Perfilado de sección

  • ¿Cómo realizar (y sobrevivir) este curso? 

    Te recomendamos que veas el video introductorio para conocer la estructura y conocimientos previos que esperamos que tengas para seguir este curso con normalidad. 

    El curso está pensado para que le dediques un total de 20 horas a lo largo de dos semanas.  Los contenidos de los distintos bloques estarán disponibles en la siguientes fechas: 

    Tema Duración estimada Fecha de comienzo
    Introducción  2 horas 10 de enero
    MapReduce  2 horas de teoría 
     2 horas de prácticas    		 13 de enero
    Hadoop/HDFS  2 horas 16 de enero
    Spark  2 horas de teoría
     2 horas de prácticas    		 17 de enero
    SparkSQL  2 horas de teoría
     2 horas de prácticas
     20 de enero
    Machine Learning con Spark    2 horas de teoría
     2 horas de prácticas 
     22 de enero

    Material de refuerzo: En caso de que no estés familiarizado con machine learning, te dejamos disponible una breve introducción para que puedas entender mejor el último bloque del curso.

    En cada bloque encontrarás:

    - Un video corto (blackcoffee) que resume lo que vas a aprender en el bloque.

    - Uno o más videos largos de una clase real.

    - Transparencias.

    - Enlace a Google Colab con los Python Notebooks usados durante la clase.

    - Prácticas: Notebooks auto-evaluados con prácticas y ejercicios.

    - Evaluación: Cada bloque tendrá un cuestionario asociado que debes de responder antes del 25 de enero de 2025.

    Interacción con el profesorado y otros compañeros

    Estamos seguros que durante el curso tendrás dudas o preguntas sobre Spark, Hadoop y todos los conceptos que vas a aprender. Te pedimos que no seas tímid@ y uses el foro para preguntarnos tus dudas.

    Contacto:

    Dr. Diego García (djgarcia@ugr.es) 

    Dr. Isaac Triguero (isaaktriguero@ugr.es)

    ---------------------------------------------------------------------------------------------------------------------------------------------
    El contenido de este curso está basado en el libro "Large-Scale Data Analytics with Python and Spark, Cambridge: Cambridge University Press.", del cual tomaremos prestadas trasparencias, código y ejercicios prácticos.