Big Data para ingenierías

Módulo 1. introducción

1.1. ¿qué es big data?

1.2. Paradigmas de procesamiento en big data

1.3. Las 8 v de big data (volumen, volatilidad, variedad, valor, velocidad, variabilidad, veracidad, validez).

Módulo 2. batch processing

2.1. Mapreduce

2.1.1. Entorno mapreduce

2.1.2. Función map y función reduce

2.1.3. Flujo de datos

2.1.4. Características de mapreduce

2.1.5. Uso de marpreduce

2.1.6. Ventajas e inconvenientes de map reduce

2.1.7. Ejercicios y ejemplos con mapreduce

2.2. Hadoop

2.2.1. Entorno hadoop

2.2.2. Almacenamiento: hdfs

2.2.3. Características de hdfs

2.2.3.1. Lectura y escritura de archivos

2.2.3.2. Consideraciones acerca de memoria de namenode

2.2.3.3. Aspectos generales de seguridad en hdfs

2.2.3.4. Empleo del namenode web ui

2.2.3.5. Empleo del file shell de hadoop

2.2.3.6. Procesamiento: mapreduce

2.2.3.7. Ventajas e inconvenientes de hadoop

2.3. Apache hadoop yarn

2.3.1. Funciones de framework computacionales

2.3.2. Yarn: el gestor de recursos del cluster

2.3.3. Conceptos de apache spark

2.3.4. Ejecución de computational frameworks en yarn

2.3.5. Exploración de las aplicaciones de yarn applications a través de la web uis y de shell

2.4. Agregación de los logs de yarn

2.4.1. Configuración de hadoop y registros de daemon

2.4.2. Localizar configuraciones y aplicar cambios de configuración

2.4.3. Gestión de instancias de role y añadir servicios

2.4.4. Configuración del servicio hdfs

2.4.5. Configuración de los logs de hadoop daemon

2.4.6. Configuración del servicio yarn

2.5. Obtención de datos en hdfs

2.5.1. Ingestión de datos desde fuentes de recursos externos con flume

2.5.2. Ingestión de datos desde bases de datos relacionales con sqoop

2.5.3. Rest interfaces

2.5.4. Buenas prácticas para la importación de datos

2.6. Planificación de un cluster hadoop

2.6.1. Consideraciones generales de planificación

2.6.2. Elección correcta de hardware

2.6.3. Opciones de virtualización

2.6.4. Consideraciones de red

2.6.5. Configuración de nodos

2.7. Instalación y configuración de hive, pig e impala

2.8. Clientes hadoop incluidos en hue

2.8.1. ¿qué es un cliente de hadoop?

2.8.2. Instalación y configuración de clientes hadoop

2.8.3. Instalación y configuración de hue

2.8.4. Autorizaciones y autenticación hue

2.9. Configuración avanzada de un cluster

2.9.1. Parámetros avanzados de configuración

2.9.2. Configuración de puertos hadoop

2.9.3. Configuración de hdfs para la organización en rack

2.9.4. Configuración de hdfs para obtención de alta disponibilidad

2.10. Seguridad hadoop

2.10.1. ¿por qué es importante la seguridad en hadoop?

