Del Tema al Problema
Experiencias en la exploración de posibles problemas de investigación para Tesinas de Grado
Taller de Tesina (11091) - UNLu - 2021
Antes de comenzar
No es Normativo
No hay reglas ni formulas
Lectura previa
Si, hay que leer incluso antes de tener un Problema
Dimensión Individual y Social
Trabajo Individual (Demostrar al resto la evolución personal)
- Colegas
- Director / Co-Director
- Autores
- ¿Internet?
Tema 1
Tema 1
Indexación Distribuida
Indexación Distribuida
Contexto
Contexto
Final de Carrera
Contexto
Final de Carrera
2 Temas Generales
Contexto
Final de Carrera
2 Temas Generales
Uno "clásico"
Contexto
Final de Carrera
2 Temas Generales
Uno "clásico"
El otro "moderno"
Contexto
Big Data
(Datos Masivos)
Estructuras de Datos para
Motores de Búsquedas
Contexto
Big Data
(Datos Masivos)
Estructuras de Datos para
Motores de Búsquedas
¿Cual Elegir?
Contexto
Big Data
(Datos Masivos)
Estructuras de Datos para
Motores de Búsquedas
¿Cual Elegir?
¿Por qué no ambos ?
¿Cual Elegir?
Pros y Contras
Pros y Contras
Ventajas
Pros y Contras
Ventajas
- Docentes con Perfil
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Desventajas
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Desventajas
- Big Data era tema "hot"
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Desventajas
Big Data era tema "hot"
No nos importa eso en la Tesina de Grado
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Desventajas
Big Data era tema "hot"
- Tecnologías que no manejaba
No nos importa eso en la Tesina de Grado
Pros y Contras
Ventajas
- Docentes con Perfil
- No era un Tema "Raro"
- Disponibilidad de Datos de Pruebas
Desventajas
Big Data era tema "hot"
- Tecnologías que no manejaba
- Ídem con Lenguajes
No nos importa eso en la Tesina de Grado
Tareas iniciales
Tareas iniciales
¿Como arrancar?
Tareas iniciales
¿Como arrancar?
Lectura de Artículos del Tema (superficial)
Tareas iniciales
¿Como arrancar?
Lectura de Artículos del Tema (superficial)¹
Tareas iniciales
¿Como arrancar?
Lectura de Artículos del Tema (superficial)¹
Lectura de Tesinas
(Trabajos Futuros)
Tareas iniciales
¿Como arrancar?
Lectura de Artículos del Tema (superficial)¹
Lectura de Tesinas
(Trabajos Futuros)
Conversaciones con
Docentes Candidatos a Directores
Definiciones
Definiciones
Tesina Experimental
(Relevamiento Bibliográfico + Experimento)
Definiciones
Tesina Experimental
(Relevamiento Bibliográfico + Experimento)
Recae sobre el IR y Big Data sería
secundario
Definiciones
Tesina Experimental
(Relevamiento Bibliográfico + Experimento)
Recae sobre el IR y Big Data sería
secundario
Componente "local": Generación de Cluster que podría ser utilizado por terceros
Preguntas de Investigación
Preguntas de Investigación
PREGUNTA 1
¿Existen implementaciones de algoritmos de construcción de índices para la plataforma de Big Data utilizada?
¿Son públicos? ¿Se pueden reutilizar?
Preguntas de Investigación
PREGUNTA 2
¿Los algoritmos elegidos se comportan de forma similar en contextos secuenciales y distribuidos?
Preguntas de Investigación
PREGUNTA 3
Las plataformas de Big Data Open Source
¿Como se comportan en un entorno acotado con hardware commodity?
Tema 2
Tema 2
Procesamiento Distribuido de Grafos
Escenario
Escenario
Big Data como "irrupción"
Escenario
Big Data como "irrupción"
Contextos Distribuidos al alcance de todxs
Escenario
Big Data como "irrupción"
Contextos Distribuidos al alcance de todxs
Nuevas necesidades de los usuarios
Grafos (Tema Clásico)
+
Big Data
=
Tema "Hot"
Escenario
Ejecución de algoritmos
de grafos para datos masivos
en contexto distribuido con datasets
del tamaño de Big Data
Tema
Reflexiones
Tema clásico + Novedad ~= riesgo de obsolescencia
Hay Staff de Investigación para Dirigir Tema
Bibliografía sólida y abundante
¿Como lidiar con la obsolescencia?
* Tiempo de elaboración
* Agregar componente local
Preguntas de Investigación
¿Que plataformas para procesar grafos distribuidos existen?
¿Cuales son los rangos de datos para los cuales funcionan?
¿Rinden bien en contextos de datos masivos?
¿Como varía el rendimiento en el procesamiento para datasets de diferentes tamaño?
¿Existe algún límite práctico?
¿Los limitantes son de Recursos Físicos o de las estrategias de distribución de la carga de trabajo?
Pasos a Seguir
Hablar con Directores posibles
Hacer un estado del arte, viendo si las preguntas ya fueron evaluadas o respondidas.
¿Que pasa si alguna de mis preguntas de investigación ya fueron respondidas?
