Almacenamiento y recuperación para la gestión de datos masivos

Autores
Aragón, Victoria S.; Ariza, C.; Britos, Luis; Centorbi, N.; Dorzán, María Gisela; Grosso, Alejandro; Jofré, S. M.; Kasián, Fernando; Leiva, G.; Lososwski, S.; Ludueña, Verónica; Reyes, Nora Susana; Roggero, Patricia; Samat, P.; Figueroa, Karina; Paredes, R.; Chávez, Edgar; Deco, Claudia
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El crecimiento exponencial de datos multimedia en ecosistemas digitales ha generado la acumulación de grandes volúmenes de datos no estructurados en repositorios, cuya naturaleza no permite su gestión mediante el modelo relacional tradicional. Esta limitación ha derivado en el desarrollo de nuevos paradigmas de representación, indexación y recuperación de información. La presente investigación analiza la transición hacia herramientas de administración que no sólo aborden la complejidad de los datos no estructurados, sino que prioricen la eficiencia computacional. Se enfatiza la necesidad de algoritmos optimizados que integren la jerarquía de memorias y arquitecturas de computación de alto desempeño (HPC), para lograr escalabilidad y rendimiento en el procesamiento de grandes volúmenes de datos. Además, con el fin de capitalizar estos saberes/conocimientos en la oferta académica del departamento, se contempla el estudio, análisis y la selección de estrategias de transferencia de este conocimiento en la formación de grado y posgrado.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Bases de datos masivas
Computación de alto desempeño
Recuperación de información
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195761
Acceder
id SEDICI_acc725f36468683585628ec25bfbffdc
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195761
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Almacenamiento y recuperación para la gestión de datos masivosAragón, Victoria S.Ariza, C.Britos, LuisCentorbi, N.Dorzán, María GiselaGrosso, AlejandroJofré, S. M.Kasián, FernandoLeiva, G.Lososwski, S.Ludueña, VerónicaReyes, Nora SusanaRoggero, PatriciaSamat, P.Figueroa, KarinaParedes, R.Chávez, EdgarDeco, ClaudiaCiencias InformáticasBases de datos masivasComputación de alto desempeñoRecuperación de informaciónEl crecimiento exponencial de datos multimedia en ecosistemas digitales ha generado la acumulación de grandes volúmenes de datos no estructurados en repositorios, cuya naturaleza no permite su gestión mediante el modelo relacional tradicional. Esta limitación ha derivado en el desarrollo de nuevos paradigmas de representación, indexación y recuperación de información. La presente investigación analiza la transición hacia herramientas de administración que no sólo aborden la complejidad de los datos no estructurados, sino que prioricen la eficiencia computacional. Se enfatiza la necesidad de algoritmos optimizados que integren la jerarquía de memorias y arquitecturas de computación de alto desempeño (HPC), para lograr escalabilidad y rendimiento en el procesamiento de grandes volúmenes de datos. Además, con el fin de capitalizar estos saberes/conocimientos en la oferta académica del departamento, se contempla el estudio, análisis y la selección de estrategias de transferencia de este conocimiento en la formación de grado y posgrado.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf266-270http://sedici.unlp.edu.ar/handle/10915/195761spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195761Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.84SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Almacenamiento y recuperación para la gestión de datos masivos
title Almacenamiento y recuperación para la gestión de datos masivos
spellingShingle Almacenamiento y recuperación para la gestión de datos masivos
Aragón, Victoria S.
Ciencias Informáticas
Bases de datos masivas
Computación de alto desempeño
Recuperación de información
title_short Almacenamiento y recuperación para la gestión de datos masivos
title_full Almacenamiento y recuperación para la gestión de datos masivos
title_fullStr Almacenamiento y recuperación para la gestión de datos masivos
title_full_unstemmed Almacenamiento y recuperación para la gestión de datos masivos
title_sort Almacenamiento y recuperación para la gestión de datos masivos
dc.creator.none.fl_str_mv Aragón, Victoria S.
Ariza, C.
Britos, Luis
Centorbi, N.
Dorzán, María Gisela
Grosso, Alejandro
Jofré, S. M.
Kasián, Fernando
Leiva, G.
Lososwski, S.
Ludueña, Verónica
Reyes, Nora Susana
Roggero, Patricia
Samat, P.
Figueroa, Karina
Paredes, R.
Chávez, Edgar
Deco, Claudia
author Aragón, Victoria S.
author_facet Aragón, Victoria S.
Ariza, C.
Britos, Luis
Centorbi, N.
Dorzán, María Gisela
Grosso, Alejandro
Jofré, S. M.
Kasián, Fernando
Leiva, G.
Lososwski, S.
Ludueña, Verónica
Reyes, Nora Susana
Roggero, Patricia
Samat, P.
Figueroa, Karina
Paredes, R.
Chávez, Edgar
Deco, Claudia
author_role author
author2 Ariza, C.
Britos, Luis
Centorbi, N.
Dorzán, María Gisela
Grosso, Alejandro
Jofré, S. M.
Kasián, Fernando
Leiva, G.
Lososwski, S.
Ludueña, Verónica
Reyes, Nora Susana
Roggero, Patricia
Samat, P.
Figueroa, Karina
Paredes, R.
Chávez, Edgar
Deco, Claudia
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Bases de datos masivas
Computación de alto desempeño
Recuperación de información
topic Ciencias Informáticas
Bases de datos masivas
Computación de alto desempeño
Recuperación de información
dc.description.none.fl_txt_mv El crecimiento exponencial de datos multimedia en ecosistemas digitales ha generado la acumulación de grandes volúmenes de datos no estructurados en repositorios, cuya naturaleza no permite su gestión mediante el modelo relacional tradicional. Esta limitación ha derivado en el desarrollo de nuevos paradigmas de representación, indexación y recuperación de información. La presente investigación analiza la transición hacia herramientas de administración que no sólo aborden la complejidad de los datos no estructurados, sino que prioricen la eficiencia computacional. Se enfatiza la necesidad de algoritmos optimizados que integren la jerarquía de memorias y arquitecturas de computación de alto desempeño (HPC), para lograr escalabilidad y rendimiento en el procesamiento de grandes volúmenes de datos. Además, con el fin de capitalizar estos saberes/conocimientos en la oferta académica del departamento, se contempla el estudio, análisis y la selección de estrategias de transferencia de este conocimiento en la formación de grado y posgrado.
Red de Universidades con Carreras en Informática
description El crecimiento exponencial de datos multimedia en ecosistemas digitales ha generado la acumulación de grandes volúmenes de datos no estructurados en repositorios, cuya naturaleza no permite su gestión mediante el modelo relacional tradicional. Esta limitación ha derivado en el desarrollo de nuevos paradigmas de representación, indexación y recuperación de información. La presente investigación analiza la transición hacia herramientas de administración que no sólo aborden la complejidad de los datos no estructurados, sino que prioricen la eficiencia computacional. Se enfatiza la necesidad de algoritmos optimizados que integren la jerarquía de memorias y arquitecturas de computación de alto desempeño (HPC), para lograr escalabilidad y rendimiento en el procesamiento de grandes volúmenes de datos. Además, con el fin de capitalizar estos saberes/conocimientos en la oferta académica del departamento, se contempla el estudio, análisis y la selección de estrategias de transferencia de este conocimiento en la formación de grado y posgrado.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195761
url http://sedici.unlp.edu.ar/handle/10915/195761
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
266-270
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611668369408
score 13.24418

Publicaciones similares