2.10.2. Conceptos del sistema de seguridad de hadoop

2.10.3. Qué es kerberos y cómo funciona

2.10.4. Securización de un clúster hadoop cluster con kerberos

2.10.5. Otros conceptos de seguridad

2.11. Gestión de recursos

2.11.1. Configuración de cgroups con static service pools

2.11.2. El fair scheduler

2.11.3. Configuración de dynamic resource pools

2.11.4. Configuraciones de cpu y memoria yarn

2.11.5. Impala query scheduling

2.12. Mantenimiento de un cluster

2.12.1. Chequeo del estado de hdfs

2.12.2. Copia de datos entre clústers

2.12.3. Añadir y eliminar de nodos en el clúster

2.12.4. Rebalanceo del cluster

2.12.5. Directorio de snapshots

2.12.6. Actualización del clúster

2.13. Solución de problemas y monitorización de un cluster

2.13.1. Sistema general de monitorización

2.13.2. Monitorización de clústers hadoop

2.13.3. Solución de problemas habituales en el clúster de hadoop

2.13.4. Errores habituales en la configuración

Módulo 3. Ciencia de datos

3.1. Data science

3.1.1. Que hacen los data scientists, herramientas y procesos que utilizan

3.1.2. Aplicación de lo aprendido en módulo 2: uso de hue

3.2. Apache spark

3.2.1. Cómo trabaja apache spark y que capacidades nos ofrece

3.2.2. Que formatos de ficheros populares puede usar spark para almacenar datos

3.2.3. Que lenguajes de programación puedes utilizar para trabajar con spark

3.2.4. Cómo empezar a utilizar pyspark y sparklyr

3.2.5. Cómo comparar pyspark y sparklyr

3.3. Machine learning

3.3.1. ¿qué es machine learning?

