Almacenamiento y recuperación de datos avanzados I
GUÍA DOCENTE Curso 2022-23
Titulación: | Máster universitario en Ciencia de Datos y Aprendizaje Automático | 855M |
Asignatura: | Almacenamiento y recuperación de datos avanzados I | 5217 |
Materia: | Almacenamiento y recuperación de datos avanzados |
Módulo: | Técnicas avanzadas de almacenamiento y recuperación de datos |
Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Obligatoria |
Curso: | 1 | Créditos ECTS: | 3,00 | Duración: | Semestral (Primer Semestre) |
Horas presenciales: | 30,00 | Horas estimadas de trabajo autónomo: | 45,00 |
Idiomas en que se imparte la asignatura: | No especificado |
Idiomas del material de lectura o audiovisual: | No especificado |
Departamentos responsables de la docencia
MATEMÁTICAS Y COMPUTACIÓN | R111 |
Dirección: | C/ Madre de Dios, 53 | Código postal: | 26006 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
Profesor: | García Izquierdo, Francisco José | Responsable de la asignatura |
Teléfono: | 941299260 | Correo electrónico: | francisco.garcia@unirioja.es |
Despacho: | 3219 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
Modelos relacionales. Modelos dimensionales. Programación en SQL y otros lenguajes avanzados. Técnicas de diseño y optimización de bases de datos. Sistemas operacionales.
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Ninguno especificado.
Contexto
Las bases de datos, en concreto las basadas en el modelo relacional y SQL, son el punto de arranque para la gestión (almacenamiento y recuperación) de volúmenes de datos de cualquier tamaño. El objetivo general de la asignatura es conseguir que el estudiante adquiera conceptos, y aumente los que ya pueda tener, relacionados con las bases de datos, su diseño y explotación. Se hará hincapié en el modelo de bases de datos relacionales, y con una orientación hacia volúmenes de datos apreciables.
Competencias
Competencias generales
CG01 - Capacidad de análisis y síntesis a nivel avanzado en el ámbito de la ciencia de datos y aprendizaje automático
CG02 - Capacidad de iniciativa y autonomía para llevar a cabo proyectos relacionados con la ciencia de datos y aprendizaje automático
CG05 - Habilidad para formular por escrito a nivel avanzado temas del ámbito de la ciencia de datos y aprendizaje automático usando correctamente diferentes tipos de enfoques académicos relacionados con su campo de estudio
CG06 - Capacidad de iniciativa y autonomía para las distintas tareas propias de la actividad investigadora en el ámbito de la ciencia de datos y aprendizaje automático
Competencias específicas
CE03 - Capacidad para analizar las necesidades de información que se plantean en un entorno y llevar a cabo el proceso de construcción de un sistema de información haciendo uso de las tecnologías más actuales disponibles en cada momento en el ámbito de la ciencia de datos y el aprendizaje automático
Resultados del aprendizaje
- Conoce distintos modelos asociados a bases de datos (relacionales, dimensionales, no relacionales, almacenes de datos), así como lenguajes de consulta asociados a los mismos.
- Comprende la problemática asociada a la captación, gestión y procesamiento de grandes volúmenes de datos.
- Conoce y sabe aplicar las técnicas más comunes para la interacción y análisis de grandes repositorios de datos, con el objetivo de extraer conclusiones sobre los datos contenidos en ellos.
- Es capaz de elegir el sistema de información más adecuado para las problemáticas habituales en la ciencia de datos.
Temario
- Introducción a las bases de datos y el BigData
- Modelo relacional.
- SQL
- Aproximación al diseño y optimización de bases de datos
- Sistemas operacionales vs. analíticos
- Enfoque relacional para el big data
Bibliografía
Tipo: | Título |
Básica | Fundamentos de sistemas de bases de datos Absys Biba |
Básica | Bases de datos relacionales Absys Biba |
Básica | SQL: manual de referencia Absys Biba |
Básica | SQL clearly explained Absys Biba |
Complementaria | Practical Hive |
Complementaria | Practical Hadoop Ecosystem |
Recursos en Internet |
SQL Tutorial |
El material didáctico de la asignatura se encontrará disponible en el aula virtual para todos los estudiantes matriculados en la misma. |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Tutorías
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo
Organización
Actividades presenciales | Tamaño de grupo | Horas |
Clases teóricas | Grande | 12,00 |
Seminarios y talleres | Grande | 4,00 |
Clases prácticas | Informática | 14,00 |
Total de horas presenciales | 30,00 |
Trabajo autónomo del estudiante | Horas |
Estudio y trabajo autónomo individual | 45,00 |
Total de horas de trabajo autónomo | 45,00 |
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Informes y memorias de prácticas | | 40% |
Trabajos y proyectos | 20% | |
Pruebas escritas | 40% | |
Total | 100% |
15/03/2023 10:34:45 - G 2022-23 - 855M - 5217