Uma abordagem OLAP baseada em modelos

• Processo: 15/11106-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 08 de março de 2016
• Data de Término da vigência: 07 de março de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Cristina Dutra de Aguiar
• Beneficiário: Jaqueline Joice Brito
• Supervisor: Yannis Papakonstantinou
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: University of California, San Diego (UC San Diego), Estados Unidos
• Vinculado à bolsa: 12/13158-9 - Armazenamento e recuperação de dados de data warehouses em ambientes de computação em nuvem, BP.DR
• Assunto(s): Bases de dados Big data Data warehouse Processamento analítico on-line (OLAP) Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: big data | data warehouses | machine learning | models | Olap | Bases de dados

Resumo

Modelos estão por trás de qualquer novo grande avanço tecnológico que temos visto nas últimas décadas. Desde de mapas em nossos smartphones até membros biônicos que recuperam a qualidade de vida de um grande número de pessoas, criar sistemas com modelos subjacentes que podem aprender e fazer previsões parece ser uma das principais técnicas no futuro próximo. Isso se reflete diretamente no recente e acentuado crescimento pela demanda por analistas de dados. Uma característica comum a todas essas aplicações é a utilização de modelos em conjunto com dados (por exemplo, advindos de sensores) armazenados em bases de dados. Nesse sentido, o Plato é um sistema de banco de dados criado para tratar modelos como um tipo nativo de dados. Assim, o banco de dados pode oferecer capacidades extras de previsão e até uma representação mais precisa dos dados. No entanto, o sistema Plato ainda está em um estágio inicial de desenvolvimento, necessitando da definição adequada de operações mais complexas. Neste contexto, no presente projeto propomos o desenvolvimento de métodos eficientes para o processamento de consultas analíticas (Online Analytical Processing - OLAP) que se beneficiem das vantagens deste novo sistema centrado em modelos. Essa abordagem OLAP baseada em modelos será capaz de resolver eficientemente consultas que envolvam dados convencionais e modelos. Acreditamos que nossa proposta poderá impactar positivamente analistas de dados e servir como um framework para a realização de processamento analítico de de Big Data. Este projeto de estágio será realizado na Universidade da Califórnia em San Diego (UCSD) e supervisionado pelo Prof. Dr. Yannis Papakonstantinou. (AU)