3.3.2. Algunos conceptos y términos importantes

3.3.3. Diferentes tipos de algoritmos

3.3.4. Librerías que se utilizan

3.4. Apache spark mllib

3.4.1. Que capacidades de machine learning nos proporciona mllib

3.4.2. Cómo crear, validar y utilizar modelos de machine learning con mllib

3.4.3. Ejecución de trabajos apache spark

3.4.4. Cómo un trabajo de spark se compone de una secuencia de transformaciones seguida de una

Acción

3.4.5. Cómo spark utiliza la ejecución lenta

3.4.6. Cómo spark divide los datos entre las particiones

3.4.7. Cómo ejecuta spark operaciones limitadas y grandes

3.4.8. Cómo spark ejecuta un trabajo en tareas y fases

Módulo 4. desarrollo para spark y hadoop

4.1. Datasets y dataframes

4.2. Operaciones en dataframe

4.3. Trabajar con dataframes y schemas

4.4. Crear dataframes a partir de data sources

4.5. Guardar dataframes en data sources

4.6. Dataframe schemas

4.7. Rapidez y lentitud de ejecución

4.8. Análisis de datos con consultas de dataframe

4.8.1. Consultar dataframes con el empleo de expresiones de columna

4.8.2. Agrupación y agregación de consultas

4.8.3. Unión de dataframes

4.9. Rdd

4.9.1. Introducción rdd

4.9.2. Rdd data sources

4.9.3. Creando y guardando rdds

4.9.4. Operaciones con rdds

4.10. Transformación de datos con rdds

4.10.1. Escritura y paso de funciones de transformación

4.10.2. Ejecuciones de transformación

4.10.3. Conversión entre rdds y dataframes

4.11. Agregación de datos con pair rdds

4.11.1. Key-valué pair rdds

4.11.2. Mal-reduce

4.11.3. Otras operaciones pair rdd

4.12. Consulta y vistas de tablas con spark sql

4.12.1. Datasets y dataframes

4.12.2. Creación de datasets

4.12.3. Ejecución y guardado de datasets

4.12.4. Operaciones de dataset

4.13. Creación, configuración y ejecución de aplicaciones spark

4.13.1. Creación de una aplicación spark

4.13.2. Compilar y ejecutar la aplicación

4.13.3. Application deployment mode

4.13.4. La interfaz spark application web ui

4.13.5. Configuración de las propiedades de la aplicación

4.14. Procesamiento distribuido

4.14.1. Apache spark en un clúster

4.14.2. Particiones rdd

4.14.3. Ejemplo: particionamiento en consultas

4.14.4. Etapas y tareas

4.14.5. Planificación de tareas de ejecución

4.15. Persistencia de datos distribuidos

4.15.1. Persistencia en datasets y dataframes

4.15.2. Persistencia en niveles de almacenamiento

4.15.3. Visualización de rdds persistentes

4.16. Patrones comunes al procesar datos con spark

4.16.1. Casos comunes de uso de spark

4.16.2. Algoritmos de iteración en apache spark

4.16.3. Machine learning

4.17. Spark streaming: introducción a dstreams

4.17.1. Vista general de spark streaming

4.17.2. Dstreams

4.17.3. Desarrollo de aplicaciones en streaming

4.18. Spark streaming: procesamiento de múltiples lotes

4.18.1. Operaciones multi-batch

4.18.2. Time slicing

4.18.3. Operaciones de estado

4.18.4. Operaciones sliding window

4.18.5. Vista previa: streaming estructurado

4.19. Apache spark streaming: data sources

4.19.1. Vista general de streaming data source

4.19.2. Apache flume y apache kafka data sources

4.19.3. Ejemplo: uso de un kafka direct data source

Módulo 5. análisis de datos

5.1. Introducción a pig

5.1.1. ¿qué es pig?

5.1.2. Características de pig

5.1.3. Casos de empleo de pig

5.1.4. Interacción con pig

5.2. Análisis de datos básico con pig

5.2.1. Sintaxis pig latin

5.2.2. Carga de datos

5.2.3. Tipos simples de datos

5.2.4. Definición de campos

5.2.5. Datos de salida

5.2.6. Vistas y esquemas

5.2.7. Filtrado y ordenación de datos

5.2.8. Funciones habituales

5.3. Procesado de datos complejos con pig

5.3.1. Formatos de almacenamiento

5.3.2. Tipos de datos complejos y anidados

5.3.3. Agrupaciones

5.3.4. Funciones predefinidas para datos complejos

5.3.5. Iteración de datos agrupados

5.4. Operaciones con multiconjuntos de datos con pig

5.4.1. Técnicas para combinar conjuntos de datos

5.4.2. Unión de conjuntos de datos con pig

5.4.3. Conjunto de operaciones

5.4.4. División de conjuntos de datos

5.5. Troubleshooting y optimización de pig

5.5.1. Troubleshooting en pig

5.5.2. Inicio de sesión

5.5.3. Empleo de ui web hadoop

5.5.4. Muestreo de datos y depuración

5.5.5. Visión general del rendimiento

5.5.6. Comprensión del plan de ejecución

5.5.7. Consejos para mejorar el rendimiento de jobs en pig

5.6. Introducción a hive e impala

5.6.1. ¿qué es hive?

5.6.2. ¿qué es impala?

5.6.3. ¿por qué utilizar hive e impala?

