PDF de programación - Bits de ciencia 11

SOCIEDAD CHILENA DE CIENCIA
DE LA COMPUTACIÓN: ORÍGENES,
FUNDACIÓN (1984) Y PRIMEROS
AÑOS | Juan Álvarez

BIG DATA: UNA PEQUEÑA
INTRODUCCIÓN | Aidan Hogan

SEGUNDO SEMESTRE 2014

COMITÉ EDITORIAL
Claudio Gutiérrez, profesor
Alejandro Hevia, profesor
Gonzalo Navarro, profesor
Sergio Ochoa, profesor
EDITOR GENERAL
Pablo Barceló, profesor
EDITORA PERIODÍSTICA
Ana Gabriela Martínez
PERIODISTA
Karin Riquelme
DISEÑO
Puracomunicación
FOTOGRAFÍAS E IMÁGENES
Comunicaciones DCC
Puracomunicación

Revista BITS de Ciencia del Departamen-
to de Ciencias de la Computación de la
Facultad de Ciencias Físicas y Matemáti-
cas de la Universidad de Chile se encuen-
tra bajo Licencia Creative Commons
Atribución-NoComercial-Compartir-
Igual 3.0 Chile. Basada en una obra en
www.dcc.uchile.cl

Revista Bits de Ciencia N°11
ISSN 0718-8005 (versión impresa)
www.dcc.uchile.cl/revista
ISSN 0717-8013 (versión en línea)

Departamento de Ciencias
de la Computación
Avda. Beauchef 851, 3º piso,
Santiago, Chile
837-0459 Santiago
www.dcc.uchile.cl
Fono 56-2-29780652 | Fax 56-2-26895531
[email protected]

03
04

12

24

32

42
46



52

58
61
63
65
68
76

80



Editorial

Buzzword es el anglicismo que se refiere a aque-
llas palabras que utilizamos para impresionar
o que están de moda, pero cuyo significado a
veces ni siquiera podemos precisar. Big data,
diluvio de datos, etc. parecen buenos ejemplos
de esto: todo el mundo las ha escuchado, mu-
chos las ocupan dudosamente para justificar
proyectos de millones de dólares, conseguir po-
siciones académicas o simplemente aumentar
las posibilidades de que un paper no tan sólido
sea aceptado en la conferencia a la que aspiran,
pero pocos, quizá muy pocos, son capaces de
entender los componentes de este diluvio de
datos y precisar las características que hacen di-
ferente a este problema de todos los que hemos
enfrentado anteriormente.

Porque lo cierto es que el diluvio de datos –es
decir, la producción masiva de datos que supera
la capacidad de las instituciones de manejarlos
y de los investigadores de entenderlos– es un
problema del todo real, y ser capaz de extraer
información desde grandes volúmenes de in-
formación es quizá el más relevante desafío
que enfrenta la Computación hoy en día. Este
problema del Big Data –que se caracteriza por
las cuatro V's de Volúmen, Velocidad, Variedad
y Veracidad– nos sitúa a nosotros, la gente de
Informática, en el ojo de este huracán que re-
quiere de nuevos algoritmos, estructuras de
datos, formas de almacenamiento, lenguajes,
heurísticas y otros para su solución.

En este número de la Revista Bits hemos deci-
dido darle una mirada a fondo al tema del Big

Data y convocar a nuestros expertos nacionales
a que nos desmenucen la problemática relacio-
nada, desde sus fundamentos a sus aplicacio-
nes. En particular:

1. Aidan Hogan hace un amplio resumen del pro-
blema del Big Data, de sus desafíos y de muchas
de las técnicas que se utilizan para abordarlos.

2. Renzo Angles nos cuenta de temas de bench-
marking para Big Data y la Web Semántica.

3. El grupo de Big Data de Inria Chile nos pre-
senta su trabajo en visualización de grandes
volúmenes de información y sus aplicaciones a
la Astronomía.

tamento de Ingeniería Informática de la PUC de
Valparaíso.

Finalmente, el alumno de Doctorado Guillermo
Cabrera nos entrega un interesante survey so-
bre el manejo de datos en astronomía, y la pro-
fesora Bárbara Poblete nos presenta el grupo de
investigación Prisma.

Espero que disfruten la Revista que, como es
costumbre, hemos preparado con especial de-
dicación para nuestros lectores. Si tienen algún
comentario, sugerencia o reclamo por favor en-
víenlo al correo [email protected]

4. Juan Reutter nos hace un resumen de los mo-
delos de procesamiento de información para
Big Data.

Editor General
Revista Bits de Ciencia

5. Varios expertos nacionales en transportes, bu-
siness inteligence, astronomía y medicina nos
cuentan de los problemas relacionados con el
diluvio de datos en sus respectivas áreas.

Además, en la Sección de Investigación Desta-
cada presentamos un artículo de Valeria Fionda,
Claudio Gutiérrez y Giuseppe Pirrò sobre nave-
gación semántica de datos en la Web. Por otro
lado, en la sección de Computación y Sociedad
presentamos el artículo de Juan Álvarez sobre
los orígenes de la Sociedad Chilena de Ciencias
de la Computación (SCCC) y un artículo del Pro-
fesor Aldo Migliaro sobre la historia del Depar-

3

Investigación
Destacada



En los últimos años la Web ha evolucionado desde un repo-
sitorio inicialmente sólo de documentos a una Web donde
además hay datos, y donde los objetos descritos por datos
estructurados se hallan interconectados. Existen diversos
esfuerzos por transformar las partes relevantes de la Web
en una base de datos enorme. Esto significa esencialmente
publicar, describir, organizar e interconectar los datos exis-
tentes en la Web.

