Guía docente de la asignatura
(6596) INFRAESTRUCTURA PARA LA COMPUTACIÓN DE ALTAS PRESTACIONES

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura
      INFRAESTRUCTURA PARA LA COMPUTACIÓN DE ALTAS PRESTACIONES
      Código
      6596
      Curso
      TERCERO
      Carácter
      OBLIGATORIA
      Número de grupos
      1
      Créditos ECTS
      6.0
      Estimación del volumen de trabajo
      150.0
      Organización temporal
      1º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2026/2027
      Titulación

      GRADO EN CIENCIA E INGENIERÍA DE DATOS

      Nombre de la asignatura INFRAESTRUCTURA PARA LA COMPUTACIÓN DE ALTAS PRESTACIONES
      Código 6596
      Curso TERCERO
      Carácter OBLIGATORIA
      Número de grupos 1
      Créditos ECTS 6.0
      Estimación del volumen de trabajo 150.0
      Organización temporal 1º Cuatrimestre
      Idiomas en que se imparte Español
    2. Del profesorado: Equipo docente

      • ABELLAN MIGUEL, JOSE LUIS Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESORES TITULARES DE UNIVERSIDAD

        Área

        ARQUITECTURA Y TECNOLOGÍA DE COMPUTADORES

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        jlabellan@um.es https://webs.um.es/jlabellan Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

        Duración:
        A
        Día:
        Viernes
        Horario:
        10:00-13:00
        Lugar:
        868888509, Facultad de Informática B1.3.045 (DESPACHO D. JOSÉ LUIS ABELLÁN MIGUEL)
        Observaciones:
        Las tutorías se realizarán de forma presencial en el despacho o de manera virtual mediante videoconferencia.
      • MARTINEZ FERNANDEZ, JAIME Docente: GRUPO 1 Coordinación de los grupos:

        Categoría

        INVESTIGADOR/A PREDOCTORAL (SÉNECA)

        Área

        No consta

        Departamento

        No consta

        Correo electrónico / Página web / Tutoría electrónica

        jaime.m.f1@um.es Tutoría electrónica: No

        Teléfono, horario y lugar de atención al alumnado

  2. Presentación

    Esta asignatura tiene como objetivo principal que el estudiante adquiera las competencias esenciales en materia de computación en la nube (cloud computing) como solución tecnológica que posibilita el almacenamiento, el análisis y el procesamiento de grandes volúmenes de datos. Para ello, en primer lugar se presentarán los componentes y la organización de un Centro de Procesamiento de Datos (CPD), infraestructura física que sustenta la puesta en marcha y el funcionamiento de los servicios de cloud computing. En segundo lugar, el estudiante adquirirá las competencias fundamentales relacionadas con el modelo de cloud computing, abordando sus modelos de servicio, despliegue y operación desde un enfoque eminentemente práctico mediante el uso de plataformas reales como la de Amazon Web Services (AWS). En tercer lugar, se desarrollarán competencias vinculadas al diseño de arquitecturas modernas de datos, prestando especial atención a la integración de servicios de ingesta, almacenamiento y procesamiento mediante pipelines de datos. En cuarto lugar, se profundizará en el estudio de la virtualización como tecnología que permite optimizar el aprovechamiento y la compartición de los recursos físicos de un CPD, introduciendo además el conocimiento y uso de tecnologías de virtualización basadas en contenedores. Finalmente, el estudiante adquirirá competencias en tecnologías de almacenamiento de datos en la nube, comprendiendo su papel como subsistema responsable de garantizar la persistencia, la disponibilidad y el acceso eficiente a la información.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      Se recomienda haber superado las asignaturas <<Fundamentos de computadores>>, <<Bases de datos I>>, <<Bases de datos II>>, <<Fundamentos de redes de datos>>, <<Fundamentos de programación>>

  4. Competencias

    1. Competencias básicas

      • CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
      • CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

    2. Competencias de la titulación

      • CG3: Capacidad para desarrollar experimentos y para implementar sistemas, infraestructuras, procesos y herramientas con el fin de soportar la manipulación de los datos durante todo el ciclo de vida de estos.
      • CG5: Conocer, desarrollar e implementar estrategias de gestión de datos con el fin de realizar su recolección, almacenamiento, preservación y disponibilidad para posteriores procesamientos.
      • CE7: Conocer la arquitectura y el funcionamiento de los computadores, la interconexión de los componentes que los forman y su software de sistema básico.
      • CE9: Utilizar sistemas distribuidos, sistemas de cálculo paralelo, sistemas de procesamiento por lotes y plataformas de procesamiento de flujos de datos, incluyendo soluciones online y basadas en la nube para la provisión de servicios bajo demanda y escalables.
      • CE10: Desarrollar, desplegar y gestionar soluciones de almacenamiento y procesamiento de grandes volúmenes de datos usando diferentes soluciones distribuidas y en la nube para el almacenamiento de los datos.

