Programa de Asignatura
I. IDENTIFICACIÓN
Carrera o Programa: Ingeniería en Tecnologías de Información / Ingeniería Civil en
Computación e Informática / Ingeniería Civil Industrial
Unidad responsable: Escuela de Ingeniería
Nombre de la asignatura: Cloud Engineering & Data Business
Código:
Semestre en la malla1 : VII
Créditos SCT – Chile: 5
Ciclo de Formación Básico Profesional X
Tipo de Asignatura Obligatoria Electiva X
Clasificación de área de Conocimiento2
Área: Ingeniería y Tecnología Sub área: Ingeniería Informática
Requisitos
Pre - Requisitos: Requisito para:
▪ Programación ▪ Capstone Project
II. ORGANIZACIÓN SEMESTRAL
Horas Dedicación Semanal Docencia Trabajo
3,0 5,0 Total
(Cronológicas) Directa Autónomo 8,0
Detalle Cátedra Ayudantía Laboratorio Taller Terreno Exp. Clínica Supervisión
Horas
3,0
Directas
1
Este campo sólo se completa en caso de carreras con programas semestrales.
2
Clasificación del curso de acuerdo a la OCDE
1
III. APORTE AL PERFIL DE EGRESO
La asignatura contribuye al dominio 1 del perfil de egreso, “Conocimiento científico y
disciplinario”. Además, contribuye al dominio 2 “Habilidades y Actitudes Personales y
Profesionales”. También contribuye al dominio 3 “Habilidades Interpersonales”. También
contribuye al dominio 4 “Habilidades para la Práctica de la Ingeniería”, fortaleciendo
competencias clave en el ámbito de la ingeniería y la gestión de datos en la nube a través
de proyectos de grupo y talleres, fomentando el trabajo colaborativo y la comunicación
efectiva entre los y las estudiantes, habilidades esenciales para los y las profesionales que
trabajan en entornos multidisciplinares.
Al finalizar la asignatura, los y las estudiantes serán capaces de identificar características
de tecnologías avanzadas de Big Data y Cloud Computing, utilizando herramientas y
plataformas como AWS, Google Cloud Platform y Apache Hadoop, permitiendo potenciar
el conocimiento técnico y científico aplicado directamente a casos de uso real en la
industria de datos.
IV. COMPETENCIAS
La asignatura despliega las siguientes habilidades del Perfil de Egreso:
1.3 Aplicar conocimientos, métodos y herramientas específicas de ingeniería de datos y
cloud computing en la ejecución de proyectos tecnológicos, con un enfoque en
optimización y escalabilidad de sistemas de datos.
2.3 Organizar e integrar componentes tecnológicos y humanos mediante un enfoque de
pensamiento sistémico aplicado a la ingeniería de datos en la nube.
2.4 Demostrar habilidades personales cruciales para una práctica exitosa en el ámbito de
la ingeniería de datos: iniciativa, adaptabilidad, pensamiento analítico y creativo,
autoevaluación, aprendizaje continuo, y eficaz gestión del tiempo y recursos.
2.5 Actuar de acuerdo a principios éticos y de responsabilidad social, enfocados en la
seguridad de datos, la privacidad y la equidad en el uso y manejo de información.
3.1 Liderar y colaborar en equipos multidisciplinarios centrados en proyectos de ingeniería
de datos y soluciones en la nube.
3.2 Comunicar efectivamente información técnica compleja en español e inglés, tanto en
forma oral como escrita, utilizando terminología específica del ámbito de Big Data y
Cloud Computing.
4.2 Aplicar los conocimientos adquiridos para contribuir al logro de objetivos
organizacionales, especialmente en lo que respecta a la gestión y análisis de grandes
volúmenes de datos.
2
4.3 Concebir, diseñar, implementar y operar soluciones integrales que involucren
tecnologías de Big Data y plataformas en la nube, enfocadas en la mejora continua de
procesos y la toma de decisiones basada en datos.
4.4 Participar activamente en iniciativas de innovación tecnológica, desarrollando nuevos
productos o mejorando procesos y servicios existentes, con un enfoque en soluciones
de datos y computación en la nube.
CG6 Trabajo en Equipo: Capacidad para desarrollar tareas en grupo, fomentando el
despliegue de habilidades individuales y colectivas, promoviendo el compromiso y un
ambiente de respeto mutuo, lo que facilita la colaboración efectiva con personas de
diversas disciplinas y culturas, para alcanzar objetivos comunes. El egresado respeta y
valora la diversidad en todas sus formas, fomentando un clima de libertad y respeto en
el ámbito profesional.
V. RESULTADOS DE APRENDIZAJE
1. Evaluar arquitecturas de Big Data y soluciones en la nube en diversos contextos
empresariales.
2. Desarrollar soluciones de ingeniería de datos que utilicen tecnologías avanzadas de
la nube, asegurando escalabilidad, seguridad y eficiencia en grandes volúmenes de
datos.
3. Implementar pipelines de datos usando herramientas y plataformas de Cloud
Computing como AWS Glue, Apache NiFi y Google Dataflow.
