wiki

BDA - Trabalhos - 2015/1: mudanças entre as edições

← Edição anterior
Lauraldib (discussão | contribs)
36 edições
 
(42 revisões intermediárias por 12 usuários não estão sendo mostradas)
Linha 11: Linha 11:
*** [[BDA - CRUD 01]] - Inserção - Carlos, Chrystian e Matheus Mendes
*** [[BDA - CRUD 01]] - Inserção - Carlos, Chrystian e Matheus Mendes
*** [[BDA - CRUD 02]] - Exclusão- Augusto , Bruna e Gabriel
*** [[BDA - CRUD 02]] - Exclusão- Augusto , Bruna e Gabriel
*** [[BDA - CRUD 03]] - Alteração
*** [[BDA - CRUD 03]] - Alteração - Gustavo
*** [[BDA - CRUD 04]] - Ordenação - Alessandro
*** [[BDA - CRUD 04]] - Ordenação - Alessandro
*** [[BDA - CRUD 05]] - Pesquisa - Marcelo, Ellen, Vítor Hugo
*** [[BDA - CRUD 05]] - Pesquisa - Marcelo, Ellen, Vítor Hugo
Linha 22: Linha 22:
* Discutir as seguintes situações:
* Discutir as seguintes situações:
# [[Normalização - FN 1, 2 e 3]] - Ellen
# [[Normalização - FN 1, 2 e 3]] - Ellen
# [[Normalização - Boyce-Codd]]
# [[Transação em Banco de Dados]] - Laura e Letícia
# [[Transação em Banco de Dados]]
# [[Segurança em Banco de Dados]] - Augusto César
# [[Segurança em Banco de Dados]] - Augusto César
# [[Talend]] - Chrystian, Carlos
# [[Kettle]]
# [[Tuning em Banco de Dados]] -Bruna Souto
# [[Tuning em Banco de Dados]] -Bruna Souto
# [[Índices - Agrupamento]]
# [[Índices - Agrupamento]] - Gabriel Leite
# [[Índices - Hash]] - Cecília Carneiro
# [[Índices - Hash]] - Cecília Carneiro
# [[Índices - Árvore]] - Clayton Del Tedesco Júnior
# [[Índices - Árvore]] - Clayton Del Tedesco Júnior
# [[Hadoop]] - Alessandro Gontijo
# [[Hadoop]] - Alessandro Gontijo
# [[MapReduce]] - Arthur Gomide
# [[MapReduce]] - Arthur Gomide
# [[BD Cassandra]] - Marcelo Prado
# [[NoSQL]]
<br>
<br>


Linha 43: Linha 42:
<br>
<br>


* Projeto 1: [[Planejamento e Controle de Manutenção de Equipamentos do DMAE]] => Ok para avaliação
** Alessandro Gontijo da Costa Dias
** Arthur Gomide Luz
** Cecília Carneiro e Silva
<br>
* Projeto 2: [[Sistema de Gestão de Documentos]] => Preciso ver o documento real para avaliar se o DER está adequado. Favor enviar por email
** Marcelo Prado Ribeiro
** Vítor Hugo Oliveira Andrade
<br>
* Projeto 3: [[Gugu Tall Fashion]]  => Ok para avaliação
** Augusto César Alves de Oliveira
** Bruna Souto Siqueira
** Gabriel Henrique de Oliveira Leite
<br>
* Projeto 4: [[Sistema de Gerenciamento de propostas para inovação em tecnologias de saúde]]  => Ok para avaliação
** Laura de Amorim Lana Dib
** Letícia Salomão Oliveira
<br>


* Entregas:
* Entregas:
** Modelagem (pode ser feita no DIA ?? ou no SGBD escolhido)  
** Modelagem (pode ser feita no DIA ?? ou no SGBD escolhido) => 18/06
** Implementação de Banco de Dados (no SGBD escolhido)   
** Implementação de Banco de Dados (no SGBD escolhido)   
<br>
<br>
Linha 55: Linha 76:
<br>
<br>


* 01. Big Data  
:: 01. [[Big Data]] - Gabriel Leite
** Bola da vez na área de Banco de Dados. Tem gerado enorme procura e pretende efetivamente extrair resultados do absurdo volume de dados que é armazenado no mundo.
::: Bola da vez na área de Banco de Dados. Tem gerado enorme procura e pretende efetivamente extrair resultados do absurdo volume de dados que é armazenado no mundo.
<br>
<br>


* 02. NoSQL
:: 02. [[Weka]] - Arthur Gomide
** Proposta de atender às necessidades que não foram contempladas com o Banco de Dados Relacional.
::: Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.
<br>
<br>


* 03. Business Inteligence
:: 03. Business Inteligence - Cecília Carneiro
** Perspectiva de tomar decisões a partir da análise de dados. Efetivamente a possibilidade de utilizar base de dados estruturadas para gerar resultados que ajudem a definir novos caminhos, ações ou resultados que auxiliem a área de atuação.
::: [[Gestão de projetos-PERT-CPM]]
::: Perspectiva de tomar decisões a partir da análise de dados. Efetivamente a possibilidade de utilizar base de dados estruturadas para gerar resultados que ajudem a definir novos caminhos, ações ou resultados que auxiliem a área de atuação.
<br>
<br>


