Salta el contingut

Programació

Informació general

Mòdul M5074 — Sistemes de Big Data Cicle CFGS Intel·ligència Artificial i Big Data (CEIABD)
Hores totals 99 hores al centre Distribució 3 hores/setmana · 33 setmanes
Centre Institut Sa Palomera, Blanes Professor Francesc Barragán
Curs 2026-2027 ECTS 6

Normativa

Titulació: Cursos d'especialització d'FP

Competències professionals

Les competències professionals, personals i socials relacionades amb aquest mòdul, d'acord amb el currículum vigent, inclouen:

  • Desenvolupar i implementar sistemes d'intel·ligència artificial que facilitin la presa de decisions àgils dins d’un negoci gestionant i explotant dades massives.
  • Gestionar la transformació digital necessària a les organitzacions per a la consecució de l’eficiència empresarial mitjançant el tractament de dades,
  • *Integrar sistemes d’explotació de grans volums de dades aplicant solucions de Big Dades.
  • Implantar les funcionalitats, processos i sistemes de decisions empresarials aplicant tècniques de Big Data en ells.
  • Executar el sistema d’explotació de dades segons les necessitats d’ús i les condicions de seguretat establertes assegurant el compliment dels principis legals i ètics.
  • Configurar les eines que es fan servir per construir solucions Big Data i d’Intel·ligència Artificial.
  • Gestionar de manera eficient les dades, la informació i la seva representació per a transformar-los en coneixement. -Complir la legislació vigent que regula la normativa dels mitjans de comunicació audiovisual i de l’accessibilitat universal.
  • Adaptar-se a les noves situacions laborals, mantenint actualitzats els coneixements científics, tècnics i tecnològics relatius al seu entorn professional, gestionant la seva formació i els recursos existents a l'aprenentatge al llarg de la vida i utilitzant les tecnologies de la informació i la comunicació.
  • Resoldre situacions, problemes o contingències amb iniciativa i autonomia en l’àmbit de la seva competència, amb creativitat, innovació i esperit de millora a la feina personal i a la dels membres de l'equip.
  • Organitzar i coordinar equips de treball amb responsabilitat, supervisant el desenvolupament del mateix, mantenint relacions fluides i assumint el lideratge, així com aportant solucions als conflictes grupals que es presentin.
  • Comunicar-se amb els seus iguals, superiors, clientela i persones sota la seva responsabilitat, utilitzant vies eficaces de comunicació, transmetent la informació o coneixements adequats i respectant l'autonomia i la competència de les persones que intervenen en l’àmbit del seu treball.
  • Generar entorns segurs en el desenvolupament de la feina i en el del seu equip, supervisant i aplicant els procediments de prevenció de riscos laborals i ambientals, d'acord amb allò establert per la normativa i els objectius de l'empresa.
  • Supervisar i aplicar procediments de gestió de qualitat, d’accessibilitat universal i de «disseny per a totes les persones», en les activitats professionals incloses en els processos de producció o prestació de serveis.
  • Exercir els seus drets i complir les obligacions derivades de la seva activitat professional, d'acord amb allò establert a la legislació vigent, participant activament a la vida econòmica, social i cultural

Resultats d'Aprenentatge

RA Nom Hores Pes
RA1 Aplica tècniques d'anàlisi de dades que integren, processen i analitzen la informació, adaptant-los i implementant aplicacions i sistemes que les utilitzin. 27h 27%
RA2 CConfigura quadres de comandament en diferents entorns computacionals usant tècniques d'anàlisi de dades. 15h 15%
RA3 Gestiona i emmagatzema dades facilitant la cerca de respostes en grans conjunts de dades. 42h 43%
RA4 Aplica eines per a la visualització de dades utilitzades en les solucions Big Data facilitant les tasques d'anàlisi i presentació de resultats. 15h 15%
TOTAL 99h 100%

Blocs Formatius

A partir dels RA, hem definit 7 blocs formatius. El mòdul té una càrrega lectiva de 99h al centre, repartides en 3 sessions setmanals al llarg de 33 setmanes.