5.6.4. Schema y almacenamiento de datos

5.6.5. Comparación entre hive y bases de datos tradicionales

5.6.6. Casos de uso

5.7. Consultas con hive e impala

5.7.1. Tablas y bases de datos

5.7.2. Sintaxis básica en consultas hive e impala

5.7.3. Tipos de datos

5.7.4. Empleo de hue para ejecutar consultas

5.7.5. Empleo de beeline (la shell de hive)

5.7.6. Empleo de la shell de impala

5.8. Administración de datos

5.8.1. Almacenamiento de datos

5.8.2. Creación de bases de datos y tablas

5.8.3. Carga de datos

5.8.4. Alteración de bases de datos y tablas

5.8.5. Simplificación de consultas con vistas

5.8.6. Almacenamiento de resultados de consultas

5.9. Almacenamiento y datos de rendimiento

5.9.1. Partición de tablas

5.9.2. Carga de datos en tablas particionadas

5.9.3. Cuándo utilizar el particionamiento

5.9.4. Elección de formato de almacenamiento

5.9.5. Gestión de metadatos

5.9.6. Control de acceso a datos

5.10. Análisis de datos relacional con hive e impala

5.10.1. Unión de conjuntos de datos

5.10.2. Funciones predefinidas habituales

5.10.3. Agregaciones y windowing

5.11. Datos complejos con hive e impala

5.11.1. Datos complejos con hive

5.11.2. Datos complejos con impala

5.12. Análisis de texto con hive e impala

5.12.1. Empleo de expresiones regulares

5.12.2. Procesamiento de texto con serdes en hive

5.12.3. Análisis de los sentimientos y n•grams

5.13. Optimización hive

5.13.1. Rendimiento de las consultas

5.13.2. Bucketing

5.13.3. Indexación de datos

5.13.4. Hive en spark

5.14. Optimización de impala

5.14.1. Ejecución de consultas

5.14.2. Mejorar el rendimiento de impala

5.15. Extendiendo hive e impala

5.15.1. Customizar serdes y formatos de fichero en hive

5.15.2. Transformación de datos con scripts personalizados en hive

5.15.3. Funciones definidas por el usuario

5.15.4. Consultas parametrizadas

5.15.5. Comparación entre mapreduce, pig, hive, impala, y bases de datos relacionales. ¿cuál elegir?

Parte Teórica

Esta acción formativa presenta una metodología teórico-práctica, donde primará la parte práctica representando un 60% de la formación, y la parte teórica un 40%. De esta manera, garantizamos la interiorización de las competencias profesionales propias de la formación específica, así como una visión práctica que facilitará al alumnado la puesta en marcha de las mismas en entornos personales y profesionales. 

El grupo participante contará desde el día de inicio de la acción formativa, con la programación detallada que recoge los objetivos, resumen de contenidos, metodología, criterios de evaluación, y calendarización de la formación. La organización metodológica de los contenidos irá destinada a la búsqueda del aprendizaje significativo y constructivista del alumnado. En ese sentido el equipo docente en función de las características del grupo clase podrá emplear los diferentes métodos de enseñanza: 

• Método dialéctico: El/la docente mediante preguntas o actividades detectará los conocimientos previos del alumnado. 

• Método didáctico o expositivo: El/la docente desarrollará los contenidos teóricos al alumnado utilizando diversos recursos didácticos. El apoyo de la teoría en los supuestos es una de las premisas indispensables para conseguir el realismo y la aplicabilidad de la acción formativa. 

• Método demostrativo: El alumnado realizará un conjunto de actividades diseñadas, estudios de supuestos o ejercicios, que serán las herramientas que guiarán la identificación y entrenamiento de las competencias que se pretende desarrollar, con el fin de reforzar los conocimientos adquiridos. 

El personal docente desarrollará un papel de guía y facilitador/a del aprendizaje, favoreciendo que el alumnado sea el protagonista de su propio proceso de aprendizaje, con el fin de alcanzar los objetivos propios de la acción formativa. Animará e incitará al alumnado a que participe activamente en las horas destinadas a Teleformación. De esta manera, la plataforma de formación se utilizará como vía continua de comunicación entre todo el grupo participante en el proceso de enseñanza-aprendizaje. 

El alumnado contará con un documento eminentemente pedagógico denominado CÓMO OBTENER EL MÁXIMO PROVECHO DEL CURSO, en el que se recoge una serie de orientaciones acerca de los recursos disponibles en la propia plataforma, el orden de ubicación, preguntas más frecuentes, sus funcionalidades y finalidades, técnicas de estudios, el mejor itinerario a seguir durante el desarrollo del curso, etc. 

Las características metodológicas de este curso son las siguientes: 

• Learn By Doing (aprender mediante la práctica): los conceptos teóricos son introducidos por el/la docente virtual e inmediatamente aplicados a la práctica para fijarlos. 

• Aprendizaje Just in Case (orientado a la formación continua basada en curriculum): aprendizaje enfocado a la adquisición de un bloque completo de habilidades y conocimientos en el manejo de herramientas directa o indirectamente aplicables al trabajo. 

• Aprendizaje Just InTime (orientado a la formación continua basado en las necesidades reales del alumnado). Transmisión de conocimientos por parte del personal docente virtual por medio de clases guiadas interactivas y multimedia, con uso extensivo de medios audiovisuales. Las lecciones son reforzadas por un/a tutor/a personal que se encarga, entre otras cosas, de resolver las dudas a nivel teórico que le surgen al alumnado, enviando incluso apuntes de refuerzo y de ampliación. 

