Disciplina Curricular
Bases de Dados BDad
Licenciatura Bolonha em Estatística Aplicada - 6_LEA 2022/23
Contextos
Grupo: 6_LEA 2022/23 > 1º Ciclo > Tronco Comum
Período:
Peso
6.0 (para cálculo da média)
Objectivos
Pretende-se que os estudantes: 1. Compreendam os fundamentos de sistemas de bases de dados, arquitetura e o modelo relacional 2. Dominem SQL em profundidade, incluindo queries complexas, joins, agregações, subqueries e otimização 3. Apliquem metodologias de modelação conceptual através de diagramas Entidade-Relacionamento (ER) e mapeamento para esquemas relacionais 4. Implementem bases de dados relacionais completas em PostgreSQL com restrições de integridade, triggers e stored procedures 5. Analisem e otimizem o desempenho de bases de dados através de estratégias de indexação, análise de query plans e gestão de transações 6. Compreendam tecnologias modernas incluindo bases de dados NoSQL (MongoDB), sistemas distribuídos, cloud databases e data warehousing 7. Integrem tecnologias relacionais e NoSQL em arquiteturas híbridas, avaliando trade-offs técnicos 8. Desenvolvam competências de trabalho em equipa através de um projeto semestral incremental que simula cenários profissionais reais
Programa
1. Fundamentos de Bases de Dados - Introdução aos sistemas de bases de dados e arquitetura - Modelo relacional: tabelas, chaves, integridade referencial - SQL básico: DDL e DML - SQL avançado: joins complexos, agregações, subqueries aninhadas e correlacionadas - Modelação Entidade-Associação (EA): entidades, atributos, relacionamentos, cardinalidades - Mapeamento ER para esquema relacional 2. Sistemas de Bases de Dados - Sistemas de armazenamento e organização de ficheiros - Indexação: B+ trees, índices hash, bitmap e espaciais - Processamento e otimização de queries - Transações: propriedades ACID, controlo de concorrência, níveis de isolamento 3. Tecnologias Modernas - Bases de dados NoSQL: MongoDB, document stores, key-value, teorema CAP - Bases de dados distribuídas e cloud (AWS RDS, Google Cloud SQL) - Data warehousing: OLTP vs OLAP, modelação dimensional, ETL - Big Data: MapReduce, Apache Spark - Analytics e Business Intelligence
Métodos de ensino e avaliação
1. Projeto Semestral (65%) Desenvolvimento em grupo (3 estudantes) de um sistema completo de base de dados com 5 entregas obrigatórias: - D1 (15%) - Análise de Requisitos e Modelação Conceptual - D2 (25%) - Implementação da Base de Dados Relacional - D3 (20%) - Otimização e Indexação - D4 (20%) - Integração NoSQL - D5 (20%) - Versão Final com Correções Cada entrega constrói sobre a anterior, permitindo feedback e melhoria contínua. Uso obrigatório de Git/GitHub para controlo de versões. Critérios de avaliação do projeto: - Correção técnica (40%): funcionamento e implementação correta - Qualidade do design (25%): modelação e arquitetura - Inovação (20%): soluções criativas e uso avançado das tecnologias - Documentação (15%): clareza e completude 2. Exame Final (35%) Avaliação individual abrangendo todos os tópicos do curso, com ênfase em compreensão teórica e resolução de problemas.