La asignatura plantea una introducción de las técnicas más utilizadas para el Análisis de Datos en ámbitos de Big Data.
Se introducen los conceptos que se utilizan para permitir el almacenamiento masivo distribuido y el procesamiento paralelo.
Especial atención se dedica a las técnicas de programación para clústers. En particular la metodología Map-Reduce y al entorno Spark.

 A lo largo de toda la asignatura se utilizará el lenguaje de programación Python y entornos interactivos de programación, análisis y prueba.

• Comprender el marco conceptual del BigData
• Entender y manejar básicamente un sistema distribuido HDFS Hadoop
• Diseñar soluciones paralelizables utilizando el esquema Map Reduce
• Escribir programas en Spark
• Conocer y programar la abstracción de datos RDD
• Conocer y programar la abstracción de datos DataFrame
• Conocer los módulos avanzados de Spark: Streaming, SQL, ML...
• 
  
  

• Introducción a Big Data.
• Almacenamiento de datos en ambientes Big Data
  • Sistemas de Ficheros distribuidos Hadoop HDFS
• Técnicas de procesamiento paralelo:
  • Map Reduce
  • Apache Spark
  • Módulos avanzados
  • Técnicas de procesamiento paralelo:
• Trabajo en Casos de Uso