2.4.12 DM/Bases de Datos Semiestructuradas y No Estructuradas

Temas:
Non Core

• Datos no estructurados vectorizados (texto, video, audio, etc.) y almacenamiento vectorial:
  1. Vectorizador TF-IDF con n-grama
  2. Word2Vec
  3. Base de datos de arreglos o manejo de tipo de datos arreglo
• Bases de datos semiestructuradas (por ejemplo, JSON):
  1. Almacenamiento:
     1. Codificación y compresión de tipos de datos anidados
  2. Indexación:
     1. árbol B, índice de salto, filtro Bloom
     2. Índice invertido y compresión de mapa de bits
     3. Indexación por curva de llenado de espacio para datos geo-semiestructurados
  3. Procesamiento de consultas para casos de uso OLTP y OLAP:
     1. Compromisos de inserción, selección, actualización/eliminación
     2. Estudios de caso sobre Postgres/JSON, MongoDB y Snowflake/JSON

Aprendizaje esperado (Learning Outcomes):
NonCore:

1. Describir representaciones vectorizadas de datos no estructurados (por ejemplo, TF-IDF, Word2Vec) y sus modelos de almacenamiento [Describir]
2. Aplicar técnicas de indexación (por ejemplo, árbol B, índice invertido, filtro Bloom) a datos semiestructurados almacenados en formato JSON [Aplicar]
3. Analizar las ventajas y desventajas del procesamiento de consultas en bases de datos semiestructuradas para casos de uso OLTP y OLAP [Analizar]