TENDENCIAS EN BASES DE DATOS

INTEGRANTES:
 ESNEYDER GALVIZ REYES
 SAMUEL MEJÍA ZAMBRANO
 DAVID MAYORGA ACOSTA

BASES DE DATOS

INSTRUCTOR MIGUEL ÁNGEL DULCEY

SENA

JORNADA NOCHE

ADSO 2671789

2023
 BASES DE DATOS EN LA NUBE
DESARROLLO DE LAS ACTIVIDADES

 PREGUNTA INTRODUCTORIA:
Cual creen es la importancia de mantenerse al día con las tendencias en
tecnología de bases de datos y cómo estas tendencias están transformando
el panorama de la industria.

RTA/ Para nosotros es de vital importancia por los tiempos en los cuales
estamos donde todo se maneja digitalmente, además las nuevas
tecnologías que están llegando están sumamente avanzadas lo cual genera
el progreso de las bases de datos y a su vez tienen un procesamiento de
datos más rápido y eficiente, esto puede ocasionar el mejoramiento de
datos estructurados, no estructurados y en tiempo real.

1. Empezaremos con una investigación EXHAUSTIVA para comprender en

detalle qué son las bases de datos en la nube, su importancia y cómo están
revolucionando la forma en que se almacenan, gestionan y acceden a los
datos. Se espera que exploren una variedad de proveedores de servicios
en la nube, como Amazon Web Services (AWS), Microsoft Azure y Google
Cloud Platform (GCP), entre otros, y analicen cómo estas plataformas
ofrecen soluciones de bases de datos escalables y flexibles para una
variedad de aplicaciones empresariales.

RTA/
¿Qué son las bases de datos en la nube?

Una base de datos en la nube es una base de datos creada para ejecutarse
en un entorno de nube pública o híbrida a fin de ayudar a organizar,
almacenar y administrar datos dentro de una organización.

¿Importancia de la base de datos en la nube?

Con el paso del tiempo todos los tipos de procesos se digitalizan, la

generación de datos y archivos es cada vez más grande y continua. Debido
a que los volúmenes son cada vez más grandes, es importante tener un
lugar seguro y específico donde poder guardar esta cantidad de
información, de vital importancia para las organizaciones. En ese momento
es cuando una base de datos en la nube se convierte en una solución para
las grandes organizaciones.
Tipos de bases de datos en la nube

Existen 2 tipos de bases de datos en la nube:

*Relacionales:
Consisten en una o más tablas de columnas y filas, que te permiten
organizar los datos en relaciones predefinidas para comprender la relación
lógica de los datos que se desean obtener.

*No relacionales:
Almacenan y manejan datos no estructurados.
No siguen un esquema definido claramente, como las bases de datos
relacionales, y te permiten guardar y organizar la información sin importar
su formato.

¿Cómo gestionan y acceden a los datos las bases de datos en la

nube?
El objetivo de este sistema es garantizar que, en el caso de que uno de
estos servidores falle, los usuarios puedan seguir accediendo a los datos,
ya que estos seguirán estando disponibles.

Cuando un usuario quiera recuperar esta información, simplemente deberá

acceder a la base de datos en cuestión a través de una aplicación, página
web o programa informático que habrá instalado previamente. Mediante
estas herramientas el usuario tendrá la posibilidad de recuperar la
información almacenada de un servidor o varios, y descargar los datos.

Proveedores de las bases de datos en la nube

1.Amazon web services:

Amazon Web Services (AWS) es la nube más adoptada y completa en el
mundo, que ofrece más de 200 servicios integrales de centros de datos a
nivel global.
AWS también tiene la funcionalidad más completa dentro de esos servicios.
Por ejemplo, AWS ofrece la más amplia variedad de bases de datos que
están diseñadas especialmente para diferentes tipos de aplicaciones.

2. Microsoft Azure:
Microsoft Azure funciona con una gran selección de sistemas operativos,
lenguajes de programación y herramientas. Todas las tecnologías
necesarias que utilizan la mayoría de desarrolladores y profesionales de TI
alrededor del mundo. Azure proporciona servicios administrados de SQL y
 NoSQL y compatibilidad integrada para realizar análisis y que le ayuden a
extraer la máxima información de sus datos.