4

Investigación
Destacada

Investigadora Fellow en el Departamento de
Matemáticas y Computación de la Universidad
de Calabria, Italia. Hizo su MSc en Computing
Engineering en 2006 y su Ph.D. en Matemáticas
y Computación en 2010 en la Universidad de
Calabria. Sus intereses de investigación inclu-
yen Bioinformática, E-commerce, Algoritmos
para Manipulación de Grafos, Minería de Pro-
cesos y Web Semántica. Ha publicado artículos
en conferencias y journals de primer nivel como
WWW, IJCAI, CIKM, AIJ.
[email protected]

Profesor Asociado Departamento de Ciencias
de la Computación, Universidad de Chile. Ph.D.
Computer Science, Wesleyan University; Magís-
ter en Lógica Matemática, Pontificia Universidad
Católica de Chile; Licenciatura en Matemáticas,
Universidad de Chile. Áreas de investigación:
Fundamentos de la Computación, Lógica aplica-
da a la Computación, Bases de Datos, Semántica
de la Web, Máquinas Sociales.
[email protected]

Investigador postdoctoral senior en el Instituto
WeST, Universidad de Koblenz, Alemania. Antes
fue Profesor Asistente en la Universidad Libre
de Bolzano, Italia y postdoctorado en Inria Gre-
noble, Francia. Obtuvo su Ph.D. en Computer
Engineering en el Departamento DEIS, Universi-
dad de Calabria, Italia, en 2009. Sus intereses de
investigación se enfocan en la Web Semántica,
Lenguajes de Consulta para Grafos, Inteligencia
Artificial y Sistemas Distribuidos. Ha escrito más
de 40 papers publicados en conferencias y jour-
nals de primer nivel como WWW, ISWC, AAAI,
CIKM, CCGRID, TWEB y FGCS.
[email protected]

Estas nuevas tendencias pavimentan el camino
para servicios que –aprovechando las técnicas
de bases de datos sobre datos estructurados e
interconectados a escala planetaria– puedan
darle más valor a la Web descubriendo nuevo
conocimiento. Nuevos desafíos de investiga-
ción emergen en este nuevo mundo debido a
nuevas realidades: la creación y manipulación
de los datos intrínsecamente descentralizada;
la carencia de esquemas superimpuestos; el
desconocimiento de la topología de los recur-
sos y sus conexiones; la existencia de enormes
volúmenes de información cubriendo áreas y
dominios diferentes. Este grafo de datos estruc-
turados –ilimitado y distribuido– es conocido
hoy como la Web de los Datos.

Entre las iniciativas de esta nueva Web, pode-
mos mencionar la extracción de información
desde datos Web textuales o semiestructura-
dos [23] y comunidades que comparten cono-
cimiento (e.g., Wikipedia); proyectos como las
Web tables de Google que aspiran a recobrar pe-
queñas bases de datos relacionales de las tablas
HTML [10]; las iniciativas YAGO [22] y DBpedia

[7] para construir bases de conocimiento que
recolecten datos sobre entidades y sus relacio-
nes desde fuentes Web; y desde el mundo de
los datos abiertos y la Web Semántica, la inicia-
tiva que intenta la organización e interconexión
sistemática de datos semánticos estructurados
en la Web, llamada Linked Open Data [9].

Una herramienta esencial para descubrir fuen-
tes de datos, información y conocimiento en
este grafo gigante es la navegación, el procedi-
miento de ir, guiado por un mapa, desde lo co-
nocido a lo desconocido en algún espacio. Por
ejemplo, considere cómo la navegación desde
el nodo Stanley Kubrick en DBpedia hasta el
nodo A Clowckwork Orange nos permite descu-
brir conocimiento adicional tal como los actores
que actuaron en la película.

Este artículo discute cómo realizar navegación
de conocimiento en la Web de los datos y los
desafíos que acarrea para el manejo de los da-
tos. A modo de ilustración, nos concentraremos
en el escenario de Linked Open Data (LOD).

La herramienta tradicional para consultar datos
estructurados es un lenguaje de consultas. Con-
sultar implica acceder a la fuente de datos para
satisfacer una necesidad expresada en algún
lenguaje formal. La topología de la fuente de
los datos está fija a priori. Por otro lado, la na-
vegación consiste en la especificación de partes
de las fuentes de datos que tienen que ser "ex-
ploradas" o descubiertas para encontrar datos
relevantes. Por lo tanto, cuando la topología del
espacio de fuentes de datos a ser consultados
es (desde un punto de vista práctico) ilimitada,
desconocida en su identidad, y dinámica, como
en el caso de la Web de Datos, la navegación se
vuelve necesaria. En el mundo del manejo de
datos, la noción de navegación se volvió popu-
lar con el lenguaje de consultas XQuery, cuya
filosofía subyacente es permitir la especifica-

5

Investigación
Destacada

http://www.ericclapton.com/ http://www.jimihendrix.com/
Eric Patrick Clapton was
born on 30