Utilizar los conocimientos matemáticos para modelar y resolver problemas
complejos mediante algoritmos.
Valorar diferentes soluciones alternativas y elegir de acuerdo a las situaciones
específicas entre las herramientas y las técnicas adecuadas para llevar a cabo
la implementación de dichas soluciones.
Saber abstraer en un problema complejo las propiedades y características esen-
ciales reconociendo su rango de aplicabilidad y limitaciones.

Ser capaz de mostrar creatividad, iniciativa y espíritu emprendedor
para afrontar los retos de su actividad y saber valorar las soluciones a dichos
retos en el contexto industrial, económico, administrativo, medio ambiental y
social.
Tener la capacidad de reunir e interpretar datos relevantes para emitir juicios
que incluyan una reflexión profunda sobre temas y problemas a resolver.
Demostrar razonamiento crítico y gestionar información científica y técnica de
calidad, bibliografía, bases de datos especializadas y recursos accesibles a través
de Internet.

Diseñar programas que solucionen problemas en el ámbito de la programación concurrente/distribuida/paralela.
Utilizar herraientas informáticas para implementar y depurar programas.

En las que el profesor presenta los conceptos y técnicas relevantes
de los contenidos y muestra las referencias bibliográficas o enlaces web a seguir
para profundizar en dichos temas.

En las que en un trabajo guiado por el profesor el alumnado
diseña y busca soluciones a ejercicios propuestos.

En las que los alumnos implementan y depuran los
programas que resuelven los problemas estudiados en las clases prácticas.

En las que los alumnos, de forma individual o por grupos, a petición
del profesor, preparan una exposición ante sus compañeros de una solución (bien
sea diseño, implementación o ambas) a alguno de los problemas propuestos.

6

8

El curso proporciona una introducción a la programación concurrente, distribuida y paralela. Esta programación es necesaria en entornos en los que hay múltiples procesadores interconectados entre sí ya sea de forma local o remota. El curso plantea un recorrido general y en anchura por las diversas técnicas de programación que se emplean en resolver problemas prototípicos que surgen en este tipo de sistemas:
sincronización de tareas, protocolos de comunicación, paralelización de soluciones...

El curso también se centra en aprender las cuestiones prácticas necesarias de un lenguaje de programación concreto (Python) que permitan resolver y programar los algoritmos prototípicos estudiados y resolver problemas nuevos. Especial atención se dedica a los módulos de Python que permiten hacer computación en clusters utilizando sistemas de ficheros distribuidos: MapReduce y Spark.

Es adecuado para seguir el curso con fluidez contar con los conocimientos
de programación que habitualmente se consiguen con un primer curso en esta materia:
variables y tipos de datos, estructuras de control, programación estructurada. . .
También es recomendable cursar la asignatura programación declarativa, para tener fundamentos
de programación funcional.

Adquirir los conocimientos elementales y la terminología adecuada que rodea al mundo de la programación paralela/concurrente/distribuida.
Entender los múltiples factores que intervienen en la definición de un problema –comunicación, topología, dependencias. . . –  y cuyo estudio es fundamental para afrontar una solución.
Entender la importancia del correcto diseño –complejidad algorítmica, adecuación, escalabilidad. . . – y el estudio teórico en la resolución de problemas mediante programas.
Utilización de los módulos existentes en Python para diseñar e implementar soluciones a problemas concurrentes, paralelos y distribuidos.
Comprender el uso potencial de la programación paralela en multitud de ambitos reales: simulación, la computación científica, gráficos y visión por ordenador, entornos colaborativos, web, bigdata. . .

Convocatoria ordinaria:
Prácticas: 60%.
Examen de teoría: 40%.

Convocatoria extraordinaria:
Examen: 100%

Libros:
M. Ben-Ari, Principles of Concurrent and Distributed Programming, Prentice-Hall, 2006.
Thomas Rauber and Gudula Rünger, Parallel Programming For Multicore and Cluster Systems, Springer-Verlag, 2010.
Donald Miner y Adam Shook, MapReduce Design Patterns, O'Reilly, 2012
Timothy G. Mattson, Beverly A. Sanders and Berna L. Massingill, Patterns for Parallel Programming, Addison-Wesley, 2005.
Nancy A. Lynch, Distributed Algorithms, Morgan Kaufmann, 1996.
Karau H., Konwinski A., Wendell P., and Zaharia M. Learning Spark. O'Reilly. 2015


Internet:
Documentación de Python, http://docs.python.org/release/2.7.1/
Documentación de Python MapReduce http://mrjob.readthedocs.io/en/latest/
Documentación de Spark https://spark.apache.org/