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.