3.Google Cloud:
Google Cloud Platform se trata de la suite de infraestructuras y servicios
que Google utiliza a nivel interno y, ahora, disponible para cualquier
empresa.
Básicamente, Google Cloud Platform nos aporta todas las herramientas
necesarias para diseñar, hacer testings y lanzar aplicaciones desde gcloud
con mucha más seguridad y escalabilidad que cualquier otra herramienta

4.Platform (GCP):
Se conoce como GCP (Google Cloud Platform) a la gran variedad de
servicios que ofrece Google en la nube en un solo sitio y que consisten en
facilitar el almacenamiento de datos y el procesamiento de los macro datos.
Provee servicios para montar la infraestructura de TI completamente en la
nube, así como también para desarrollo, inteligencia artificial, analítica,
almacenamiento, bases de datos y seguridad.

5.IBM Clound:
IBM Cloud proporciona soluciones que permiten mayores niveles de
cumplimiento, seguridad y gestión, con patrones de arquitectura probados y
métodos de entrega rápida para ejecutar cargas de trabajo críticas.
IBM Cloud ofrecen una cartera completa de servicios gestionados para
datos y análisis. Al hacer uso de un enfoque híbrido basado en código
abierto, estas soluciones abordan las necesidades de uso intensivo de
datos de los desarrolladores de aplicaciones, los científicos de datos y los
arquitectos de TI.

6.Huawei clound:
Huawei Cloud te ofrece una manera fácil de mantener tus datos personales
seguros. Puedes sincronizar tus fotos, videos, contactos y otros datos en
Huawei Cloud para mantener una copia actualizada de ellos en línea.
Huawei Cloud también permite la copia de seguridad automática de datos
del dispositivo, la expansión y administración del espacio en la nube y otros
servicios.

2. Se debe examinar y documentar al menos 2 casos de uso reales en los que

las empresas hayan adoptado bases de datos en la nube, identificando los
beneficios logrados, los desafíos superados y los aspectos clave de
seguridad y privacidad que deben abordarse.

RTA/
PRIMER CASO:
NETFLIX:
 Netflix obtuvo grandes beneficios ya que es una de las compañías líderes
en contenido, además este adopto una base de datos con nube la cual es
capaz de gestionar y controlar su gran cantidad de datos a pesar de esto
logra ofrecer una experiencia de trasmisión sin interrupciones a sus
usuarios. Con esto crean una flexibilidad y escalabilidad para el manejo del
crecimiento exponencial de la base de sus clientes y el tamaño de datos
generados; los grandes desafíos que ha afrontado fueron complejos tales
como el cambio de sus datos existentes a la nube, por ello tuvieron que
abordar preocupaciones de seguridad y privacidad debido al manejo y
sensibilidad de datos los usuarios para esto generaron acceso controlado
para garantizar la protección de los datos e información suministrada,
además se implementó cifrado de datos con el fin de tener mayor cobertura
y confidencialidad en la información de los usuarios.

SEGUNDO CASO:
AIRBNB: Beneficios logrados: Los beneficios logrados por esta
plataforma de alquiler de alojamiento fueron; lograr gestionar la gran
cantidad de datos generados por sus usuarios y ofrecer una experiencia
personalizada a cada uno de sus clientes. También le permitió escalar
rápidamente y adaptarse a las cambiantes demandas del mercado.
Desafíos superados: Garantizar la seguridad de todos los datos de los
usuarios y cumplir con las regulaciones de privacidad. Adoptaron medidas
de seguridad tales como las políticas de acceso controlado y el cifrado de
datos. Uno de los principales desafíos fue ña integración de datos de las
diferentes fuentes y sistemas heredados en sus bases de datos en la nube.
Aspectos clave de seguridad y privacidad abordados: Implementaron
técnicas de cifrado de datos para así proteger los datos de todos sus
usuarios. Establecieron políticas de acceso controlado y realizaron
auditorias regulares para así poder garantizar el cumplimiento de las
regulaciones de privacidad de los datos.

BASES DE DATOS DISTRIBUIDAS

3. Siguiendo el enfoque anterior, se les encomienda la tarea de profundizar en

este tema, explorando en detalle cómo funcionan las bases de datos que
abarcan múltiples ubicaciones geográficas y servidores interconectados. Se
les anima a investigar ejemplos emblemáticos de sistemas distribuidos,
como Apache Cassandra y Apache Hadoop, con el objetivo de comprender
cómo estas tecnologías permiten una gestión eficiente y escalable de
grandes volúmenes de datos. Además, se espera que los aprendices
documenten y exploren a fondo la arquitectura subyacente de las bases de
datos distribuidas, centrándose en conceptos clave como la fragmentación
de datos para mejorar el rendimiento, la replicación para garantizar la
disponibilidad y la coherencia para mantener la integridad de los datos. Al
presentar sus investigaciones, se les alienta a generar una discusión
animada sobre los desafíos técnicos inherentes a la distribución de datos,
así como las ventajas que esta arquitectura puede brindar en términos de
escalabilidad y tolerancia a fallos.

