases de Datos Avanzadas

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
ESSI
Web
https://learnsql3.fib.upc.edu/moodle
Esta asignatura forma a los estudiantes en las competencias necesarias para diseñar y configurar bases de datos analíticas, evaluando las diferentes alternativas posibles en el contexto de su empresa. Se tratan conceptos de bases de datos relacionales genéricas (aplicables a entornos decisionales de almacenamiento de datos), con el fin de profundizar después en las alternativas no tradicionales, también conocidas como gestores NOSQL, más apropiados por entornos Big Data. Primero se presentarán conceptos de almacenes de datos y, después, gestores de datos y arquitecturas (distribuidas) alternativas a las bases de datos relacionales tradicionales en ciertos escenarios. Los conocimientos impartidos son imprescindibles para hacer frente a las tareas propias del ingeniero de datos.

Profesorado

Responsable

Otros

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Técnicas

Competencias técnicas

  • CE7 - Demostrar conocimiento y capacidad de aplicación de las herramientas necesarias para el almacenaje, el procesamiento y el acceso a los datos.

    • Competencias Transversales

    Transversales

  • CT4 - Trabajo en equipo. Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
  • CT6 [Avaluable] - Aprendizaje autónomo. Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.

    • Básicas

  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.

    • Competencias Técnicas Genéricas

    Genéricas

  • CG1 - Concebir sistemas computacionales que integren datos de procedencias y formas muy diversas, creen con ellos modelos matemáticos, razonen sobre dichos modelos y actúen en consecuencia, aprendiendo de la experiencia.
  • CG2 - Elegir y aplicar los métodos y técnicas más adecuados a un problema definido por datos que representen un reto por su volumen, velocidad, variedad o heterogeneidad, incluidos métodos informáticos, matemáticos, estadísticos y de procesado de la señal.

    • Objetivos

    1. Ser capaz de discutir y justificar con detalle los principios arquitectonicos y cuellos de botella de los gestores relacionales frente a sistemas de almacenamiento y procesamiento alternativos.
      Competencias relacionadas: CE7, CT4, CT6, CG1, CG2, CB2, CB3,
    2. Ser capaz de obtener el esquema lógico de un almacén de datos a partir de un esquema conceptual expresado en UML, detectar y corregir sus defectos.
      Competencias relacionadas: CE7, CT4, CT6, CB2, CB3,
    3. Ser capaz de explicar y utilizar los principales mecanismos de procesamiento paralelo de consultas en entornos distribuidos, y detectar cuellos de botella.
      Competencias relacionadas: CE7, CT4, CT6, CG2, CB2, CB3,
    4. Ser capaz de justificar y utilizar NOSQL storage systems.
      Competencias relacionadas: CE7, CT4, CT6, CG1, CG2, CB2, CB3,

    Contenidos

    1. Introducción
      Almacenamiento de datos en entornos analíticos y Big Data
    2. Almacenamiento de datos
      Almacenamiento de datos. Flujos de datos ETL. Integración de datos. Herramientas OLAP.
    3. Bases de datos distribuidas
      Taxonomía de bases de datos distribuidas. Arquitecturas. Diseño de bases de datos distribuidas (fragmentación y replicación). Paralelismo. Métricas de escalabilidad. Sistemas de ficheros distribuídos.
    4. Procesamiento distribuido de datos
      Importancia del acceso secuencial paralelo. Barreras de sincronización (Bulk Synchronous Parallel modelo). Arquitecturas de Big Data y sistemas NOSQL.

    Actividades

    Actividad Acto evaluativo


    Introducción

    Introducción de la asignatura, motivación y visión general de las herramientas de gestión de datos existentes actualmente, sus ventajas e inconvenientes
    Objetivos: 1
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Estudio de los almacenes de datos


    Objetivos: 2
    Contenidos:
    Teoría
    10h
    Problemas
    0h
    Laboratorio
    14h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    38h

    Estudio de bases de datos distribuidas

    Aprendizaje de los principios de bases de datos distribuidas y su aplicación en sistemas NOSQL
    Objetivos: 1 3
    Contenidos:
    Teoría
    6h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    4h

    Estudio del procesamiento distribuido de datos y systemas NOSQL

    Aprendizaje de técnicas de procesamiento distribuido de datos y sistemas NOSQL
    Objetivos: 1 3 4
    Contenidos:
    Teoría
    10h
    Problemas
    0h
    Laboratorio
    12h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    38h

    Examen final

    Examen global de la asignatura
    Objetivos: 1 2 3 4
    Semana: 15 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Metodología docente

    La asignatura se compone de teoría, y sesiones de laboratorio.

    Teoría: Se utilizarán técnicas de clase invertida que requieren que el estudiante trabaje materiales multimedia antes de la clase. Las clases de teoría consisten en explicaciones complementarias del profesor y resolución de problemas.

    Laboratorio: Se utilizarán herramientas representativas para la aplicación de conceptos teóricos (por ejemplo, PotgreSQL, Talend, HDFS, MongoDB). Se harán también dos proyectos, en el que los estudiantes trabajarán en equipos: uno de análisis descriptivo de datos en un almacén de datos y el otro de análisis predictivo en un entorno Big Data. Consecuentemente, habrá dos entregables fuera del horario de clase, pero los estudiantes también serán evaluados individualmente en el aula sobre los conocimientos adquiridos durante cada uno de los proyectos.

    El curso tiene una componente de aprendizaje autónomo, dado que los estudiantes tendrán que trabajar con diferentes herramientas de gestión y procesamiento de datos. Aparte del material de apoyo, los estudiantes deben ser capaces de resolver dudas o problemas de uso de estas herramientas.

    Método de evaluación

    Nota final = max(20%EP+40%EF ; 60% EF) + 40% P

    EP = nota del examen parcial
    EF = nota del examen final
    P = nota de proyecto, como promedio ponderado de los proyectos del curso

    Para los estudiantes que puedan concurrir a la reavalaució, la nota del examen de reevaluación sustituirá EF.

    Bibliografía

    Básico

    Complementario

    • Exercises Big Data Management - ,
    • Exercises Data Warehousing - ,

    Web links

    Capacidades previas

    Ser capaz de leer y entender materiales en inglés.
    Ser capaz de enumerar las etapas que conforman el proceso de la ingeniería de software.
    Ser capaz de entender esquemas conceptuales en UML.
    Ser capaz de crear, consultar y manipular bases de datos con SQL.
    Ser capaz de programar utilizando programación funcional tipo Spark.