5.28.4.5 Bases de Datos Semiestructuradas y No Estructuradas (12 horas) [Habilidades AG-C08,AG-C12]

Referencias Bibliográficas: [Kleppmann, 2017b,Manning et al., 2008,Mikolov et al., 2013,Agrawal et al., 2023,MongoDB, Inc., 2025]

Temas

1. 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
2. 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)

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]