BDA - Trabalhos - 2015/1

Trabalhos

Desenvolvimento de um SGBD - 30/04

• Objetivo:
  • Criar programa que implemente funções de CRUD
  • Linguagem: qualquer
  • Equipes:
    • BDA - CRUD 01 - Inserção - Carlos, Chrystian e Matheus Mendes
    • BDA - CRUD 02 - Exclusão- Augusto , Bruna e Gabriel
    • BDA - CRUD 03 - Alteração
    • BDA - CRUD 04 - Ordenação - Alessandro
    • BDA - CRUD 05 - Pesquisa - Marcelo e Ellen
    • BDA - CRUD 06 - Listagem - Laura, Leticia

Pesquisas - 7 e 12/05

• Discutir as seguintes situações:

1. Normalização - FN 1, 2 e 3 - Ellen
2. Normalização - Boyce-Codd
3. Transação em Banco de Dados
4. Segurança em Banco de Dados
5. Talend - Chrystian, Carlos
6. Kettle
7. Tuning em Banco de Dados
8. Índices - Agrupamento
9. Índices - Hash
10. Índices - Árvore
11. Hadoop - Alessandro Gontijo
12. MapReduce - Arthur Gomide

Projeto de Banco de Dados - 18/06

• Requisitos do projeto:
  • A ser definido

• Entregas:
  • Modelagem (pode ser feita no DIA ?? ou no SGBD escolhido)
  • Implementação de Banco de Dados (no SGBD escolhido)

Estado da Arte - 23/07

• Pesquisa e apresentação referente aos seguintes temas:
• 01. Big Data
  • 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. NoSQL
  • Proposta de atender às necessidades que não foram contempladas com o Banco de Dados Relacional.

• 03. Business Inteligence
  • Perspectiva de t

• 04. Dispositivos embarcados
  • 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
  • Tratar dados que integram texto, vídeo, áudio e coordenadas geográficasa passou a ser um grande negócio e um enorme desafio.

• 06. Cassandra
  • As demandas mudaram e os Banco de Dados também. O Cassandra vem pra preencher necessidades recentes e tem sido aceito em larga escala.

• 07. SciDB
  • Banco de dados muito comum na área de Bioinformática que atualmente utiliza algoritmos de IA para recuperação de padrões, por exemplo.

• 08. BayesDB
  • 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.

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

• 10. Weka
  • Ferramentas de mineração de dados bem didática, com algoritmos de redes neutrais bem clássicos de IA.

• 11. R
  • 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.

• 12. Apache Mahout
  • Ferramenta para big data que contém vários algoritmos de IA para mineração de dados

• 13. 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/)

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

• 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/)

• 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.

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