Máster Universitario en Data Science La Salle Campus Barcelona URL

Máster Universitario en Data Science

Conviértete en un experto en analizar, estructurar, filtrar, visualizar y poner en valor la producción de datos generados

Infraestructuras de computación

Descripción
La asignatura abordará la evolución experimentada por las infraestructuras de computación durante los últimos 25 años. Para entender el relevante papel que juegan las infraestructuras en la aparición y consolidación de la ciencia de datos, nuestro viaje analizará el cambio de paradigma ocurrido. Hemos pasado de procesar cantidades de datos razonables usando “personal computers” a tener ingentes volúmenes de información en el “cloud”. Edge computing, máquinas virtuales, contenedores, orquestadores, tecnologías “serverless”, plataformas cloud, y muchos otros conceptos son los que todo científico de datos debe tener en su mochila para ser capaz de afrontar todo tipo de proyecto en el mundo de los datos.
Tipo asignatura
Primer - Obligatoria
Semestre
Primero
Curso
1
Créditos
5.00

Profesores Docentes

Conocimientos previos

Recomendable: Conocimientos básicos en informática y programación aunque no se requiere ningún tipo de conocimiento avanzado de programación ya que los contenidos están muy pautados y con lenguaje de alto nivel.

Objetivos

Los objetivos se centrarán en:
• Aportar un conocimiento de las herramientas y plataformas más usadas actualmente en los proyectos de datos.
• Conocer y controlar sistemas de virtualización, orquestadores de contenedores y servicios en plataformas cloud.
• Introducir el uso de Python como herramienta básica en el día a día del científico de datos.

Contenidos

Capítulo 1: Computación en el siglo XX
• Paradigma clásico
• Revolución computacional

Capítulo 2: Bienvenidos al siglo XXI
• Virtualización, Hipervisores
• Software Defined Concepts
• IaaS, PaaS, SaaS

Capítulo 3: Contenedores, trending topic
• Historia y evolución
• Docker, Imágenes, Registro, Despliegue
• Orquestadores: Swarm, Kubernetes, EKS...

Capítulo 4: Cloud Services & Tecnologías Serverless
• AWS, GCP, DigitalOcean, Linode...
• Descubrimiento de servicios
• AWS Lambda como modelo Serverless

Capítulo 5: Introducción a Python 3
• Enfoque práctico del uso del lenguaje
• Uso de estructuras de datos básicas

Nota: los temas pueden ajustarse y/o modificarse a criterio de la coordinación del máster.

Metodología

La metodología utilizada combina clases magistrales, participación de los estudiantes y el desarrollo de un proyecto. Para el alumno, esto implicará tanto trabajos individuales como en grupo, así como ejercicios conceptuales, ejercicios escritos y presentaciones orales.

Evaluación

Trabajos y/o pruebas escritas de respuesta abierta

Criterios evaluación

Evaluación continuada
Esta asignatura se evaluará de manera continuada a partir de presentaciones orales, trabajos y/o ejercicios y la participación en clase. El 60% de la evaluación dependerá de: (i) la participación en clase (se recomienda la asistencia); (ii) la realización de un trabajo individual sobre el diseño e implementación de un proyecto de datos. El 40% restante dependerá de las presentaciones de los ejercicios colectivos que se detallarán al empezar las clases.

Convocatoria extraordinaria
Se determinará el examen y/o trabajos de convocatoria extraordinaria desde la coordinación de la asignatura.

Normativa de copias
La asignatura se rige por la normativa de copias general de La Salle Campus BCN:
<https://www.salleurl.edu/es/normativa-de-copias>
Las actividades formativas se considerarán que tienen la siguiente categoría:
• Ejercicios: moderadamente significativa
• Proyecto: altamente significativa
• Evaluación Final: altamente significativa

Bibliografía básica

• Apuntes de clase
• Documentción y artículos subidos a la Intranet (eStudy)
• Links a videos técnicos

Material complementario

Todo el material de clase (presentaciones, ejercicios, artículos, documentos, etcétera) se compartirán en la carpeta de la asignatura de la Intranet de La Salle: eStudy.