Bases de Datos Avanzadas

• Horas semanales
• Competencias
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Web links
• Capacidades previas

Profesorado

Responsable

• Petar Jovanovic ( )
• Sergi Nadal Francesch ( )

Horas semanales

Competencias

Competencias Transversales

Transversales

• CT4 [Avaluable] - Trabajo en equipo. Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
• CT6 [Avaluable] - Aprendizaje autónomo. Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.
• CT8 - Perspectiva de género. Conocer y comprender, desde el propio ámbito de la titulación, las desigualdades por razón de sexo y género en la sociedad; integrar las diferentes necesidades y preferencias por razón de sexo y de género en el diseño de soluciones y resolución de problemas.

Básicas

• CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
• CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.

Competencias Técnicas

Específicas

• CE04 - Diseñar y utilizar de forma eficiente los tipos y estructuras de datos más adecuados a la resolución de un problema.
• CE08 - Detectar las características, funcionalidades y componentes de los gestores de datos, que permitan su adecuado uso en flujos de información, y el diseño, análisis e implementación de aplicaciones basadas en ellas.
• CE09 - Concebir, diseñar e integrar sistemas de análisis inteligente de datos con aplicación en entornos de producción y de servicios.
• CE10 - Analizar, diseñar, construir y mantener aplicaciones de forma robusta, segura y eficiente, eligiendo el paradigma y los lenguajes de programación más adecuados.
• CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.

Competencias Técnicas Genéricas

Genéricas

• CG2 - Utilizar los conocimientos fundamentales y metodologías de trabajo sólidas adquiridos durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
• CG3 - Definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas en el ámbito de la inteligencia artificial.
• CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.
• CG9 - Afrontar nuevos retos con una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Inteligencia Artificial. Desarrollar la actividad aplicando criterios de calidad y mejora continua, y actuar con rigor en el desarrollo profesional. Adaptarse a los cambios organizativos o tecnológicos. Trabajar en situaciones de carencia de información y/o con restricciones temporales y/o de recursos.

Objetivos

1. Ser capaz de explicar y utilizar los principales mecanismos de procesamiento paralelo de consultas en entornos distribuidos, detectando cuellos de botella.
   Competencias relacionadas: CG3, CG9, CT4, CT6, CB1, CB2, CE08,
2. Aprender, comprender y aplicar los fundamentos de los sistemas de gestión de datos distribuidos como las bases de datos distribuidas y los sistemas de archivos distribuidos.
   Competencias relacionadas: CG2, CG5, CT4, CT6, CB2, CE04, CE08, CE15,
3. Ser capaz de justificar y utilizar entornos de procesamiento distribuido de datos de estilo funcional.
   Competencias relacionadas: CG3, CG5, CT4, CT6, CB1, CB2, CE08, CE09, CE10,
4. Aprender, comprender y aplicar los fundamentos de los grafos de conocimiento.
   Competencias relacionadas: CG2, CG5, CT6, CT8, CB1, CE04, CE08,
5. Ser capaz de especificar, diseñar, implementar y evaluar sistemas de gestión de datos orientados a la IA, incluidas las bases de datos semánticas para la representación del conocimiento.
   Competencias relacionadas: CG2, CG5, CT4, CT6, CB1, CE04, CE08, CE15,
6. Ser capaz de aplicar grafos de conocimiento para resolver problemas realistas como la integración de datos, el análisis de datos basado en grafos, etc.
   Competencias relacionadas: CG2, CG5, CG9, CT4, CT6, CT8, CB2, CE04, CE08, CE15,
7. Ser capaz de evaluar y seleccionar sistemas de gestión de datos en función de un determinado criterio de calidad.
   Competencias relacionadas: CG2, CG3, CT4, CB2, CE04, CE08, CE10,
8. Ser capaz de resolver problemas de descubrimiento e integración de datos en base a las estrategias, estándares y tecnologías disponibles.
   Competencias relacionadas: CG3, CG9, CT4, CT6, CT8, CB1, CB2, CE08, CE09, CE10,
9. Ser capaz de realizar el procesamiento de consultas de datos de grafos.
   Competencias relacionadas: CG3, CG9, CT4, CT6, CB1, CB2, CE04, CE09,

Contenidos

1. Introducción a los sistemas de datos para Inteligencia Artificial.
   El ciclo de vida completo de la IA con DevOps y DataOps. Adquisición, limpieza y preparación de datos. Selección y gestión de modelos. Depuración y servicio de modelos.
2. Gestión y procesamiento de datos a gran escala.
   Bases de datos distribuidas. Descripción general de la gestión y el procesamiento de datos distribuidos. Sistema de archivos distribuidos. Marcos de procesamiento de datos distribuidos (MapReduce/Spark). Modelos de procesamiento de flujo de datos. Programas de flujo de datos declarativos.
3. Gestión de datos semánticos
   Fundamentos de la gestión de datos de grafos. Representaciones de grafos de conocimiento con RDF, RDFS, OWL y su relación con lógicas de primer orden. Consultas basadas en patrones y el lenguaje SPARQL. Lenguajes para describir y validar grafos de conocimiento.
4. Integración de datos
   Descubrimiento de datos. Evaluación de la calidad de los datos. Esquema e integración de datos.
5. Arquitecturas de datos para sistemas basados en la IA y su gobernanza
   Arquitecturas funcionales centralizadas y distribuidas de sistemas de gestión de datos para IA. Gobernanza de datos.

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• SQL for data science : data cleaning, wrangling and analytics with relational databases - Badia, Antonio, Springer, [2020]. ISBN: 9783030575915
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004916338406711&context=L&vid=34CSUC_UPC:VU1
• Principles of distributed database systems - Özsu, M. Tamer; Valduriez, Patrick, Springer, [2020]. ISBN: 9783030262525
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004193569706711&context=L&vid=34CSUC_UPC:VU1
• The Web of Data - Hogan, Aidan, 2020. ISBN: 978-3-030-51580-5
  https://link.springer.com/book/10.1007/978-3-030-51580-5
• NoSQL distilled : a brief guide to the emerging world of polygot persistence - Sadalage, Pramod J; Fowler, Martin, Addison-Wesley, 2013. ISBN: 9780321826626
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003990429706711&context=L&vid=34CSUC_UPC:VU1
• Data management and query processing in semantic web databases - Groppe, Sven, Springer, 2011. ISBN: 9783642193569
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003898129706711&context=L&vid=34CSUC_UPC:VU1
• Web data management - Abiteboul, S, Cambridge University Press, 2012. ISBN: 9781107012431
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003929239706711&context=L&vid=34CSUC_UPC:VU1

Complementaria:

• Encyclopedia of database systems [Recurs electrònic] - Özsu, M. Tamer; Liu, Ling, Springer , 2009. ISBN: 9780387399409
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991000621799706711&context=L&vid=34CSUC_UPC:VU1
• Managing and mining graph data - Aggarwal, Charu C; Wang, Haixun, Springer , cop. 2010. ISBN: 9781441960443
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003843179706711&context=L&vid=34CSUC_UPC:VU1
• Data Integration: A Theoretical Perspective - Lenzerini, Maurizio, PODS '02: Proceedings of the twenty-first ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems , 2002. ISBN: 1-58113-507-6
  https://doi.org/10.1145/543613.543644
• A Survey of RDF Data Management Systems - Özsu, M. Tamer, Cornell University Library , 2016.
  https://arxiv.org/abs/1601.00707

Web links

• LearnSQL https://learnsql2.fib.upc.edu/moodle/course/view.php?id=83

Capacidades previas