RTA/
Las funciones de las bases de datos enfocadas de esta manera permiten
almacenar y administrar datos en múltiples ubicaciones geográficas y
servidores interconectados. Ofrecen beneficios como mayor disponibilidad y
escalabilidad, pero también presentan desafíos en términos de
sincronización, rendimiento y seguridad de datos. Sin embargo, con una
planificación y medidas de seguridad adecuadas, las bases de datos
distribuidas pueden ser una solución eficaz para gestionar grandes
cantidades de datos en entornos distribuidos.

Estas tecnologías permiten una gestión y escalabilidad con su gran

volumen de datos en cuanto a Cassandra es una base de datos distribuida
altamente escalable y de alto rendimiento. Está diseñada para manejar
grandes cantidades de datos distribuidos en múltiples servidores,
permitiendo una alta disponibilidad y tolerancia a fallos. Cassandra se utiliza
en aplicaciones donde la escalabilidad horizontal y la baja latencia son
fundamentales, como en empresas de redes sociales y comercio
electrónico, Por otro lado, Hadoop es una plataforma de software de código
abierto que permite almacenar y procesar grandes volúmenes de datos
distribuidos en clústeres de hardware comercial. Hadoop utiliza el modelo
de programación MapReduce para procesar y analizar datos en paralelo, lo
que permite un procesamiento eficiente de grandes conjuntos de datos.
Hadoop se utiliza en aplicaciones de análisis de big data, como análisis de
registros web, análisis de redes sociales y análisis de datos científicos.

En cuanto a la arquitectura de una base de datos distribuida esta manejada

y basada en la fragmentación de datos para mejorar el rendimiento, la
replicación para garantizar la disponibilidad y la coherencia para mantener
la integridad de los datos. Estos conceptos trabajan juntos para crear un
sistema distribuido eficiente y confiable.
Los problemas que presenta la distribución de datos genera desafíos
técnicos, como la latencia y la complejidad de los algoritmos, también
ofrece ventajas en términos de escalabilidad y tolerancia a fallos. Estas
ventajas hacen que la arquitectura distribuida sea una opción atractiva para
empresas que necesitan manejar grandes volúmenes de datos y garantizar
la disponibilidad de información crítica.
 DEBATE Y PRACTICA BIGDATA

BIG DATA Y PROCESAMIENTO DE DATOS

MASIVOS

DESARROLLO DE ACTIVIDAD

1. EXPLORACIÓN DE CASOS DE ESTUDIO:

RTA/

Contexto:

Las bibliotecas son instituciones públicas que proporcionan acceso a la

información y los recursos educativos. Su objetivo es promover el
aprendizaje y la comprensión de la comunidad.

Datos recopilados:

Una biblioteca puede recopilar una variedad de datos sobre sus libros y
usuarios. Algunos datos comunes incluyen:

Título del libro

Autor
Género
Fecha de publicación
Clasificación
Número de visitas
Número de préstamos
Número de devoluciones
Preferencias de lectura de los usuarios
 Propósito del análisis

Los datos recopilados por la biblioteca pueden utilizarse para una

variedad de propósitos, incluyendo:

Recomendar libros a los usuarios

Mejorar la clasificación de los libros
Reducir el robo de libros
Identificar tendencias de lectura
Evaluar el impacto de la biblioteca en la comunidad

Resumen:

Una base de datos de bibliotecas es una herramienta valiosa que puede

ayudar a las bibliotecas a mejorar sus servicios y cumplir con su misión. La
base de datos puede recopilar y almacenar una variedad de datos sobre los
libros y usuarios de la biblioteca. Estos datos pueden utilizarse para una
variedad de propósitos, incluyendo la recomendación de libros, la mejora de
la clasificación de los libros, la reducción del robo de libros, la identificación
de tendencias de lectura y la evaluación del impacto de la biblioteca en la
comunidad.

Documentación:

Manual de usuario: Este manual debe proporcionar instrucciones claras

sobre cómo utilizar la base de datos. Debe incluir información sobre cómo
agregar, editar y eliminar datos, así como cómo realizar consultas y generar
informes.

