Una Base de Datos Matemática para Procesar Series de Tiempo

Carlos Ordoñez
Universidad de Houston

En la investigación científica, los resultados de mediciones experimentales comúnmente toman la forma de una serie de tiempo recopilada de un sensor o dispositivo a través del tiempo. Después de almacenar las series de tiempo, los modelos matemáticos generalmente se derivan con métodos numéricos. A pesar de que existen muchas herramientas para almacenar y analizar datos de series de tiempo, hay pocas investigaciones destinadas a almacenar y consultar los modelos derivados, que son el mecanismo más importante para que un científico entienda los datos y demuestre las hipótesis. En esta charla, discutimos modelos de bases de datos y mecanismos de procesamiento de consulta para ayudar a los científicos a aprovechar una base de datos para almacenar, administrar y consultar modelos matemáticos. Nos centramos en modelos de series de tiempo que se pueden aproximar razonablemente mediante ecuaciones diferenciales ordinarias. Proponemos un concepto novedoso de un almacenamiento de modelos matemáticos, ampliado con métodos de procesamiento numérico, que permite realizar consultas sobre datos de series de tiempo sin procesar. Presentamos una descripción general de nuestro prototipo de modelo de series de tiempo, que funciona sobre un DBMS relacional estándar.

Biografía

Carlos Ordoñez estudió en la UNAM su licenciatura en Actuaría y su Maestría en Ciencias de la Computación. Continuó los estudios de doctorado en el Instituto de Tecnología de Georgia bajo la tutoría del Dr. Edward Omiecinski. Sus estudios se centraron en los sistemas de bases de datos. Obtuvo el doctorado en el año 2000. Carlos trabajó en Teradata (antes parte de NCR) en el período 1998-2006. Colaboró en la optimización de los algoritmos de minado de datos y de cubos de datos que trabajan dentro de los DBMS paralelas de Teradata. En el 2006 Carlos se unió al Departamento de Ciencias de la Computación en la Universidad de Houston, donde ahora dirige el laboratorio de Sistemas Paralelos de Bases de Datos. De 2013 al 2015 Carlos colaboró con Michael Stonebraker, visitando regularmente el Grupo Base de datos en el MIT. De julio 2014 a julio 2015 Carlos fue investigador visitante en los laboratorios de ATT (antes de Bell Labs), donde trabajó en análisis de flujo de datos (stream analytics) y big data warehousing con Divesh Srivastava. Carlos se ha desempeñado como Editor en las revistas IEEE TKDE, Intelligent Data Analysis y Information Systems y ha estado en el Comité de Programa de conferencias como SIGMOD, KDD, DOLAP, ICDE, CIKM, DaWaK y AMW. Su investigación ha sido financiado por la NSF.