* 04. Dispositivos embarcados
:: 04. [[Dispositivos embarcados]] - Alessandro Gontijo
** Cada vez mais utilizados e aproveitando a onda do M2M e IoT, dispositivos embarcados precisam tratar com enorme eficiência, suas bases de dados.
::: Cada vez mais utilizados e aproveitando a onda do M2M e IoT, dispositivos embarcados precisam tratar com enorme eficiência, suas bases de dados.
<br>
<br>


* 05. BD geográfico
:: 05. [[BD geográfico]]  - Bruna Souto Siqueira
** Tratar dados que integram texto, vídeo, áudio e coordenadas geográficasa passou a ser um grande negócio e um enorme desafio.
::: Tratar dados que integram texto, vídeo, áudio e coordenadas geográficasa passou a ser um grande negócio e um enorme desafio.
<br>
<br>


* 06. Cassandra
:: 06. [[SciDB]] - Vítor Hugo O. Andrade
** As demandas mudaram e os Banco de Dados também. O Cassandra vem pra preencher necessidades recentes e tem sido aceito em larga escala.
::: Banco de dados muito comum na área de Bioinformática que atualmente utiliza algoritmos de IA para recuperação de padrões, por exemplo.
<br>
<br>


* 07. SciDB
:: 07. [[BayesDB]] - Augusto César
** Banco de dados muito comum na área de Bioinformática que atualmente utiliza algoritmos de IA para recuperação de padrões, por exemplo.
::: Ainda em versão alpha, porém a ideia é interessante: é uma base Bayesiana que permite consultas em Bayesian Query Language (BQL) para obter as probabilidades das observações.
<br>
<br>


* 08. BayesDB
:: 08. Neo4j
** Ainda em versão alpha, porém a ideia é interessante: é uma base Bayesiana que permite consultas em Bayesian Query Language (BQL) para obter as probabilidades das observações.
::: Banco de dados em grafos muito utilizado para modelar algoritmos de IA que utilizam estruturas de grafos.
<br>
<br>


* 09. Neo4j
:: 09. [[Apache Mahout]] - Marcelo Prado
** Banco de dados em grafos muito utilizado para modelar algoritmos de IA que utilizam estruturas de grafos.
::: Ferramenta para big data que contém vários algoritmos de IA para mineração de dados
<br>
<br>


* 10. Weka
:: 10. [[Algoritmo de deep learning]] - Letícia Salomão
** Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.
::: Utilizado para análise de sentimentos com banco de dados de grafos (http://neo4j.com/blog/deep-learning-sentiment-analysis-movie-reviews-using-neo4j/)
<br>
<br>


* 11. R
:: 11. Algoritmos e técnicas
** Ferramentas de mineração de dados muito parecida com MATLAB, porém mais moderna e intuitiva. Está muito na moda e possui vários pacotes que implementam algoritmos de IA.
::: Algoritmos genéticos  muito utilizados para otimização de consultas em bancos de dados (http://legacy.earlham.edu/~chrisma/survey.htm)
<br>
<br>


* 12. Apache Mahout
:: 12. Datalog
** Ferramenta para big data que contém vários algoritmos de IA para mineração de dados
::: Linguagem de programação lógica (subconjunto do Prolog). É muito usada como linguagem de consulta em bancos de dados e para raciocínio em sistemas especialistas. (http://docs.racket-lang.org/datalog/)
<br>
<br>


* 13. Datalog
:: 13. [[R]] - Laura Dib
** Linguagem de programação lógica (subconjunto do Prolog). É muito usada como linguagem de consulta em bancos de dados e para raciocínio em sistemas especialistas. (http://docs.racket-lang.org/datalog/)
::: Ferramentas de mineração de dados muito parecida com MATLAB, porém mais moderna e intuitiva. Está muito na moda e possui vários pacotes que implementam algoritmos de IA.
<br>
<br>


* 14. Algoritmos e técnicas
:: 14. Oracle ADDM e Oracle AMM
** Algoritmos genéticos  muito utilizados para otimização de consultas em bancos de dados (http://legacy.earlham.edu/~chrisma/survey.htm)
::: São módulos do banco relacional Oracle que utilizam algoritmos de IA. O ADDM é o Automatic Database Diagnostic Monitor procura por gargalos de performance e tenta otimizá-los. ::: O AMM é o Automatic Memory Management, responsável por gerenciar o consumo de memória do banco.
<br>
<br>


* 15. Algoritmo de deep learning
** Utilizado para análise de sentimentos com banco de dados de grafos (http://neo4j.com/blog/deep-learning-sentiment-analysis-movie-reviews-using-neo4j/)
<br>


* 16. Oracle ADDM e Oracle AMM
 
** São módulos do banco relacional Oracle que utilizam algoritmos de IA. O ADDM é o Automatic Database Diagnostic Monitor procura por gargalos de performance e tenta otimizá-los. O AMM é o Automatic Memory Management, responsável por gerenciar o consumo de memória do banco.
 
