Syllabus
DED-2004 BIG DATA
DR. JOSE MANUEL LIRA TURRIZA
jmlira@itescam.edu.mx
Semestre | Horas Teoría | Horas Práctica | Créditos | Clasificación |
7 | 2 | 3 | 5 | Ingeniería Aplicada |
Prerrequisitos |
|
Competencias | Atributos de Ingeniería |
Comprender la importancia de Big Data, así como sus características y arquitectura. | Reconocer la necesidad permanente de conocimiento adicional y tener la habilidad para localizar, evaluar, integrar y aplicar este conocimiento adecuadamente | Diseñar, implementar y manipular bases de datos NoSQL. | Aplicar, analizar y sintetizar procesos de diseño de ingeniería que resulten en proyectos que cumplen las necesidades específicas | Utilizar herramientas para procesar y reducir en paralelo grandes volúmenes de datos, principalmente las proporcionadas por el ecosistema Hadoop. | Desarrollar y conducir una experimentación adecuada; analizar e interpretar datos y utilizar el juicio ingenieril para establecer conclusiones | Utilizar herramientas para analizar y obtener conocimiento significativo que sea relevante para toma de decisiones en un ambiente corporativo. | Desarrollar y conducir una experimentación adecuada; analizar e interpretar datos y utilizar el juicio ingenieril para establecer conclusiones | Entender el proceso de almacenar y recuperar Grandes Datos en la nube. | Reconocer la necesidad permanente de conocimiento adicional y tener la habilidad para localizar, evaluar, integrar y aplicar este conocimiento adecuadamente | Desarrolla un proyecto de aplicación de analítica de Big Data. | Aplicar, analizar y sintetizar procesos de diseño de ingeniería que resulten en proyectos que cumplen las necesidades específicas |
Normatividad |
|
Materiales |
|
Bibliografía disponible en el Itescam | |||||
Título |
Autor |
Editorial |
Edición/Año |
Ejemplares |
|
Parámetros de Examen | ||
PARCIAL 1 | De la actividad 1.1.1 a la actividad 3.1.4 | |
PARCIAL 2 | De la actividad 4.1.1 a la actividad 6.1.3 |
Contenido (Unidad / Competencia / Actividad / Material de Aprendizaje) | |
1. Introducción a Big Data
1.1. Comprender la importancia de Big Data, así como sus características y arquitectura. 1.1.1. Investigar conceptos relacionados al tema en internet, libros y artículos Luis Joyanes Aguilar. Definición y características de Big Data. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 1 Pag 1- 3 Manual de Prácticas de Big Data (4072956 bytes) 1.1.2. Acceder foros de discusión sobre uso, tendencias y convergencia de la tecnología Luis Joyanes Aguilar. Retos en el procesamiento de Big Data. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 1 1.1.3. Identificar los tipos de datos estructurados, no estructurados y semi estructurados, elaborar un mapa mental Luis Joyanes Aguilar. Tipos de Datos. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 1 Pag 3 - 5 1.1.4. Investigar plataformas comerciales de Big Data y sus características Luis Joyanes Aguilar. Plataformas Comerciales. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Página 245 Apéndice B Luis Joyanes Aguilar. Plataformas. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 7 Pag 158 Luis Joyanes Aguilar. Analítica de Big Data en las organizaciones. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 5 Pag 85- 90 Luis Joyanes Aguilar. Arquitectura de los Big Data. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 7 Pag 153 - 154 Luis Joyanes Aguilar. Fuentes de Big Data. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 2 Luis Joyanes Aguilar. Componentes de un Sistema Big Data. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 7 Página 158-159 |
2. Bases de datos NoSQL
2.2. Diseñar, implementar y manipular bases de datos NoSQL. 2.2.1. Realizar un cuadro comparativo sobre SQL y NoSQL Luis Joyanes Aguilar. SQL vs NoSQL. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 Página 185 Luis Joyanes Aguilar. Características de Bases de datos NoSQL. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 2.2.2. Investigar los diferentes tipos de NoSQL Luis Joyanes Aguilar. Bases de datos NoSQL Orientadas a documentos. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 Página 191-193 Luis Joyanes Aguilar. Bases de datos NoSQL clave-valor. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 Página 186-188 Luis Joyanes Aguilar. Bases de datos NoSQL orientada a columnas (Big Table). Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 Página 189-191 Luis Joyanes Aguilar. Bases de datos NoSQL orientada a grafos. Big Data. Análisis de Grandes Volúmenes de Datos en Organizaciones Primera Edición, Editorial Alfaomega, México 2013 Capitulo 8 Página 188-189 2.2.3. Desarrollo de consultas a bases de datos NoSQL Lenguajes para el acceso a bases de datos NoSQL (399959 bytes) |
3. Integración y Procesamiento de Datos Distribuidos y en Paralelo
3.1. Utilizar herramientas para procesar y reducir en paralelo grandes volúmenes de datos, principalmente las proporcionadas por el ecosistema Hadoop. 3.1.1. Instalar las herramientas de desarrollo 3.1.2. Investigar los temas en internet, libros y manuales 3.1.3. Desarrollar pequeñas aplicaciones para la automatización de procesamiento y reducción de datos 3.1.4. Revisar avance en el desarrollo del proyecto final integrador |
4. Analítica de Big Data
4.1. Utilizar herramientas para analizar y obtener conocimiento significativo que sea relevante para toma de decisiones en un ambiente corporativo. 4.1.1. Instalar las herramientas de desarrollo 4.1.2. Investigación bibliográfica e internet de los temas de la unidad Ciencia de Datos (494765 bytes) Minería de Datos (433350 bytes) Minería de Datos Guía (2274038 bytes) 4.1.3. Realizar prácticas que utilicen herramientas actuales para analítica de datos 4.1.4. Instalación y uso de software herramientas de analítica de datos 4.1.5. Desarrollar prácticas que implementen la analítica de Big Data, generando reporte de resultados |
5. Big Data en la Nube
5.1. Entender el proceso de almacenar y recuperar Grandes Datos en la nube. 5.1.1. Investigar los temas en internet, libros, artículos, tesis o manuales 5.1.2. Realizar una tabla comparativa de los diferentes proveedores de Big Data en la nube 5.1.3. Utilizar herramientas para almacenar y recuperar datos en la nube |
6. Proyecto de aplicación
6.1. Desarrolla un proyecto de aplicación de analítica de Big Data. 6.1.1. Definir el proyecto de aplicación a realizar 6.1.2. Desarrollar el proyecto 6.1.3. Presentar el proyecto final |
Prácticas de Laboratorio (20232024P) |
Fecha |
Hora |
Grupo |
Aula |
Práctica |
Descripción |
Cronogramas (20232024P) | |||
Grupo | Actividad | Fecha | Carrera |
Temas para Segunda Reevaluación |