Explore le développement et la reconstruction des machines de calcul de Leibniz, des récits classiques et de l'approche interdisciplinaire de la science.
Couvre l'adaptation des systèmes d'analyse aux défis matériels et de données modernes, en mettant l'accent sur l'efficacité et l'évolutivité grâce à des approches innovantes et des systèmes hybrides.
Explore le débat historique entre les modèles de données relationnels et non relationnels, en couvrant les caractéristiques clés et les exemples de chacun.
Explore la représentation des connaissances, l'extraction de l'information et la vision du Web sémantique, en mettant l'accent sur la normalisation, la cartographie et les ontologies dans la structuration des données.
Explore la gestion circulaire du cycle de vie, la fabrication sans défaut, l'analyse des mégadonnées et la maintenance prédictive dans les processus industriels.
Introduit le modèle relationnel, SQL, les clés, les contraintes d'intégrité, la traduction ER, les entités faibles, les hiérarchies ISA et SQL vs. noSQL.
Couvre les principes des systèmes de gestion de bases de données, la conception, la mise en œuvre et les options de stockage telles que les fichiers CSV plats.
Explore l'organisation des fichiers, les méthodes d'indexation et la conception du stockage des bases de données, y compris les formats d'enregistrement, les formats de page et la classification des index.
Discute des modèles de traitement des requêtes et des opérations relationnelles, en se concentrant sur les sélections, les projections et les jointures dans les systèmes à forte intensité de données.
Explore le centroïde, le médioïde, l'homogénéité, la séparabilité dans le clustering, l'évaluation de la qualité, la stabilité, les connaissances d'experts et les algorithmes de clustering.
Couvre l'optimisation des requêtes relationnelles, y compris les plans de requêtes logiques et physiques, l'estimation des coûts, les équivalences et la stratégie du système R.