• Valoración de los conocimientos teóricos adquiridos durante el curso y del grado de aprovechamiento del mismo, mediante una exhaustiva evaluación final y una autoevaluación. 

Los contenidos se muestran de forma clara y sistemática, se realizará una estructura en módulos y apartados claramente identificables (a través de etiquetas). Se presenta un menú de acceso a los contenidos, material complementario y actividades. 

El agrupamiento de las clases será global, se desarrollarán actividades en grupo e individuales. Las actividades irán aumentando paulatinamente de complejidad. La organización metodológica de los contenidos está basada en los parámetros del aprendizaje por descubrimiento y aprendizaje significativo. 

Parte Práctica 

La participación es uno de los elementos clave del aprendizaje, por ello esta acción formativa también se impartirá a través de una metodología práctica, destinada a la adquisición y consolidación de los conocimientos procedimentales. Ésta radica en la correcta aplicación de unos principios de aprendizaje claros y definidos. Dada la multiplicidad de variables que intervienen en el proceso de autoaprendizaje, se toman como referencia los siguientes modelos de enseñanza: 

• Trabajo en pequeños grupos: Las dinámicas de grupo utilizadas son imprescindibles para conseguir que el alumnado integre todos los conocimientos adquiridos a nivel teórico, consiste en la distribución por parte del profesorado, del alumnado en subgrupos de 3 a 8 personas con el objeto de analizar una cuestión durante un tiempo, para luego exponerlo al resto del grupo. 

• Lluvia de ideas: se puede utilizar al inicio de un tema para comprobar los conocimientos previos que el alumnado tiene sobre el mismo, y de esta forma el/la docente puede adaptarse al ritmo de aprendizaje de cada nivel. 

• Demostraciones: El personal docente debe acompañar cada explicación de un ejemplo de cómo debe organizarse correctamente una acción. 

• Supuestos prácticos: El/la docente propone al grupo situaciones reales relacionadas con la temática, para ir adquiriendo de una manera clara los conocimientos adquiridos y ver una situación real. 

• Ejercicios de aplicación práctica: el profesorado explicará los pasos a seguir para la adquisición del procedimiento, para posteriormente ser realizados por el alumnado, ya sea de forma individual o en grupo, dependiendo de las características de la tarea. 

• Resolución de casos prácticos: El alumnado se enfrentará a un problema en un contexto concreto y una temática determinada en relación con la acción formativa y tras un análisis de la situación propuesta, buscará la solución. Es importante que esta resolución sea puesta en común para así contemplar las diferentes propuestas que da el alumnado, de manera que se complementen unas con otras y el enriquecimiento sea mayor. 

• Actividades globalizadas: que requieran la conjunción de contenidos tanto conceptuales como procedimentales (teóricos y prácticos) y que sean similares a los que la profesión requiere, que en ocasiones responde al objetivo general del curso. De este modo, acercamos la formación al mundo laboral, propiciando la transferencia y generalización de los aprendizajes que comentábamos al principio. 

A continuación, Expondremos las modalidades de actividades o ejercicios prácticos utilizadas en las diferentes técnicas pedagógicas; 

• Role play: consiste en representar una situación típica (un caso concreto) con el objeto de que se torne real, visible, y sea vivenciado por los sujetos de modo que se comprenda mejor la actuación de quienes deben intervenir en esta situación de la vida real. 

• Estudio de casos: La descripción detallada y exhaustiva de una situación real, la cual ha sido investigada y adaptada para ser presentada de modo que posibilite un amplio análisis e intercambio de ideas. 

• Entrevista focalizada: El sistema de entrevista basadas en competencias ayuda al personal docente a identificar, por medio de preguntas centradas en los indicadores de dichas competencias, el grado de desarrollo alcanzado. 