<br>


* Entrega:
* Entrega:

Edição atual tal como às 20h11min de 11 de julho de 2015

Trabalhos


Desenvolvimento de um SGBD - 30/04



Pesquisas - 7 e 12/05


  • Discutir as seguintes situações:
  1. Normalização - FN 1, 2 e 3 - Ellen
  2. Transação em Banco de Dados - Laura e Letícia
  3. Segurança em Banco de Dados - Augusto César
  4. Tuning em Banco de Dados -Bruna Souto
  5. Índices - Agrupamento - Gabriel Leite
  6. Índices - Hash - Cecília Carneiro
  7. Índices - Árvore - Clayton Del Tedesco Júnior
  8. Hadoop - Alessandro Gontijo
  9. MapReduce - Arthur Gomide
  10. BD Cassandra - Marcelo Prado
  11. NoSQL


Projeto de Banco de Dados - 18/06



  • Requisitos do projeto:
    • A ser definido




  • Projeto 2: Sistema de Gestão de Documentos => Preciso ver o documento real para avaliar se o DER está adequado. Favor enviar por email
    • Marcelo Prado Ribeiro
    • Vítor Hugo Oliveira Andrade


  • Projeto 3: Gugu Tall Fashion => Ok para avaliação
    • Augusto César Alves de Oliveira
    • Bruna Souto Siqueira
    • Gabriel Henrique de Oliveira Leite



  • Entregas:
    • Modelagem (pode ser feita no DIA ?? ou no SGBD escolhido) => 18/06
    • Implementação de Banco de Dados (no SGBD escolhido)


Estado da Arte - 23/07


  • Pesquisa e apresentação referente aos seguintes temas:


01. Big Data - Gabriel Leite
Bola da vez na área de Banco de Dados. Tem gerado enorme procura e pretende efetivamente extrair resultados do absurdo volume de dados que é armazenado no mundo.


02. Weka - Arthur Gomide
Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.


03. Business Inteligence - Cecília Carneiro
Gestão de projetos-PERT-CPM
Perspectiva de tomar decisões a partir da análise de dados. Efetivamente a possibilidade de utilizar base de dados estruturadas para gerar resultados que ajudem a definir novos caminhos, ações ou resultados que auxiliem a área de atuação.


04. Dispositivos embarcados - Alessandro Gontijo
Cada vez mais utilizados e aproveitando a onda do M2M e IoT, dispositivos embarcados precisam tratar com enorme eficiência, suas bases de dados.


05. BD geográfico - Bruna Souto Siqueira
Tratar dados que integram texto, vídeo, áudio e coordenadas geográficasa passou a ser um grande negócio e um enorme desafio.


06. SciDB - Vítor Hugo O. Andrade
Banco de dados muito comum na área de Bioinformática que atualmente utiliza algoritmos de IA para recuperação de padrões, por exemplo.


07. BayesDB - Augusto César
Ainda em versão alpha, porém a ideia é interessante: é uma base Bayesiana que permite consultas em Bayesian Query Language (BQL) para obter as probabilidades das observações.


08. Neo4j
Banco de dados em grafos muito utilizado para modelar algoritmos de IA que utilizam estruturas de grafos.


09. Apache Mahout - Marcelo Prado
Ferramenta para big data que contém vários algoritmos de IA para mineração de dados


10. Algoritmo de deep learning - Letícia Salomão
Utilizado para análise de sentimentos com banco de dados de grafos (http://neo4j.com/blog/deep-learning-sentiment-analysis-movie-reviews-using-neo4j/)


11. Algoritmos e técnicas
Algoritmos genéticos muito utilizados para otimização de consultas em bancos de dados (http://legacy.earlham.edu/~chrisma/survey.htm)


12. Datalog
Linguagem de programação lógica (subconjunto do Prolog). É muito usada como linguagem de consulta em bancos de dados e para raciocínio em sistemas especialistas. (http://docs.racket-lang.org/datalog/)


13. R - Laura Dib
Ferramentas de mineração de dados muito parecida com MATLAB, porém mais moderna e intuitiva. Está muito na moda e possui vários pacotes que implementam algoritmos de IA.


14. Oracle ADDM e Oracle AMM
São módulos do banco relacional Oracle que utilizam algoritmos de IA. O ADDM é o Automatic Database Diagnostic Monitor procura por gargalos de performance e tenta otimizá-los. ::: O AMM é o Automatic Memory Management, responsável por gerenciar o consumo de memória do banco.




  • Entrega:
    • Publicação na Wiki nos seguintes links:
      • a ser criado


Disponível em “http://3.143.69.156/wiki/index.php?title=BDA_-_Trabalhos_-_2015/1&oldid=38025”