Blocs Formatius RA1 RA2 RA3 RA4
1. Introducció al Big Data
1.1 Les 5V del Big Data 3
1.2 Panorama tecnològic i ecosistema 3
1.3 Arquitectures generals (DW, DL, Lakehouse) 3
2. Dades relacionals a gran escala
2.1 Índexs avançats i clusteritzats 6 3
2.2 Particionament de taules 3 3
2.3 Optimització de queries 3
3. Dades no relacionals — MongoDB
3.1 Model de documents i CRUD 6
3.2 Aggregation Pipeline 6
3.3 Índexs i rendiment en MongoDB 3
4. Arquitectura de dades — Cloud
4.1 AWS per a Big Data (S3, RDS, Redshift, Glue) 9
4.2 Azure per a Big Data (Blob, SQL, Synapse, ADF) 6
4.3 Data Warehouse: concepte i esquema estrella 3
4.4 Data Lake i Lakehouse 3
5. ETL i pipelines de dades
5.1 ETL vs ELT, conceptes i eines 3
5.2 Apache Airflow 6
5.3 Qualitat de dades 3
6. Formats de dades
6.1 Formats tabulars (CSV, TSV) 3 3
6.2 Formats columnar (Parquet, ORC) 3
7. Visualització de dades
7.1 Principis de visualització 3 3
7.2 Biblioteques Python (Matplotlib, Plotly) 3 3
7.3 Power BI i storytelling 9 9
Total — 99h 27h 15h 42h 15h
Percentatge 27% 15% 43% 15%

Planificació temporal

---
config:
  theme: base
  themeVariables:
    background: "#FFFFFF"
    primaryTextColor: "#1F2937"
    secondaryTextColor: "#fafafa"
    lineColor: "#64748B"
    nodeBorder: "#CBD5E1"
    cScale0: "#2563EB"
    cScale1: "#16A34A"
    cScale2: "#7C3AED"
---
timeline
    title Sistemes de Big Data — M5074
    section 1r Avaluació
        Introducció al Big Data
            : Les 5V del Big Data
            : Panorama tecnològic i ecosistema
            : Arquitectures generals (DW, DL, Lakehouse)
        Dades relacionals a gran escala
            : Índexs avançats i clusteritzats
            : Particionament de taules
            : Optimització de queries
        Dades no relacionals — MongoDB
            : Model de documents i CRUD
            : Aggregation Pipeline
            : Índexs i rendiment
    section 2a Avaluació
        Arquitectura de dades — Cloud
            : AWS per a Big Data
            : Azure per a Big Data
            : Data Warehouse i Data Lake/Lakehouse
        ETL i pipelines de dades
            : ETL vs ELT
            : Apache Airflow
            : Qualitat de dades
        Formats de dades
            : Formats tabulars (CSV, TSV)
            : Formats columnar (Parquet, ORC)
    section 3a Avaluació
        Visualització de dades
            : Principis de visualització
            : Biblioteques Python
            : Power BI i storytelling

Avaluació

Per a l'avaluació del mòdul de Sistemes de Big Data es ponderaran els resultats d'aprenentatge respecte als percentatges indicats en l'apartat anterior.

Per a l'avaluació de cada RA, s'utilitzaran diferents Instruments d'Avaluació (IA):

  • Activitats d'ensenyament/aprenentatge (AC), normalment realitzades a l'aula, qualificades sobre una escala de 3 punts.
  • Activitats de reforç (AR), per consolidar criteris d'avaluació no assolits, també sobre 3 punts.
  • Pràctiques (PR), amb una càrrega temporal d'una a dues setmanes, qualificades sobre 10 punts amb rúbriques detallades.
  • Prova escrita (PE), qualificada sobre 10 punts.

Per calcular la qualificació de cada RA, es realitzarà la mitjana ponderada simple dels instruments d'avaluació emprats. Per comprovar la cobertura de tots els criteris d'avaluació, consulteu la pàgina de validació als annexes.

Totes les qualificacions es podran consultar en tot moment a la plataforma Moodle del curs.

Per considerar superat el mòdul, cadascun dels elements d'avaluació ha de tenir una nota superior o igual a 5.

Materials

Al llarg del curs, treballarem amb materials disponibles en aquest espai web. Cada bloc començarà amb un resum de la proposta didàctica, els criteris d'avaluació (CA) a cobrir i un qüestionari inicial per reflexionar sobre el coneixement previ.

A la part final de cada sessió, es presenten activitats codificades amb el prefix del tipus d'instrument d'avaluació i la unitat que cobreixen (per exemple, AC5074/02/03 és la 3a activitat de classe del Bloc 2 del mòdul 5074).