Gestión de Datos (GD)

Coordinadores

  • Raquel Trillo Lado (Universidad de Zaragoza, raqueltl(at)unizar.es)
  • Miguel Ángel Rodríguez (Universidad da Coruña , luaces(at)udc.es) [SIG]
  • Teresa Gómez (Universidad de Sevilla, maytegomez(at)us.es) [Big Data]

Objetivos y ámbito

El desarrollo de las TIC y el cambio cultural que se ha producido en la última década ha provocado que, hoy en día, se produzcan y estén disponibles una gran cantidad de datos digitales, gran parte de ellos geo-localizados. Este espectacular aumento en el volumen y variedad de la información disponible (datos estructurados, semi-estructurados y no estructurados, datos enlazados, datos procedentes de sensores y dispositivos móviles, etc.), hace necesario mejorar las técnicas existentes para poder sacarles el mayor partido en múltiples dominios y está dando lugar a nuevos modelos de negocio. La necesidad de gestión adecuada de dichos datos, junto al desarrollo de soluciones innovadoras, suponen un hito fundamental en la sociedad, cuya tendencia apunta frecuentemente al uso de Big Data y a la necesidad de gestionar datos heterogéneos en diferentes escenarios.

El track de Gestión de Datos pretende servir de punto de encuentro de referencia para todos los trabajos realizados a nivel nacional en el ámbito de la gestión de datos, incluyendo no sólo el desarrollo de técnicas específicas de gestión de datos y grandes volúmenes de información, sino también su aplicación en una gran variedad de contextos como por ejemplo Smart Cities, bioinformática, administración electrónica, etc.

Temas de interés

  • Técnicas de Gestión de Datos: almacenamiento, indexación, búsqueda y procesamiento.
  • Estructuras de datos y algoritmos
  • Calidad de datos
  • Estandarización e interoperabilidad
  • Visualización e interacción hombre-máquina
  • Infraestructuras de datos espaciales
  • Indexación de información geoespacial
  • Procesado y optimización de consultas geoespaciales
  • Técnicas semánticas para el procesamiento y gestión de Datos
  • Redes de sensores
  • Redes de vehículos ad hoc
  • Bases de Datos
  • Almacenes de Datos y herramientas de apoyo a la decisión
  • Procesado de streams y procesado en tiempo real
  • Big Data
  • Recuperación de Información y minería de datos y de procesosMonitorización y extracción de KPIs de fuentes Big Data
  • Modelos y métodos de ingeniería del software para aplicaciones intensivas en datos
  • Procesamiento de preguntas distribuidas
  • Seguridad, privacidad y análisis de riesgos
  • Modelos de negocio para el Big Data
  • Aplicaciones y ejemplos de uso: ciencias biomédicas, computación móvil, transporte, entornosmóviles Peer-to-Peer (P2P), ciudades inteligentes (smart cities), servicios basados en la localización, computación energéticamente eficiente para Big Data, administración electrónica, smart grid, etc.

Comité de programa