Saltar para:
Logótipo
This page in english Ajuda Autenticar-se
FCUP
Você está em: Início > CC4053
Autenticação




Mapa das Instalações
FC6 - Departamento de Ciência de Computadores FC5 - Edifício Central FC4 - Departamento de Biologia FC3 - Departamento de Física e Astronomia e Departamento GAOT FC2 - Departamento de Química e Bioquímica FC1 - Departamento de Matemática

Big Data e Cloud Computing

Código: CC4053     Sigla: CC4053     Nível: 400

Áreas Científicas
Classificação Área Científica
OFICIAL Ciência de Computadores

Ocorrência: 2020/2021 - 2S Ícone do Moodle Ícone  do Teams

Ativa? Sim
Página Web: http://www.dcc.fc.up.pt/~edrdo/aulas/bdcc
Unidade Responsável: Departamento de Ciência de Computadores
Curso/CE Responsável: Mestrado Integrado em Engenharia de Redes e Sistemas Informáticos

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
M:CC 21 PE a partir do ano letivo de 2014 1 - 6 42 162
M:DS 22 Plano Oficial a partir de 2018_M:DS 1 - 6 42 162
MI:ERS 11 Plano Oficial desde ano letivo 2014 4 - 6 42 162
M:SI 17 Plano Oficial a partir de 2020/2021 1 - 6 42 162

Docência - Responsabilidades

Docente Responsabilidade
Inês de Castro Dutra Regente
Eduardo Resende Brandão Marques Regente

Docência - Horas

Teorico-Prática: 3,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 3 9,00
Eduardo Resende Brandão Marques 3,00
Inês de Castro Dutra 3,00
Mais informaçõesA ficha foi alterada no dia 2021-02-12.

Campos alterados: Lingua de trabalho

Língua de trabalho

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:


  • 2 testes ao longo do semestre (T1 e T2) com peso de 60% (12 = 6+6 valores)

  • trabalhos práticos (TP) com peso de 40% (8 valores)


Para aprovação os alunos deverão:


  • ter nota mínima de 8 valores em ambos os testes (T1 e T2): T1 >= 8 e T2 >=8

  • ter notas nos testes e trabalhos tais que 0.3 T1 + 0.3 T2 + 0.4 TP >= 9.5 valores


Os alunos que não tenham aproveitamento nas condições estipuladas acima podem realizar um exame na época de recurso em que:


  • O exame tem duas componentes:  matéria relativa ao teste T1 (E1) e matéria relativa ao teste T2 (E2).

  • Os estudantes poderão optar por realizar uma das componentes ou pelas duas. A melhor nota de cada componente repetida é a escolhida (E1 ou T1, E2 ou T2), mantendo-se o requisito de nota mínima de 8 valores e para aprovação.

  • A nota final é dada neste caso por: N = 0.3 max(T1,E1) + 0.3 max(T2,E2) + 0.4 TP.  O aluno obtém aprovação se N >= 9.5, max(T1,E1)  >= 8  e max(T2,E2)  >= 8.

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.
Recomendar Página Voltar ao Topo
Copyright 1996-2022 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2022-07-06 às 16:55:04 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias