Validació dels Criteris d'Avaluació
Mapa de cobertura RA-CA-Instruments
Aquesta pàgina documenta quins instruments d'avaluació cobreixen cadascun dels criteris d'avaluació (CA) dels quatre Resultats d'Aprenentatge (RA) oficials del mòdul 5074. El contingut del mòdul s'organitza en 7 blocs temàtics que distribueixen i reforcen aquests 4 RA al llarg del curs — la correspondència entre blocs i RA es mostra a cada taula.
RA1 — Aplica tècniques d'anàlisi de dades identificant conceptes fonamentals i construint conjunts de dades complexes
| CA | Descripció | Blocs | AC | Pràctica | Prova |
|---|---|---|---|---|---|
| CA1.1 | Identifica conceptes bàsics de matemàtica discreta, lògica algorísmica i complexitat computacional. | Bloc 1 | AC5074/01/01 | — | PE |
| CA1.2 | Extreu informació de grans volums de dades. | Bloc 1, Bloc 2 | AC5074/01/01, AC5074/02/01 a 02/05 | PR507402 | PE |
| CA1.3 | Combina diferents fonts i tipus de dades. | Bloc 1, Bloc 6 | AC5074/01/02, AC5074/06/01 | PR507406 | PE |
| CA1.4 | Construeix conjunts de dades complexes. | Bloc 1 | AC5074/01/02 | PR507401 | — |
| CA1.5 | Estableix objectius i prioritats, seqüenciació i organització del temps. | Bloc 1 | AC5074/01/03 | PR507401 | — |
| CA1.6 | Selecciona i integra sistemes d'informació. | Bloc 1, Bloc 6 | AC5074/01/03, AC5074/06/01 | PR507401, PR507406 | PE |
| CA1.7 | Determina criteris de cost i qualitat per a Big Data. | Bloc 1, Bloc 2 | AC5074/01/02, AC5074/02/01 | PR507402 | PE |
Ponderació oficial RA1: 27%
RA2 — Configura quadres de comandament en entorns computacionals utilitzant tècniques predictives
| CA | Descripció | Blocs | AC | Pràctica | Prova |
|---|---|---|---|---|---|
| CA2.1 | Classifica biblioteques i implementacions de representació d'informació. | Bloc 7 | AC5074/07/01, AC5074/07/02 | PR507407 | — |
| CA2.2 | Creua informació sobre l'objectiu i la naturalesa de les dades. | Bloc 7 | AC5074/07/01 | PR507407 | — |
| CA2.3 | Fa un quadre de comandament amb tècniques adequades. | Bloc 7 | AC5074/07/03, AC5074/07/04 | PR507407 | — |
| CA2.4 | Utilitza tècniques predictives complexes. | — | — | — | — |
| CA2.5 | Avalua l'impacte de l'anàlisi de dades. | Bloc 7 | AC5074/07/04 | PR507407 | — |
Ponderació oficial RA2: 15%
CA2.4 pendent de cobertura explícita
Cap dels 7 blocs actuals etiqueta cap activitat amb CA2.4 (tècniques predictives complexes: regressió, forecasting). És el principal buit detectat en aquesta auditoria. Es recomana ampliar el Bloc 7 (Power BI/Metabase) amb una activitat de mesures predictives, o el Bloc 5 amb un cas de qualitat predictiva de dades.
RA3 — Gestiona i emmagatzema dades en grans conjunts extraient valor de diverses fonts
| CA | Descripció | Blocs | AC | Pràctica | Prova |
|---|---|---|---|---|---|
| CA3.1 | Extreu i emmagatzema dades de diverses fonts. | Bloc 3, Bloc 4, Bloc 5 | AC5074/03/01, AC5074/04/01, AC5074/05/01 | PR507403, PR507404, PR507405 | PE |
| CA3.2 | Fixa l'objectiu d'extreure valor de les dades. | Bloc 3, Bloc 4, Bloc 5 | AC5074/03/02, AC5074/04/03, AC5074/05/01 | PR507403, PR507404, PR507405 | — |
| CA3.3 | Comprova requisits d'emmagatzematge massiu. | Bloc 2, Bloc 3, Bloc 4, Bloc 6 | AC5074/02/02, AC5074/03/04, AC5074/04/01, AC5074/06/02 | PR507402, PR507403, PR507404, PR507406 | PE |
| CA3.4 | Desenvolupa sistemes de gestió i processament de grans volums. | Bloc 2, Bloc 3, Bloc 4, Bloc 5 | AC5074/02/03, AC5074/03/03, AC5074/04/02, AC5074/05/02 | PR507402, PR507403, PR507404, PR507405 | PE |
| CA3.5 | Fa servir habilitats científiques en entorns multidisciplinars. | Bloc 5 | AC5074/05/03, AC5074/05/04 | PR507405 | — |
Ponderació oficial RA3: 43%
RA4 — Aplica eines per a la visualització de dades valorant les tipologies i aplicacions de BI
| CA | Descripció | Blocs | AC | Pràctica | Prova |
|---|---|---|---|---|---|
| CA4.1 | Examina escenaris i tipologies de dades no estructurades. | — | — | — | — |
| CA4.2 | Implanta aplicació de BI per a l'extracció de valor. | Bloc 7 | AC5074/07/03, AC5074/07/04 | PR507407 | — |
| CA4.3 | Reconeix la importància d'emmagatzemar de forma distribuïda. | Bloc 4 | AC5074/04/06, AC5074/04/07 | PR507404 | PE |
| CA4.4 | Determina diferències entre aplicacions de processament de dades. | Bloc 4 | AC5074/04/04, AC5074/04/05 | PR507404 | PE |
| CA4.5 | Comprova la manera de programar i processar l'estructura de dades. | Bloc 6 | AC5074/06/03 | PR507406 | — |
| CA4.6 | Valora les maneres de visualitzar les dades. | Bloc 7 | AC5074/07/01, AC5074/07/02 | PR507407 | — |
Ponderació oficial RA4: 15%
CA4.1 pendent de cobertura explícita
El Bloc 3 (MongoDB) treballa dades semiestructurades, però cap activitat etiqueta explícitament CA4.1 (escenaris i tipologies de dades no estructurades: text, imatge, àudio, logs). Es recomana afegir una activitat al Bloc 3 o al Bloc 6 que tracti explícitament aquesta tipologia.
Resum de ponderacions
| RA | Pes oficial | Instruments principals |
|---|---|---|
| RA1 | 27% | AC (Bloc 1, Bloc 2) + PR507401 + PR507402 |
| RA2 | 15% | AC (Bloc 7) + PR507407 |
| RA3 | 43% | AC (Bloc 2 a Bloc 6) + PR507402 a PR507406 |
| RA4 | 15% | AC (Bloc 4, Bloc 6, Bloc 7) + PR507404, PR507406, PR507407 |
| TOTAL | 100% |
Condició de superació
Per superar el mòdul, cadascun dels 4 RA oficials ha d'obtenir una nota igual o superior a 5 sobre 10. No es pot compensar un RA suspès amb la nota alta d'un altre RA.
Pes per bloc temàtic
Aquesta és la distribució didàctica en 7 blocs que organitza el dia a dia de l'aula (vegeu Programació d'aula). Cada bloc reforça un o més RA oficials, tal com s'indica a les taules anteriors.
| Bloc | RA reforçats | Pràctica avaluable | Pes en la nota final |
|---|---|---|---|
| 1 — Introducció al Big Data | RA1 | PR507401 | 9% |
| 2 — Dades relacionals a gran escala | RA1, RA3 | PR507402 | 18% |
| 3 — Dades no relacionals — MongoDB | RA3 | PR507403 | 15% |
| 4 — Arquitectura de dades | RA3, RA4 | PR507404 | 21% |
| 5 — ETL i pipelines | RA3 | PR507405 | 12% |
| 6 — Formats de dades | RA1, RA3, RA4 | PR507406 | 9% |
| 7 — Visualització de dades | RA2, RA4 | PR507407 | 15% |
Taula d'activitats (AC)
| Codi | Bloc | Fitxer | Descripció breu |
|---|---|---|---|
| AC5074/01/01 | Bloc 1 | Les 5V del Big Data | Cerca de tres casos reals de Big Data i presentació a l'aula |
| AC5074/01/02 | Bloc 1 | Arquitectures generals | Anàlisi de tres ofertes de feina de Big Data i identificació de les eines més demandades |
| AC5074/01/03 | Bloc 1 | Perfils professionals | Diagrama comparatiu d'arquitectures de dades |
| AC5074/02/01 | Bloc 2 | Índexs avançats | Creació i comparativa d'índexs sobre una taula de 5 milions de registres en Docker |
| AC5074/02/02 | Bloc 2 | Particionament | Lectura i interpretació de plans EXPLAIN ANALYZE sobre consultes reals |
| AC5074/02/03 | Bloc 2 | Optimització de queries | Creació d'una taula de transaccions particionada per rang de data |
| AC5074/02/04 | Bloc 2 | Replicació | Reescriptura de cinc queries lentes identificades amb pg_stat_statements |
| AC5074/02/05 | Bloc 2 | Replicació | Muntatge d'un clúster primary-réplica amb Docker Compose |
| AC5074/03/01 | Bloc 3 | Fonaments de MongoDB | Instal·lació i exploració de MongoDB en Docker; inserció del primer document |
| AC5074/03/02 | Bloc 3 | Queries i CRUD | Consultes CRUD sobre una col·lecció de productes d'e-commerce amb 100.000 documents |
| AC5074/03/03 | Bloc 3 | Aggregation Pipeline | Pipeline per calcular les vendes per categoria i les 10 ciutats amb més comandes |
| AC5074/03/04 | Bloc 3 | Índexs i rendiment | Disseny de l'esquema per a una aplicació de gestió d'esdeveniments |
| AC5074/03/05 | Bloc 3 | Índexs i rendiment | Creació d'índexs i mesura del seu impacte amb explain |
| AC5074/04/01 | Bloc 4 | AWS per a Big Data | Exploració de la consola AWS: creació d'un bucket S3 i estimació de costos |
| AC5074/04/02 | Bloc 4 | Azure per a Big Data | Configuració d'una instància RDS PostgreSQL i comparativa de costos amb EC2 |
| AC5074/04/03 | Bloc 4 | Data Warehouse | Disseny d'una arquitectura lakehouse per a una empresa de logística sobre AWS |
| AC5074/04/04 | Bloc 4 | Azure per a Big Data | Exploració del portal Azure: creació d'un Storage Account |
| AC5074/04/05 | Bloc 4 | Azure per a Big Data | Disseny d'una arquitectura de dades sobre Azure per a un cas d'ús retail |
| AC5074/04/06 | Bloc 4 | Data Warehouse | Modelatge dimensional d'un DW de vendes: fets, dimensions i granularitat |
| AC5074/04/07 | Bloc 4 | Data Lake i Lakehouse | Comparativa de costos i capacitats AWS vs Azure per a un cas real |
| AC5074/05/01 | Bloc 5 | ETL vs ELT | Comparativa d'eines ETL/ELT: característiques, llicències i casos d'ús |
| AC5074/05/02 | Bloc 5 | Apache Airflow | Primer DAG en Airflow: extracció i càrrega de dades meteorològiques |
| AC5074/05/03 | Bloc 5 | Qualitat de dades | DAG amb branching condicionat i gestió d'errors |
| AC5074/05/04 | Bloc 5 | ETL i pipelines | Implementació de checks de qualitat de dades sobre un dataset real |
| AC5074/06/01 | Bloc 6 | Formats tabulars | Lectura i comparativa de rendiment entre CSV i JSON sobre 1 milió de files |
| AC5074/06/02 | Bloc 6 | Formats columnar | Benchmark de lectura/escriptura CSV vs Parquet |
| AC5074/06/03 | Bloc 6 | Formats d'evolució | Benchmark complet de formats: CSV, JSON, Parquet, Avro |
| AC5074/07/01 | Bloc 7 | Principis de visualització | Anàlisi de cinc visualitzacions deficients i proposta de redisseny justificada |
| AC5074/07/02 | Bloc 7 | Biblioteques Python | Galeria de 8 visualitzacions sobre un dataset de mobilitat urbana |
| AC5074/07/03 | Bloc 7 | Power BI | Connexió de Power BI a un CSV i creació d'un informe bàsic amb 4 visualitzacions |
| AC5074/07/04 | Bloc 7 | Power BI | Dashboard complet amb model de dades, KPIs i gràfics interactius |