PROGRAMA DE CURSO. Horas Docencia Horas de Trabajo Horas de Cátedra Docentes. Personal

Transcripción

1 PROGRAMA DE CURSO Código Nombre CC5207 TEORIA DE BASES DE DATOS Nombre en Inglés DATABASE THEORY SCT es Horas Docencia Horas de Trabajo Horas de Cátedra Docentes Auxiliar Personal Requisitos Carácter del Curso CC3102, CC3201 Ramo Electivo de Especialidad Resultados de Aprendizaje Al finalizar el curso el alumno será capaz de: 1.- Entender los fundamentos teóricos de los 3 modelos principales de datos hoy utilizados: (1) El modelo relacional, (2) el modelo semi-estructurado a partir de su instanciación en XML, y (3) el modelo de bases de datos de grafos. 2.- Comprender los fundamentos de los principales lenguajes de consulta para cada uno de estos modelos, en particular, su expresividad y complejidad de evaluación. 3.- Conocer y comprender los tradeoffs existentes entre la expresividad y la complejidad de evaluación de un lenguaje de consultas. 4.- Entender propiedades básicas de los fundamentos de la optimización de consultas. 5.- Comprender nociones de incompletitud de datos y los desafíos computacionales que esta incompletitud representa. 6.- Diseñar nuevos lenguajes de consulta para todos los modelos antes estudiados, que permitan satisfacer ciertas funcionalidades no cubiertas por los lenguajes ya vistos. Además, será capaz de estudiar la complejidad y expresividad de estos lenguajes. 7.- Poder adentrarse en nuevas áreas de la teoría de bases de datos, entender artículos científicos sobre el tema, e idealmente estar capacitado para hacer investigación en el área. Metodología Docente Clases expositivas de 90 minutos cada una. Evaluación General La evaluación se basa en dos controles y un trabajo final. La nota final NF se calcula como: NF = 0,6 * NT + 0,4 * PC, donde NT es la nota del trabajo final y PC es el promedio de los dos controles. Para aprobar es necesario que tanto NT como PC sean mayores o iguales a 4,0.

2 es Temáticas Número Nombre de la Duración en 1 Elementos Básicos 1,5 - Repaso de complejidad computacional. - El modelo relacional: Estructura, perspectivas, notación. Recordar los elementos básicos de complejidad computacional. Asimismo, del modelo relacional de datos, que es por lejos el más utilizado en el almacenamiento de información y, además, el que estudiaremos con mayor detención a lo largo del curso. [AHV, Cap 3] Número Nombre de la Duración en 2 Consultas Conjuntivas 2 - Definición de consultas conjuntivas (CCs). - Caracterización en términos del álgebra relacional. - Complejidad de evaluación de CCs. - Una clase tratable: CCs acíclicas. - Decibilidad de equivalencia de CCs. - Optimización de CCs. Estudiar la clase de consultas conjuntivas, que componen el núcleo de cualquier lenguaje de consulta para bases de datos relacionales. Entender sus propiedades básicas en términos de complejidad de evaluación y optimización. Demostrar que esta clase tiene buenas propiedades que la distinguen de otros lenguajes más expresivos que estudiaremos más adelante en el curso.

3 Número Nombre de la Duración en 3 Cálculo Relacional 2 - Cálculo relacional = CCs + negación. - Caracterización en términos de álgebra relacional. - Complejidad de evaluación. - Indecibilidad del problema de - Expresividad del cálculo relacional. Entender propiedades básicas de complejidad y expresividad para el cálculo relacional. Entender el tradeoff existente entre la expresividad de un lenguaje y la complejidad de sus problemas básicos. [AHV, Cap 5] Número Nombre de la Duración en 4 Datalog 1,5 - Datalog = CCs + recursión. - Evaluación: Semántica del modelo mínimo vs semántica de punto fijo. - Complejidad de evaluación. - Indecibilidad del problema de Conocer Datalog, el lenguaje que extiende las CCs con recursión, y estudiar sus propiedades básicas en términos de semántica, complejidad de evaluación y [AHV, Caps 12 y 13 ]

4 Número Nombre de la Duración en 5 Información Incompleta 2 - El modelo de información incompleta: Tablas naïve y tablas condicionales. - Respuestas certeras a consultas. Complejidad de evaluación de consultas. - Sistemas de representación. - Una aplicación: Intercambio de información. Comprender los elementos básicos de la representación de datos cuando parte de la información no está disponible. Entender cómo responder consultas en ese escenario, además de la factibilidad computacional de tal proceso. Estudiar una aplicación directa de este proceso en una aplicación actual: El intercambio de datos. [AHV, Cap 10], [ABLM] Número Nombre de la Duración en 6 XML 3,5 - El modelo de datos XML. Diferencias con el modelo relacional. - Especificaciones en XML: DTDs. - Un lenguaje de consulta para XML: XPath. - Complejidad de evaluación de XPath. - Autómatas para árboles: Una generalización de DTDs y XPath. - Problemas de decisión para autómatas de árboles. - Autómatas de consulta. - Datalog monádico para XML. Entender los modelos de datos semi-estructurados a través de su versión más utilizada, XML. Conocer los lenguajes de especificación y consulta más básicos para XML. Estudiar un mecanismo general para especificar y consultar documentos XML: Los autómatas de árboles. [ABS], [GKP], [NS], [GK]

5 Número Nombre de la Duración en 7 Bases de Datos de Grafos 2,5 - El modelo de bases de datos de grafos. - Repaso de autómatas. - Lenguajes de consulta básicos: RPQs y CRPQs. - Evaluación de consultas. Complejidad de evaluación. Entender el modelo de bases de datos de grafos, en que la topología es tan importante como los datos mismos. Conocer los lenguajes básicos utilizados para consultar tales bases de datos, así como su complejidad de evaluación. [ABS], [AG], [Woo] Bibliografía - [AHV] S. Abiteboul, R. Hull, V. Vianu. Foundations of Databases. Addison-Wesley, [ABS] S. Abiteboul, P. Buneman, D. Suciu. Data on the Web: From Relationto Semistructured Data. Morgan & Kauffman, [ABLM] M. Arenas, P. Barceló, L. Libkin, F. Murlak. Relational and XML Data Exchange. Morgan & Claypool, [AG] R. Angles, C. Gutiérrez. Survey of graph database models. ACM Computing Surveys 40 (1): (2008). - [GK] G. Gottlob, C. Koch. Monadic datalog and the expressive power of languages for Web information extraction. Journal of the ACM 51 (1): (2004). - [GKPS] G. Gottlob C. Koch, R. Pichler, L. Segoufin. The complexity of XPath query evaluation and XML typing. Journal of the ACM 52 (2): (2005). - [NS] F. Neven, T. Schwentick. Query automata over finite trees. Theoretical Computer Science 275 (1-2): (2002). - [Woo] P. Wood. Query languages for graph databases. To appear in Sigmod Record. Vigencia desde: Otoño 2012 Elaborado por: Pablo Barceló