• La dinámica de grupos: Función de adaptación al grupo, apoyo a la madurez del grupo y especificación clara de los objetivos. 

• Formación outdoor: se fundamenta en plantear al alumnado una serie de desafíos, retándoles a buscar soluciones, combinando vivencias y experiencias reales con teoría. Un programa de actividades planificadas y diseñadas para extraer conclusiones que ayudan a la reflexión consiguiendo mejorar el entorno personal y profesional del día a día, tan necesario para aplicarlo posteriormente. 

Los materiales y herramientas incluidas en la Plataforma de Formación Virtual permiten desarrollar los conocimientos prácticos de forma personalizada. El alumnado realizará sus actividades y las entregará a través de este espacio (donde tendrá también acceso a los materiales de consulta necesarios para realizarlo). De esta forma pretendemos obtener la mayor calidad posible en nuestro proceso de enseñanza aprendizaje. 

Evaluación de los Contenidos

RESPONSABLE: 

La persona responsable del proceso de enseñanza-aprendizaje será el/la docente, quien por medio de diferentes herramientas de evaluación y contando con medios de autoevaluación que irá realizando el alumnado, confirmará la superación o no de la formación. 

MOMENTOS: 

Es preciso señalar que este proceso se lleva a cabo a lo largo de la acción formativa, contando con instrumentos de evaluación continua, con una finalidad formativa para supervisar la evolución y progreso del alumnado, y por otro lado una evaluación final, con una finalidad sumativa, con la que se valorará la consecución de los objetivos. 

INSTRUMENTOS/HERRAMIENTAS: 

Teniendo como premisa el principio de objetividad, se dispondrá de una variedad de herramientas de seguimiento y control, tanto de autoevaluación como de evaluación por parte del equipo docente, para calificar la parte teórica, práctica y actitudinal, en cada unidad didáctica. De esta manera, el proceso de evaluación lo podemos dividir en 3 fases:

 • Evaluación inicial: por medio de un cuestionario tipo test de entre 5-10 ítems se realizará una valoración diagnóstica del nivel de conocimientos del alumnado. 

• Evaluación continua: cada unidad didáctica tendrá como mínimo una prueba tipo test de entre 10-30 ítems para valorar la adquisición de conocimientos paulatinamente. 

• Evaluación final: prueba tipo test con la que se valorará de forma global la adquisición de habilidades, competencias y conocimientos. 

DESCRIPCIÓN: 

Una ventaja que encontramos en la formación online es la rapidez con la que docente y alumnado conocen los resultados de cada prueba y el hecho de que cada acción quede registrada en la base de datos de la plataforma, lo que permite hacer un seguimiento de lo que está ocurriendo a lo largo del curso. Así, las actividades de evaluación nos sirven para verificar el progreso del aprendizaje del alumnado, hacer un seguimiento de sus dificultades de aprendizaje y prestarle el apoyo adecuado. 

Con respecto a los contenidos, se utilizarán diferentes herramientas según el tipo de contenido a evaluar. Así para los contenidos teóricos se contará con una prueba al finalizar cada unidad didáctica y una prueba al finalizar el curso. 

A continuación, se describen ambas: 

Cuestionario de evaluación de cada unidad didáctica: 

• Se recoge un cuestionario para cada unidad didáctica. 

• Los cuestionarios se van activando de forma secuencial (por unidad). 

• Los cuestionarios son de autoevaluación, de tal manera que el alumno recibe automáticamente la calificación, así como los errores cometidos. 

• La responsabilidad del docente se basa en supervisar el correcto seguimiento del curso. 

• Los cuestionarios están representados en el aula virtual con un código visual. 

• Tipo de preguntas son: verdadero-falso, opción múltiple, desarrollo… 

Cuestionario de evaluación final del curso: 

• El cuestionario se activará al finalizar las unidades y con tiempo suficiente para su realización previamente al cierre del curso. 

• La responsabilidad del personal docente se basa en supervisar el correcto seguimiento del curso. 

