Introduit la modélisation sémantique par le biais de données tabulaires et de RDF, couvrant les bases de données relationnelles, la migration de schémas, les schémas à l'épreuve du temps, l'interrogation SPARQL et les limitations de métaconnaissance.
Couvre efficacement l'optimisation de joint accéléré GPU pour les requêtes complexes, en se concentrant sur l'amélioration des temps d'optimisation et de la qualité du plan heuristique.
Explore les ontologies populaires et les bases de connaissances telles que WordNet, WikiData, Google Knowledge Graph et Schema.org, ainsi que les ensembles de données ouvertes liées.
Couvre le traitement graphique en mettant l'accent sur Oracle Labs PGX, en discutant de l'analyse graphique, des bases de données, des algorithmes et des défis analytiques distribués.
Explore la complexité de la description du contenu des documents et le développement de nouveaux standards ouverts pour résoudre ce problème, couvrant les défis de la modélisation de la structure et du contenu des documents.
Explore l'omniprésence des graphiques dans les données et les analyses modernes, en mettant l'accent sur le changement dans la perception des organisations des technologies graphiques.
Explore le concept de Knowledge Graphs et leur rôle dans l'intégration des données et la compréhension sémantique, montrant des exemples et des applications du monde réel.