4. Aplicar técnicas de machine learning y análisis predictivo en entornos de Big Data.
5. Gestionar proyectos de ingeniería de datos en la nube.
VI. ÁREAS TEMÁTICAS
1. Fundamentos de Big Data y Cloud Computing
1.1 Tecnologías de Big Data y la nube
1.2 Arquitecturas de soluciones en la nube (PaaS, IaaS, SaaS)
1.3 Principios de escalabilidad y seguridad en la nube
2. Herramientas y Plataformas para la Ingeniería de Datos en la Nube
2.1 Uso de AWS para procesamiento y análisis de datos (EMR, Redshift, Glue,
Athena)
2.2 Aplicaciones de Google Cloud Platform en Big Data (BigQuery, Dataflow,
Dataproc)
2.3 Integración y ETL con Apache NiFi y Talend
3. Desarrollo y Optimización de Data Pipelines
3.1 Diseño y construcción de pipelines de datos eficientes
3
3.2 Optimización de procesos de ETL y análisis en tiempo real
3.3 Aplicaciones de streaming de datos con Apache Kafka y AWS Kinesis
4. Aplicación de Machine Learning y Análisis Predictivo en la Nube
4.1 Fundamentos de machine learning y su integración con Big Data
4.2 Implementación de modelos predictivos con AWS SageMaker y Google AI
Platform
4.3 Análisis avanzado y visualización de datos grandes
5. Gestión de Proyectos de Ingeniería de Datos
5.1 Metodologías ágiles aplicadas a proyectos de datos en la nube
5.2 Liderazgo y gestión de equipos multidisciplinarios
5.3 Consideraciones éticas y de cumplimiento en proyectos de datos
VII. ORIENTACIONES METODOLÓGICAS
1. La metodología de implementación debe favorecer la interacción activa entre los y
las estudiantes a través de trabajos prácticos que aborden problemas reales y
aplicaciones tecnológicas contemporáneas en el ámbito de la nube y los grandes
datos, utilizando estrategias que combinen las clases teóricas expositivas con
actividades participativas, alternando con trabajos en grupo de corta duración para
discutir y resolver problemas específicos.
2. Se utilizará una metodología activa de análisis de casos para integrar los elementos
teóricos con las experiencias prácticas, alineándolos con los resultados de
aprendizaje esperados.
3. Las sesiones incluirán prácticas en laboratorio y talleres donde se utilizarán
herramientas y software modernos específicos para el procesamiento de datos en
la nube, como AWS, Google Cloud y Apache Hadoop.
4. Implementación de proyectos que simulan escenarios reales de ingeniería de datos,
permitiendo a los estudiantes aplicar directamente lo aprendido en clase.
5. Se fomentará que los y las estudiantes realicen presentaciones periódicas sobre los
proyectos en curso, cubriendo la contextualización del problema, desarrollo de
soluciones y conclusiones finales, trabajo que será monitoreado en todo el proceso.
6. Se sugiere organizar talleres de habilidades blandas, como liderazgo y trabajo en
equipo, además de actividades de brainstorming, análisis de alternativas y
descripción detallada de soluciones técnicas que permitan potenciar la
comunicación efectiva, tanto oral como escrita, en español e inglés, a través de
ejercicios específicos y presentaciones técnicas.
4
VIII. ORIENTACIONES Y CRITERIOS PARA LA EVALUACIÓN
1. Evaluación Diagnóstica Inicial para determinar el nivel de conocimiento previo de
los estudiantes en tecnologías de Big Data y Cloud Computing.
2. Evaluaciones Teóricas y Prácticas:
- Cátedra (60%): Evaluación del conocimiento teórico mediante pruebas escritas
sumativas que cubrirán los principios de ingeniería de datos y cloud computing.
- Laboratorio/Taller (40%): Evaluación práctica que incluirá proyectos de grupo y
talleres. Los estudiantes deberán presentar informes detallados sobre los proyectos
desarrollados, los cuales serán evaluados individualmente y en grupo.
3. Presentaciones y Trabajos en Grupo:
- Presentaciones Orales y Escritas: Se evaluarán presentaciones periódicas de los
proyectos y trabajos realizados por los estudiantes. La evaluación se basará en una
rúbrica que considerará la claridad, profundidad técnica y aplicación práctica de los
conocimientos.
- Trabajos Colaborativos: Fomentar la colaboración y el trabajo en equipo mediante
la realización de proyectos grupales, los cuales serán evaluados tanto en el proceso
como en el producto final.
4. Evaluaciones Formativas que permitan observar el progreso de los y las estudiantes
en relación con los resultados de aprendizaje. Estas evaluaciones ayudarán al
docente a introducir ajustes pedagógicos, reforzar conocimientos y ofrecer
retroalimentación constructiva.
5. Asistencia y Condiciones de Aprobación según Reglamento de Docencia de
Pregrado.
IX. RECURSOS BIBLIOGRÁFICOS
1. Erl, T., & Monroy, E. (2023). Cloud computing: Concepts, Technology, Security, and
Architecture. Pearson.
2. Kleppmann, M. (2017). Designing data-intensive applications: The Big Ideas Behind
Reliable, Scalable, and Maintainable Systems. Oreilly & Associates Incorporated.
