Màster Universitari en Data Science La Salle Campus Barcelona URL

Màster Universitari en Data Science

Converteix-te en un expert en analitzar, estructurar, filtrar, visualitzar i posar en valor la producció de dades generades.

Infraestructures de computació

Descripció: 
L'assignatura abordarà l'evolució que han experimentat les infraestructures informàtiques durant els últims 25 anys. Per entendre el paper rellevant que juguen les infraestructures en l'emergència i consolidació de la ciència de dades, el nostre viatge analitzarà el canvi de paradigma que s'ha produït. Hem passat de processar quantitats raonables de dades utilitzant "ordinadors personals" a tenir enormes volums d'informació en el "núvol". Edge computing, màquines virtuals, contenidors, orquestradors, tecnologies sense servidor, plataformes cloud, i molts altres conceptes són el que tot científic de dades ha de tenir a la motxilla per poder afrontar tot tipus de projectes en el món de les dades.
Tipus assignatura
Primer - Obligatoria
Semestre
Primer
Curs
1
Crèdits
5.00

Professors Docents

Coneixements previs

Recomanable: coneixements bàsics en informàtica i programació tot i que no es requereix cap tipus de coneixement avançat de programació ja que els continguts estan molt pautats i amb llenguatge d'alt nivell.

Objectius

Els objectius se centraran en:
• Proporcionar coneixement de les eines i plataformes utilitzades actualment en projectes de dades.
• Conèixer i controlar sistemes de virtualització, orquestradors de contenidors i serveis en plataformes cloud.
• Introduir l'ús de Python com a eina bàsica en el dia a dia del data scientist.

Continguts

Capítol 1: La informàtica al segle XX
• Paradigma clàssic
• Revolució computacional

Capítol 2: Benvinguts al segle XXI
• Virtualització, Hipervisors
• Software Defined Concepts
• IaaS, PaaS, SaaS

Capítol 3: Contenidors, trending topic
• Història i evolució
• Docker, Imatges, Registre, Desplegament
• Orquestradors: Swarm, Kubernetes, EKS…

Capítol 4: Serveis en el núvol i tecnologies sense servidor
• AWS, GCP, DigitalOcean, Linode…
• Descobriment de serveis
• AWS Lambda com a model sense servidor

Capítol 5: Introducció a Python 3
• Enfoc pràctic de l'ús del llenguatge
• Ús d'estructures de dades bàsiques

Nota: els temes poden ser ajustats i/o modificats a discreció de la coordinació del màster.

Metodologia

La metodologia utilitzada combina classes magistrals, participació dels estudiants i el desenvolupment d’un projecte. Per a l'estudiant, això implicarà treballs individuals i en grup, així com exercicis conceptuals, exercicis escrits i presentacions orals.

Avaluació

Treballs i / o proves escrites de resposta oberta.

Criteris avaluació

Avaluació continuada
Aquesta assignatura s'avaluarà de manera continuada a partir de presentacions orals, treballs i/o exercicis i la participació a classe. El 60% de l'avaluació dependrà de: (i) la participació a classe (es recomana l'assistència); (ii)la realització d’un treball individual sobre el disseny i implementació d’un projecte de dades. El 40% restant dependrà de les presentacions dels exercicis col·lectius que es detallaran a l'inici de les classes.

Convocatòria extraordinària
Es determinarà l’examen i/o treballs de convocatòria extraordinària des de la coordinació de l’assignatura.

Normativa de còpies
L’assignatura es regeix per la normativa de còpies general de La Salle Campus BCN:
https://www.salleurl.edu/ca/normativa-de-copies
Les activitats formatives es consideraran que tenen la següent categoria:
• Exercicis: moderadament significativa
• Projecte: altament significativa
• Avaluació final: altament significativa

Bibliografia bàsica

• Apunts de classe
• Documentació i articles que es penjaran a la Intranet (eStudy)
• Links a videos tècnics

Material complementari

Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.