• El cuestionario final está representado en el aula virtual con un código visual. 

• Tipo de preguntas son: verdadero-falso, opción múltiple, desarrollo… 

• La puntuación a obtener por el alumnado está comprendida entre el 0 y el 10, debiendo obtener una puntuación de 5 para superar la prueba. 

El porcentaje de la evaluación de los contenidos teóricos de cada unidad, respecto al resto de evaluaciones, lo establecerá el equipo docente en base a las características y necesidades específicas de cada unidad. No obstante, la evaluación de los contenidos teóricos tendrá un peso de entre 40% – 50% de la calificación final del alumnado. 

Evaluación de las Habilidades

RESPONSABLE: 

La persona responsable del proceso de enseñanza-aprendizaje será el/la docente, quien por medio de diferentes herramientas de evaluación y contando con medios de autoevaluación que irá realizando el alumnado, confirmará la superación o no de la formación. 

MOMENTOS: 

Es preciso que este proceso se lleve a cabo a lo largo de la acción formativa, contando con instrumentos de evaluación continua, con una finalidad formativa para supervisar la evolución y progreso del alumnado, y por otro lado una evaluación final, con una finalidad sumativa, con la que se valorará la consecución de los objetivos.

 INSTRUMENTOS/HERRAMIENTAS: 

Evaluación continua: a través de casos prácticos y tareas de tres tipos diferentes, en donde una de ella hace referencia la autoevaluación (en donde el alumno cuenta con el enunciado del problema y la solución, pero no con el desarrollo) y otra a la evaluación (en donde el alumno cuenta solo con el enunciado) Evaluación final: prueba objetiva tipo test de entre 20-30 ítems de diferentes tipos. 

DESCRIPCIÓN: Dado el carácter eminentemente práctico de la formación profesional para el empleo, la parte de la evaluación referida a la adquisición de conocimientos debe cubrir fundamentalmente el apartado del saber-hacer. Así, las actividades de evaluación nos sirven para verificar el progreso del aprendizaje del alumnado, hacer un seguimiento de sus dificultades de aprendizaje y prestarle el apoyo adecuado. 

Es por ello que, en cada unidad didáctica, se desarrollan ejercicios y/o actividades con el fin de valorar la adquisición de dichas habilidades. Los contenidos procedimentales o habilidades se evalúan por el docente a través de tres diferentes tipos de tareas llevadas a cabo en el aula virtual en cada unidad didáctica: 

Tareas de autoevaluación: se plantea un ejercicio para que lo resuelva el alumno, y la solución al mismo se planteará a través de los recursos con que cuenta la plataforma: foros, chat, etc. Señaladas en el aula virtual con un código visual. 

Papel del docente: supervisar el correcto seguimiento del curso. 

El porcentaje o valor de la evaluación de las habilidades de cada unidad, respecto al resto de evaluaciones, lo establecerá el personal docente en base a las características y necesidades específicas de los contenidos. No obstante, la evaluación de las habilidades tendrá un peso de entre 40% – 50% de la calificación final del alumnado. 

Si alguna de las personas participantes no superase alguna de las tareas prácticas evaluables tendrá la oportunidad de repetirlo. 

Para la evaluación de contenidos prácticos se definirán los criterios de evaluación o resultados a comprobar, que se medirán mediante las puntuaciones obtenidas en las escalas propuestas para cada indicador de logro. La prueba se considera superada cuando la puntuación obtenida sea como mínimo la mitad de la puntuación máxima que se pueda obtener en el conjunto total de escalas. 

La inscripción de tu centro en el SEPE es cuestión de 5 minutos.

Pasos a seguir:

1. Ponerte en contacto con nosotros para facilitarte un servicio Web SOAP

2. Acceder a la página del SEPE:  Acceso

3. Rellenar el formulario

4. Seleccionar las Acciones Formativas que quiere inscribir de las más de 900 que tenemos en el catálogo.