Bases de Datos y Ciencia de Datos
Este eje incluye contribuciones vinculadas con el modelado, diseño, administración, integración, análisis y aseguramiento de la calidad de los datos, así como con su explotación para la generación de conocimiento. Se recibirán trabajos sobre bases de datos relacionales y no relacionales, data warehousing, big data, ciencia de datos, gobierno y calidad de datos, almacenamiento y recuperación de información, optimización de consultas y arquitecturas orientadas a la gestión eficiente, escalable y segura de los datos.Asimismo, se esperan aportes en técnicas de análisis de datos, minería de datos, analítica avanzada y visualización, así como en el desarrollo de soluciones basadas en datos para la toma de decisiones. Se incluyen también contribuciones que abordan la intersección entre datos e inteligencia artificial, tales como la preparación, curación y gobernanza de datos para modelos de IA, el procesamiento de grandes volúmenes de datos para aprendizaje automático, recuperación aumentada (RAG) y la gestión de datos en sistemas inteligentes.
Temas:
- Base de datos estructurada. Análisis, diseño, gestión, monitoreo, y procesamiento.
- Bases de datos semiestructuradas. Análisis, diseño, gestión, monitoreo, y procesamiento.
- Bases de datos no estructuradas. Modelado, implementación, monitoreo, y procesamiento.
- Grandes volúmenes de datos.
- Bases de datos distribuidas.
- Bases de datos en la nube.
- Bases de datos perimetrales.
- Almacenes de datos.
- Base de datos NoSQL.
- Integración entre bases de datos perimetrales y en la nube.
- Estrategias de planificación y procesamiento de consultas.
- Teoría de gestión de la información.
- Práctica de gestión de la información.
- Gestión de la calidad de datos.
- Modelado de datos estructurados, textuales, multimedia.
- Soberanía de datos.
- Privacidad de datos.
- Accesibilidad de datos
- Inteligencia de negocios
- Ciencia de datos
- Curado de datos. Estrategias y algoritmos.
- Datos sintéticos. Estrategias de generación, gestión de sesgos, y algoritmos.
- Aceleradores especializados y de propósito general. Arquitecturas. Uso y aplicaciones en el procesamiento de datos con alta disponibilidad.
- Movimiento de datos. Gestión de memoria y ancho de banda. Análisis de restricciones y estrategias de mitigación en CPU, GPU, NPU, y xPU.
- Procesamiento de datos. Integración de software y hardware.
- Aceleradores de procesamiento de datos e inteligencia artificial
- Clasificación. Modelado, algoritmos, y casos de aplicación.
- Predicción. Modelado, algoritmos, y casos de aplicación.
- Agrupamiento. Enfoques, algoritmos, y casos de aplicación.
- Reconocimiento de patrones. Estrategias de detección, algoritmos, y casos de aplicación.
- Series temporales. Estrategias de construcción, algoritmos, y casos de aplicación.
- Aprendizaje Profundo. Estrategias de aprendizaje, comparación de modelos, medición y evaluación. Casos de aplicación.
- Comparación automatizada de modelos entrenados. Confiabilidad y replicabilidad.
- Procesamiento de datos en tiempo real. Abordajes, algoritmos, y casos de estudio.