wiki

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

← Edição anterior
Lauraldib (discussão | contribs)
36 edições
Lauraldib (discussão | contribs)
36 edições
 
(18 revisões intermediárias por 6 usuários não estão sendo mostradas)
Linha 43: Linha 43:




* Projeto 1: [[Planejamento e Controle de Manutenção de Equipamentos do DMAE]]
* Projeto 1: [[Planejamento e Controle de Manutenção de Equipamentos do DMAE]] => Ok para avaliação
** Escopo: Este projeto tem por finalidade criar um sistema para cadastrar os equipamentos do DMAE (Departamento Municipal de Água e Esgoto de Uberlândia), incluindo suas manutenções obrigatórias e as realizadas, e futuramente através de um aplicativo determinar quais equipamentos precisam de manutenção imediata e quais manutenções deverão ser feitas futuramente.
** Alessandro Gontijo da Costa Dias
** Arthur Gomide Luz
** Cecília Carneiro e Silva
<br>
<br>


* Projeto 2: Sistema de Gestão de Documentos
* Projeto 2: [[Sistema de Gestão de Documentos]] => Preciso ver o documento real para avaliar se o DER está adequado. Favor enviar por email
** Escopo: O setor de Gerência de Processos (GEPRO) do Hospital de Clínicas da Universidade Federal de Uberlândia (HC-UFU) é responsável por deixar atualizado e padronizado as formas de realizar qualquer procedimento dentro de um hospital. Isto é feito através de construções de fluxogramas e instruções passo a passo, via documento digitalizado e outro impresso, de como as ações são realizadas. O setor trabalha junto com todos os outros setores do hospital, pois sua função é manter a qualidade e eficiência de qualquer processo realizado em qualquer área do hospital. Devido à grande quantidade de setores existentes no HCU, vários procedimentos são realizados dentro do hospital. Para cada um destes procedimentos realizados, deve-se existir um documento, elaborado pela GEPRO, que o explique. Isso gera uma gigantesca quantidade de documentos arquivados no setor que devem ser revisados bienalmente. Como consequência do grande número de arquivos, a gestão dos mesmos está cada vez mais difícil, pois novos setores são criados com novos procedimentos, que resultarão em mais arquivos para serem gerenciados e revisados. Os documentos obsoletos, vencidos e cancelados são armazenados (caso a necessidade de um backup), o que gera mais gestão dos documentos. O objetivo do projeto é a construção de um sistema que cadastrasse cada documento com suas devidas características (título, setor relacionado, tipo do documento, data de validade e emissão, dentre outras características), para facilitar a gestão e a pesquisa de todos os arquivos do setor de Gerência de Processos.
** Marcelo Prado Ribeiro
** Vítor Hugo Oliveira Andrade
<br>
<br>


* Projeto 3: Sistema de loja de roupas
* Projeto 3: [[Gugu Tall Fashion]]  => Ok para avaliação
** Escopo: O sistema tem como objetivo, guardar dados de uma loja de roupas, como uma venda realizada e pessoas envolvidas nessa venda, a compra de mercadorias de um fornecedor externo, o estoque de produtos.
** Augusto César Alves de Oliveira
** Bruna Souto Siqueira
** Gabriel Henrique de Oliveira Leite
<br>
<br>


* Projeto 4: Sistema de Gerenciamento de propostas para inovação em tecnologias de saúde
* Projeto 4: [[Sistema de Gerenciamento de propostas para inovação em tecnologias de saúde]]  => Ok para avaliação
** Escopo: O sistema tem como finalidade interligar o Hospital de Clinicas de Uberlândia (HCU-UFU) com os professores do curso de Engenharia Biomédica da Universidade Federal de Uberlândia (UFU). Responsáveis de diversos setores do Hospital Escola cadastrarão propostas para inovações em tecnologias de saúde, baseados nas necessidades de cada setor. Essas propostas poderão ser desenvolvidos para otimizar e auxiliar o funcionamento dos setores. Os professores do curso de Engenharia Biomédica terão acesso às propostas e às suas descrições, podendo selecionar as que mais se encaixam com suas disciplinas para propô-las em sala de aula aos seus alunos. As propostas selecionadas terão o status alterado de “disponível” para “em andamento”, e quando finalizadas para “concluído”.  Dessa forma, os alunos passam a fazer projetos que serão realmente utilizados pelo hospital ajudando a solucionar problemas e auxiliar as atividades propostas por cada setor.
** Laura de Amorim Lana Dib
** Alunas: Laura de Amorim Lana Dib e Letícia Salomão Oliveira
** Letícia Salomão Oliveira
<br>
<br>


Linha 71: Linha 76:
<br>
<br>


* 01. Big Data - Gabriel Leite
:: 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. Weka - Arthur Gomide
:: 02. [[Weka]] - Arthur Gomide
** Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.
::: Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.
<br>
<br>


* 03. Business Inteligence - Cecília Carneiro
:: 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 - Alessandro Gontijo
:: 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  - Bruna Souto Siqueira
:: 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. Datalog
:: 06. [[SciDB]] - Vítor Hugo O. Andrade
** 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/)
::: 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. Oracle ADDM e Oracle AMM
:: 10. [[Algoritmo de deep learning]] - Letícia Salomão
** 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.
::: 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 - Marcelo Prado
:: 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. Algoritmo de deep learning
:: 13. [[R]] - Laura Dib
** Utilizado para análise de sentimentos com banco de dados de grafos (http://neo4j.com/blog/deep-learning-sentiment-analysis-movie-reviews-using-neo4j/)
::: 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>




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”