    3. Competencias transversales y de materia

      No constan

  5. Contenidos

    1. Teoría

      Tema 1: El Centro de Procesamiento de Datos

      • Componentes de un CPD
      • Organización de un CPD

      Tema 2: Cloud Computing

      • Características
      • Modelos
      • Proveedores
      • Servicios

      Tema 3: Arquitectura Moderna de Datos

      • Patrones de ingeniería de datos
      • Arquitectura del pipeline de datos
      • Etapas del pipeline de datos
      • Servicios relacionados con el pipeline de datos

      Tema 4: Operaciones en el Cloud

      • Operaciones de sistema
      • APIs RESTful
      • AWS CLI
      • Infraestructura como Código
      • Ecosistema de automatización

      Tema 5: Virtualización

      • Tipos de virtualización
      • Virtualización de servidores
      • Virtualización de redes
      • Contenedores
      • Contenedores como Servicio

      Tema 6: Almacenamiento de Datos

      • Gestión de almacenamiento local
      • Arquitecturas físicas de almacenamiento SAN/NAS/DAS
      • Sistemas de ficheros distribuidos y paralelos
      • Almacenamiento en el cloud

    2. Prácticas

      • Práctica 1: Despliegue de Máquinas Virtuales en la Nube

         Despliegue en la nube de infraestructura y recursos fundamentales para la computación: redes, máquinas virtuales y seguridad. 

        Relacionado con:
        • Tema 1: El Centro de Procesamiento de Datos
        • Tema 2: Cloud Computing
        • Tema 6: Almacenamiento de Datos
      • Práctica 2: Almacenamiento y Pipeline de Datos

        Soluciones de almacenamiento en el cloud. Despliegue de un pipeline de datos con soluciones gestionadas (serverless) en el cloud.

        Relacionado con:
        • Tema 3: Arquitectura Moderna de Datos
        • Tema 6: Almacenamiento de Datos
      • Práctica 3: Automatización en el Despliegue y Gestión de Infraestructuras

        Automatización por línea de comandos y scripts de despliegue de infraestructura y recursos fundamentales en el cloud. Automatización mediante plantillas declarativas (Infraestructure as Code). Servicios de automatización de tareas de administración de máquinas virtuales. 

        Relacionado con:
        • Tema 4: Operaciones en el Cloud
      • Práctica 4: Despliegue escalable de aplicaciones contenerizadas en la nube

        Despliegue y orquestración de contenedores Docker en el cloud.

        Relacionado con:
        • Tema 2: Cloud Computing
        • Tema 4: Operaciones en el Cloud
        • Tema 5: Virtualización
        • Tema 6: Almacenamiento de Datos

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    AF1: Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas.

    MD1: Actividades de clase expositiva: Exposición teórica, clase magistral, proyección, dirigida al grupo completo de estudiantes, con independencia de que su contenido sea teórico o práctico/aplicado. Junto a la exposición de conocimientos, en las clases se plantean cuestiones, se aclaran dudas, se realizan ejemplificaciones, se establecen relaciones con las diferentes actividades prácticas que se realizan y se orienta la búsqueda de información.

    20.0 100.0
    AF2: Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos.

    MD2: Actividades de clase práctica de aula: Actividades prácticas de ejercicios y resolución de problemas, estudio de casos, aprendizaje orientado a proyectos, exposición y análisis de trabajos, debates, simulaciones, etc. Suponen la realización de tareas por parte de los alumnos, dirigidas y supervisadas por el profesor, con independencia de que en el aula se realicen individualmente o en grupos reducidos.

    5.0 100.0
    AF3: Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos.

    MD4: Actividades prácticas de laboratorio: Actividades de los estudiantes en aulas de informática o específicas, realizadas en grupos reducidos o individualmente, dirigidas al uso y conocimiento de la materia de estudio, supervisadas por el profesor.

    28.0 100.0
    AF4: Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.

    Estudio de contenidos teóricos, realización de supuestos prácticos y compleción de entregas de prácticas.

    90.0 0.0
    AF5: Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.

    MD5: Tutorías: Sesiones programadas individuales o en grupo de orientación, revisión o apoyo a los estudiantes por parte del profesor con independencia de que los contenidos sean teóricos o prácticos.

    3.0 100.0
    AF6: Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.

    Examen para la parte teórica y defensa oral de la parte práctica de la asignatura

    4.0 100.0
    Totales 150,00

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    SE1 Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

    Examen final de teoría.

    Este examen constará de preguntas tipo test y preguntas cortas del temario de teoría. Se valorará la corrección de los resultados, la capacidad para demostrar el razonamiento de la solución del problema y la claridad de la exposición de los resultados. Para aprobar se necesita obtener una calificación de 5 sobre 10. En este caso, se guardará esta nota hasta la última convocatoria del curso académico. Dentro de una misma convocatoria, esta parte hará media con el resto de las otras partes que componen el sistema de evaluación siempre y cuando tenga una nota de, al menos, 4 puntos.

    50.0
    SE3 Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas.

    Resolución de ejercicios evaluables mediante prácticas de laboratorio en la plataforma de un proveedor cloud.

    Estos ejercicios se entregarán de forma individual a través de la plataforma de un proveedor cloud, tras la finalización de cada práctica de laboratorio.

