Ciencia de los Datos Aplicada
Grado y Doble Grado. Curso 2024/2025.
BASES DE DATOS NoSQL - 806318
Curso Académico 2024-25
Datos Generales
- Plan de estudios: 081C - GRADO EN CIENCIA DE LOS DATOS APLICADA (2022-23)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CG2 - Adquirir la habilidad para expresarse claramente y de presentar los resultados de sus análisis, oralmente o por escrito,
mediante un informe de carácter profesional.
CG8 - Demostrar un pensamiento lógico y un razonamiento estructurado.
CG9 - Sintetizar las ideas principales de un texto o discurso.
CG10 - Desarrollar la capacidad de expresar y aplicar rigurosamente los conocimientos adquiridos en la resolución de problemas.
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las
competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Transversales
paz y la conciencia democrática, de los mecanismos básicos para la participación ciudadana y de una actitud para la sostenibilidad
ambiental y el consumo responsable.
CT2 - Conocer y aplicar las políticas y prácticas de atención a colectivos sociales especialmente desfavorecidos e incorporar los
principios de igualdad entre hombres y mujeres y de accesibilidad universal y diseño adaptado para todos a su ámbito de estudio.
CT3 - Conocer y aplicar las herramientas para la búsqueda activa de empleo y el desarrollo de proyectos de emprendimiento,
aplicando sus conocimientos al ejercicio profesional.
CT4 - Desarrollar las aptitudes para el trabajo cooperativo y la participación en equipos, las habilidades de negociación e incorporar
los valores de cooperación, esfuerzo, respeto y compromiso con la búsqueda de la calidad como signo de identidad.
CT5 - Utilizar un lenguaje inclusivo que respete las diversidades propias y características de las personas, y adquirir estrategias
comunicativas orales y/o escritas eficaces para favorecer la transmisión del conocimiento.
CT6 - Analizar, razonar críticamente, pensar con creatividad y evaluar el propio proceso de aprendizaje discutiendo asertiva y
estructuradamente las ideas propias y ajenas, ejerciendo auténtico espíritu de liderazgo.
Específicas
aplicación (como la documental, geográfica, actuarial, económica, financiera, biosanitaria, etc.) y utilizarlas adecuadamente para
descubrir patrones de comportamiento en datos de cualquier volumen y tipología y extraer conclusiones relevantes.
CE7 - Utilizar las herramientas de software necesarias para almacenar, procesar y visualizar datos de cualquier volumen sobre
distintos ámbitos, tales como datos textuales, datos espaciales, relaciones espacio temporales, etc.
CE8 - Almacenar y procesar eficientemente datos estructurados y no estructurados de diverso tipo, como imágenes, texto o sonido,
y de cualquier volumen.
CE10 - Diseñar, programar e implantar aplicaciones de análisis y Ciencia de los Datos.
CE11 - Identificar y aplicar las técnicas adecuadas de programación y utilizarlas en el diseño de soluciones eficientes para
problemas en distintos ámbitos, como el biosanitario, la geolocalización, la minería de texto, el procesamiento de imágenes, etc.
CE12 - Identificar y aplicar las técnicas adecuadas de exploración, gestión, procesamiento, explotación y visualización de datos en
función de su volumen y complejidad.
CE16 - Identificar y aplicar las técnicas algorítmicas básicas y avanzadas para encontrar soluciones secuenciales y paralelas a
problemas, analizando la complejidad y la adecuación de los algoritmos propuestos según el tipo, la organización y el volumen de
los datos.
CE18 - Identificar y aplicar los distintos modelos de datos tanto relacionales como no relacionales, saber cómo organiza los datos
cada uno de dichos modelos y conocer sus principios básicos de diseño, procesamiento y explotación
ACTIVIDADES DOCENTES
Clases teóricas
los objetivos principales de cada tema y
se desarrollarán con detalle los contenidos
necesarios para una buena comprensión de
los conceptos y técnicas propios de cada
materia.
50% de las horas presenciales
Clases prácticas
y resolverán ejercicios y problemas y
se realizarán actividades que permitan
afianzar los conocimientos adquiridos.
50% de las horas presenciales.
Exposiciones
Durante el curso los alumnos tendrán que preparar algún tema
por su cuenta en relación con la asingatura. Deberán realizar una
presentación del tema.
Otras actividades
Tutorías individuales y en grupo para
ofrecer el apoyo y asesoramiento que
permitan al estudiante abordar las
tareas encomendadas en las actividades
formativas.
Estudio autónomo para una buena
comprensión de los conocimientos.
Realización de ejercicios en los que
se resolverán problemas propuestos,
trabajando en la aplicación de los
conocimientos adquiridos.
Lecturas recomendadas para una mejor
comprensión de los temas tratados.
Presenciales
No presenciales
Semestre
Breve descriptor:
Conocer la arquitectura de una BD NoSQL, y realizar consultas en este tipo de BBDD
Comprender y aplicar los modelos principales de procesamiento de datos.
Almacenamiento distribuido y redundante.
Requisitos
Objetivos
- Comprender los fundamentos de las bases de datos NoSQL.
- Evaluar las ventajas y desventajas de las bases de datos NoSQL.
- Implementar bases de datos NoSQL.
- Desarrollar habilidades prácticas en la manipulación de datos NoSQL.
- Integrar bases de datos NoSQL con aplicaciones modernas.
Contenido
1. Introducción y conceptos básicos
Historia y evolución de las bases de datos
Diferencias entre bases de datos relacionales y NoSQL.
Tipos de bases de datos NoSQL: Clave-valor, documentos, columnales, grafos.
2. Arquitectura MongoDB.
Arquitecutra básica y características clave.
Instalación y arquitectura básicas.
3. Modelado de datos.
Documentos empotrados vs referencias
Estrategias de modelado y mejores prácticas
4. Indexación y rendimiento
Tipos de índices y su uso
Monitoreo y optimización del rendimiento
5. Agregaciones y procesamiento de datos
Introducción al entorno de agregación
Pipeline de agregación y operadores comunes
6. MongoDB y Big Data
Almacenamiento redundante y distribuido.
Soluciones en la nube
Evaluación
- Participación. Los alumnos deberán realizar exposiciones sobre temas relacionados con la asignatura.
- Evaluación continua. Ejercicios propuestos por el profesor, realizados de forma indiviual y entregados en su plazo. También se realizarán controles sorpresa, las ausencias deberán estar adecuadamente justificadas.
- Examen final.
Tanto para convocatoria extraordinaria como ordinaria:
Habrá un examen final el que será necesario tener una puntuación de 5/10.
La nota de la convocatoria extraordinaria se calculará según la fórmula: max(
Bibliografía
- Python, http://docs.python.org/3
- MongoDB: https://docs.mongodb.org/manual
- https://www.mongodb.com/resources/languages/pymongo-tutorial
Libros
David Hows, Peter Membrey, Eelco Plugge, Tim Hawkins. The Definitive Guide to MongoDB: A complete guide to dealing with Big Data using MongoDB. Apress. 2015
Cyrus Dasadia, Amol Nayak. MongoDB Cookbook. Packt Publishing. 2016.
Subhashini Chellappan, Dharanitharan Ganesan. MongoDB Recipes: With Data Modeling and Query Building Strategies. Apress. 2020
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases Teóricas y/o Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 09/09/2024 - 20/12/2024 | LUNES 11:00 - 13:00 | - | LUIS FERNANDO LLANA DIAZ |
Actividades Prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo Único | 09/09/2024 - 20/12/2024 | MIÉRCOLES 13:00 - 15:00 | - | LUIS FERNANDO LLANA DIAZ |