Ciência de Dados em Larga Escala

Código:

CC3047

Sigla:

CC3047

Nível:

300

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores

Ocorrência: 2023/2024 - 2S

Ativa?	Sim
Página Web:	https://moodle2324.up.pt/course/view.php?id=2125
Unidade Responsável:	Departamento de Ciência de Computadores
Curso/CE Responsável:	Licenciatura em Inteligência Artificial e Ciência de Dados

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
L:BIOINF	0	Plano de Estudos Oficial	3	-	6	48	162
L:CC	17	Plano estudos a partir do ano letivo 2021/22	3	-	6	48	162
L:IACD	59	Plano Oficial a partir do ano letivo 2021/22	3	-	6	48	162

Língua de trabalho

Português e inglês

Objetivos

Introdução ao uso de infra-estruturas de "cloud computing" para processamento massivo de dados ("big data") em problemas do mundo real.

Resultados de aprendizagem e competências

- Uso de serviços de cloud-computing para aplicações  big data.
- Desenho e implementação de aplicações para big-data usando modelos de programação suportados pela cloud.
- Conhecimento de fundamentos e algoritmos nucleares para mineração de dados em aplicações de big data.
- Experiência prática com ferramentas do estado da arte disponíveis para cloud computing e big data.

Modo de trabalho

Presencial

Programa

- Introdução ao big data: desafios, cenários de exemplo sob o ponto de vista científico e empresarial.

- O paradigma de cloud computing: modelos de serviço (PaaS, SaaS, IaaS); virtualização, instalação e orquestração de serviços; integração de recursos de computação, networking e armazenamento de dados; expansibilidade, tolerância a falhas, elasticidade.

- Programação de aplicações big data  baseadas no paradigma map-reduce.

- Trabalhos de programação de aplicações big-data em tópicos como streams de dados, grafos de redes sociais, sistemas de recomendação ou bioinformática.

Bibliografia Obrigatória

Ian Foster and Dennis B. Gannon; Cloud Computing for Science and Engineering, MIT Press, 2017. ISBN: 978-0262037242

Bibliografia Complementar

Tom White; Hadoop, The Definitive Guide, 4th edition, O'Reilly Media, 2015. ISBN: 978-1491901632
N. Marz and J. Warren; Big Data: Principles and best practices of scalable realtime data systems,, Manning Publications, 2015. ISBN: 978-1617290343
Dan C. Marinescu; Cloud Computing - Theory and Practice, 2nd edition, Morgan Kaufmann, 2018. ISBN: 978-0-12-812810-7
Jure Leskovec, Anand Rajaraman, Jeff Ullman ; Mining of Massive Datasets, Cambridge University Press, 2014. ISBN: 978-1107077232 (Disponível de forma gratuita em PDF pelos autores em http://mmds.org)
M. Zaharia and B. Chambers; Spark: The Definitive Guide - Big Data Processing Made Simple, O'Reilly, 2018. ISBN: 978-1491912218

Métodos de ensino e atividades de aprendizagem

- Introdução às tecnologias de cloud computing tendo em conta os requisitos das aplicações big data.

- Projectos de programação usando ferramentas dos principais fornecedores de serviços cloud (Amazon Web Services, Microsoft Azure, Google Cloud, etc) e servidores de algo desempenho.

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	40,00
Teste	60,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	52,00
Frequência das aulas	52,00
Estudo autónomo	58,00
Total:	162,00

Obtenção de frequência

--

Fórmula de cálculo da classificação final

Os componentes de avaliação compreendem:

• 1 exame (60%) (12 valores)


• 1 trabalho prático (TP) com peso de 40% (8 valores)


• mini-trabalhos ao longo do semestre

Aprovação: nota final maior ou igual a 10 E nota do exame pelo menos 30% do valor total (>=3,6 valores).

Melhoria de classificação

A data de exame de recurso pode ser usada para melhoria de nota.

A classificação dos trabalho práticos não pode ser melhorada.