---

Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 26/05/2017

Nº de créditos: 12

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
3	1	8	15 Semanas	180 Horas

Docentes responsáveis:

Cristina Dutra de Aguiar

Objetivos:

Estudo de conceitos sobre procedência dos dados, com ênfase na investigação de aspectos relacionados à procedência dos dados em processos de integração. Estudo de conceitos sobre ambientes de data warehousing, com ênfase nas características básicas desses ambientes, na modelagem multidimensional dos dados, no uso de visões materializadas e índices. Estudo de ambientes de data warehousing não convencionais, incluindo data warehousing espacial, data warehousing espaço-temporal e data warehousing de imagens.

Justificativa:

A disciplina visa estimular o aluno quanto à investigação científica relacionada aos avanços no estado da arte sobre procedência dos dados e data warehousing.

Conteúdo:

1. Procedência dos Dados em Processos de Integração
1.1 Conceitos básicos de integração de dados: definições, integração em nível de esquema, integração em nível de esquema, ambiguidade na identificação de entidades e resolução de conflitos de valores de atributos
1.2 Conceitos básicos de procedência dos dados: definições e características básicas
1.3 Quatro aspectos da procedência: o que armazenar, como coletar, como armazenar e como consultar
1.4 Uso da procedência dos dados na reaplicação de decisões de integração

2. Data Warehousing
2.1 Introdução aos conceitos de processamento analítico dos dados: definição de data warehouse, data warehousing e OLAP (on-line analytical processing), diferenças entre o processamento analítico e o processamento transacional, características e organização dos dados do data warehouse, arquitetura do ambiente de data warehousing
2.2 Modelagem multidimensional dos dados: aspectos estáticos e dinâmicos, sistemas ROLAP (relational OLAP), exemplos práticos.
2.3 Visões materializadas: conceito e características, vantagens e desvantagens, uso em consultas OLAP.
2.4 Indexação em ambientes de data warehousing: índice bitmap de junção
2.5 Ambientes de data warehousing não-convencionais: data warehouse espacial, data warehouse espaço-temporal, data warehouse de imagem

Forma de avaliação:

Serão propostas provas escritas e apresentação de seminários

Observação:

Nenhuma.

Bibliografia:

Fundamentais:
1) KIMBALL, R., ROSS, M. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, 3rd edition. John Wiley and Sons, Inc., 2013.
2) CIFERRI, C., CIFERRI, R., GÓMEZ, L., SCHNEIDER, M., VAISMAN, A., ZIMÁNYI, E. Cube algebra: A generic user-centric model and query language for OLAP cubes. Journal of Data Warehousing and Mining, v. 9, n. 2, p. 39-65, 2013.
3) TAN, W.-C. Research problems in data provenance. IEEE Data Engineering Bulletin, v. 27, n. 4, p. 45-52, 2004.
4) FREIRE, J.; KOOP, D.; SANTOS, E.; SILVA, C. T. Provenance for computational tasks: A survey. IEEE Computing in Science & Engineering, v. 10, n. 3, p. 11-21, 2008.


Complementares:
1) BLEIHOLDER, J.; NAUMANN, F. Data fusion. ACM Computing Surveys, v. 41, n. 1, p. 1:1-1:41, 2009
2) BUNEMAN, P., KHANNA, S., TAN, W. C. Why and where: A characterization of data provenance. In ICDT ’01: Proceedings of the 8th International Conference on Database Theory, pages 316–330. 2001.
3) CIFERRI, C. D. A. Distribuição dos Dados em Ambientes de Data Warehousing: O Sistema WebD2W e Algoritmos Voltados à Fragmentação Horizontal dos Dados. Tese de Doutorado, Universidade Federal de Pernambuco (UFPE), 2002. (In Portuguese)
4) GAEDE, V.; GUNTHER, O. Multidimensional access methods. Journal of Molecular Biology (JMB), v. 30, p. 170–231, 1998.
5) GOLFARELLI, M.; RIZZI, S.; IURIS, C. Beyond Data Warehousing: What's Next in Business Intelligence? In Proceedings of the 7th ACM International Workshop on Data Warehousing and OLAP, p. 1-6, 2004.
6) HARINARAYAN, V.; RAJARAMAN, A.; ULLMAN, J. D. Implementing data cubes efficiently. ACM SIGMOD Record, v. 25, p. 205-216, 1996.
7) JUKIC, N.; VRBSKY, S.; NESTOROV, S. Database Systems: Introduction to Databases and Data Warehouses. Prospect Press, 2016.
8) O'NEIL, P. E.; GRAEFE, G. Multi-table joins through bitmapped join indices. ACM SIGMOD Record, v. 24, n. 3, p. 8-11, 1995.
9) TEIXEIRA, J. W.; ANNIBAL, L.P. ; FELIPE, J.C. ; CIFERRI, R. R. ; CIFERRI, C. D. A. A Similarity-Based Data Warehousing Environment for Medical Images. Computers in Biology and Medicine, v. 66, p.190-208, 2015.
10) TOMAZELA, B.; HARA, C. S.; CIFERRI, R. R.; CIFERRI, C. D. A. Empowering Integration Processes with Data Provenance. Data & Knowledge Engineering, v. 86, p. 102-123, 2013.
11) VAISMAN, A.; ZIMÁNYI, E. Data Warehouse Systems: Design and Implementation. Springer-Verlag Berlin Heidelberg, 2014.