    En evaluación continua, el alumno sólo podrá entregar estas prácticas mientras se imparte la asignatura (convocatoria de Enero) teniendo un peso del 20% de la evaluación global de la asignatura. Siempre que esta nota de evaluación continua de prácticas sea de, al menos, 5 puntos se guardará hasta la última convocatoria del curso académico. No obstante, esta parte podrá hacer media con el resto de las otras partes que componen el sistema de evaluación en la convocatoria de Enero si se tiene una nota de, al menos, 4 puntos.

    Si se pierde la evaluación continua, el alumno realizará una prueba de la parte práctica con un peso del 20% de la evaluación global de la asignatura. Esta prueba consistirá en la realización delante del ordenador de tareas similares a las realizadas en las prácticas de la evaluación continua. Los plazos para solicitar la realización de la prueba para aquellos que, habiendo superado la evaluación continua quieran subir nota, se publicarán en el llamamiento de la convocatoria correspondiente. Siempre que esta nota de prácticas sea de, al menos, 5 puntos se guardará hasta la última convocatoria del curso académico. Dentro de una misma convocatoria, esta parte hará media con el resto de las otras partes que componen el sistema de evaluación siempre y cuando tenga una nota de, al menos, 4 puntos.

    20.0
    SE4 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    Entrega de proyecto de prácticas.

    Realización de un proyecto en grupo que se entregará en la plataforma de un proveedor cloud. Además de la corrección del proyecto (1), se valorará la documentación del proyecto entregada (2) y la defensa del proyecto por parte de cada miembro del grupo (3).

    Los miembros de un mismo grupo obtendrán la misma calificación en (1) y (2) pero la calificación en (3) es individual y podría ser diferente.

    Para aprobar se necesita obtener una calificación de 5 sobre 10. En este caso, se guardará esta nota hasta la última convocatoria del curso académico. Dentro de una misma convocatoria, esta parte hará media con el resto de las otras partes que componen el sistema de evaluación siempre y cuando tenga una nota de, al menos, 4 puntos.

    30.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#examenes

  10. Resultados del Aprendizaje

    • Conocer las soluciones computacionales y las posibles plataformas de análisis de datos.
    • Desarrollar, desplegar y gestionar soluciones de almacenamiento y procesamiento de grandes volúmenes de datos usando diferentes soluciones distribuidas y en la nube para el almacenamiento de los datos.
    • Definir requisitos técnicos de las tecnologías de almacenamiento de datos para la ingesta de datos.
    • Aplicar las tecnologías de almacenamiento de datos para crear pipelines de datos.
    • Conocer las soluciones computacionales y plataformas de cómputo intensivo para análisis de datos.
  11. Bibliografía

  12. Observaciones

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    EVALUACIÓN

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 18/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en este enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretario-general-sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-v-estatutos-umu/24199.pdf

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".

    OBSERVACIONES DEL EQUIPO DOCENTE

    USO DE LA IA: Todos los recursos y materiales no originales que se utilicen en los ejercicios evaluables, incluyendo herramientas de Inteligencia Artificial, ayuda de compañeros, recursos de internet, libros, artículos, etc. deberán referenciarse claramente en el código fuente y la documentación asociada a los ejercicios prácticos entregados.

    Relación de los resultados de aprendizaje desarrollados en la asignatura con los ODS

    La asignatura de Infraestructura para la Computación de Altas Prestaciones cubre contenidos relacionados con el ODS3, ODS4, ODS7, ODS11 y ODS13.

    • Salud y bienestar (ODS3): El entrenamiento de modelos avanzados de Deep Learning mediante los enormes recursos computacionales de los CPDs y la aplicación de técnicas de Computación en al Nube hace posible desplegar dichos modelos entrenados para mejorar la precisión de diagnósticos médicos.
    • Educación de calidad (ODS4): El entrenamiento de modelos avanzados de Deep Learning mediante los enormes recursos computacionales de los CPDs y la aplicación de técnicas de Computación en al Nube hace posible desplegar dichos modelos entrenados para lapersonalización del aprendizaje y mejor gestión educativa.
    • Energía asequible y no contaminante (ODS7): Los componentes de cómputo diseñados específicamente para acelerar cargas de trabajo de trabajo Big Data, HPC y Deep Learning (aceleradores) en el CPD permiten mejorar la eficiencia energética de los dispositivos y sistemas, lo que ayuda a reducir el consumo de energía y las emisiones de gases de efecto invernadero.
    • Ciudades y comunidades sostenibles (ODS11): El entrenamiento de modelos avanzados de Deep Learning mediante los enormes recursos computacionales de los CPDs y la aplicación de técnicas de Computación en al Nube hace posible desplegar dichos modelos entrenados parala gestión eficiente de los recursos, como el suministro de energía, el transporte público, el tratamiento de aguas residuales y la gestión del tráfico. Además de para mejorar la calidad de vida de los ciudadanos y reducir el impacto ambiental, hacer una gestión eficiente del tráfico y el mantenimiento de infraestructuras.
    • Acción por el clima (ODS13):El entrenamiento de modelos de Deep Learning mediante CPDs y técnicas de Computación en al Nube hace posible desplegar dichos modelos entrenados paramejorar en la predicción climática y monitorización ambiental.