Guía de datos: Esta guía debe proporcionar información sobre los datos
que se recopilan en la base de datos. Debe incluir información sobre la
fuente de los datos, el formato de los datos y los significados de los datos.
Plan de seguridad: Este plan debe describir las medidas de seguridad que
se tomarán para proteger los datos de la base de datos. Debe incluir
información sobre cómo se almacenarán los datos, cómo se accederá a los
datos y cómo se protegerán los datos de la pérdida o el robo.

2. DEBATE ÉTICO INTERNO:

RTA/
Implicaciones éticas y de privacidad de la base de datos de bibliotecas:
La recopilación y análisis de datos por parte de las bibliotecas plantea una
serie de implicaciones éticas y de privacidad. Es importante considerar
estas implicaciones antes de crear o utilizar una base de datos de
bibliotecas.
 ¿Fue adecuado recopilar y analizar estos datos?

Generalmente, la recopilación y el análisis de datos de las bibliotecas es

suficiente. Las bibliotecas tienen un interés legítimo en recopilar información
sobre sus libros y sus usuarios para mejorar sus servicios. Sin embargo, es
importante que las bibliotecas se aseguren de que la información que
recopilan sea necesaria y relevante. También es importante que las
bibliotecas utilicen la información de forma ética y responsable.

¿Se obtuvo el consentimiento adecuado de los individuos?

El consentimiento es un principio fundamental de la ética de la privacidad.
Las bibliotecas deben obtener el consentimiento de los usuarios antes de
recopilar o utilizar sus datos personales. El consentimiento debe ser libre,
informado y específico. Los usuarios deben ser informados de los datos que
se recopilarán, cómo se utilizarán y cómo se protegerán.
¿Se utilizaron los datos de manera transparente y responsable?
Las bibliotecas deben ser transparentes sobre cómo recopilan, utilizan y
protegen los datos de sus usuarios. Las bibliotecas deben publicar una
política de privacidad que describa sus prácticas de privacidad. La política
de privacidad debe ser clara y fácil de entender.

3. PRESENTACIÓN DE CONCLUSIONES:

En general, el uso de la información bibliotecaria es ético. Las bibliotecas

tienen un interés legítimo en recopilar información sobre sus colecciones y
sus usuarios para mejorar sus servicios. Sin embargo, es importante que
las bibliotecas se aseguren de que la información que recopilan sea
necesaria y relevante. También es importante que las bibliotecas utilicen la
información de forma ética y responsable. Es importante que las bibliotecas
obtengan el consentimiento del usuario antes de recopilar o utilizar
información personal. El mandato debe ser único e independiente,
interesante y conciso. Debes explicar a los usuarios qué datos se recogen,
cómo se utilizan y cómo se protegen. Las bibliotecas deben ser
transparentes sobre la recopilación, el uso y la protección de los datos de
los usuarios. Las bibliotecas deben publicar una política de privacidad que
describa sus prácticas de privacidad. Su política de privacidad debe ser
clara y fácil de entender.
 SUB-ACTIVIDAD: DISEÑO DE ESTRATEGIA DE CAPTURA Y
ALMACENAMIENTO DE BIG DATA

1. CASOS DE ESTUDIO:
Walmart. En 2014, Walmart anunció que cerraría su laboratorio de Big
Data, que había sido creado para desarrollar nuevas aplicaciones para la
cadena de suministro de la empresa. El cierre del laboratorio se debió a que
Walmart no pudo obtener resultados significativos de sus inversiones en Big
Data. La empresa no tuvo una estrategia clara sobre cómo utilizar los datos
de Big Data para mejorar su negocio, lo que resultó en un desperdicio de
recursos.

Netflix. En 2017, Netflix anunció que cerraría su división de realidad virtual,

que había sido creada para desarrollar nuevos contenidos de realidad
virtual para la empresa. El cierre de la división se debió a que Netflix no
pudo encontrar un modelo de negocio viable para la realidad virtual. La
empresa no tuvo una estrategia clara sobre cómo utilizar la realidad virtual
para llegar a nuevos clientes o aumentar las ganancias, lo que resultó en un
fracaso.

2. DEFINICIÓN DEL ESCENARIO:

Compañía de Viajes en Línea: La compañía es una plataforma en línea que
ofrece reservas de vuelos, hoteles y paquetes turísticos. Los estudiantes
deben diseñar una estrategia para capturar y almacenar datos de reservas,
preferencias de los clientes y comportamiento de navegación para mejorar
la personalización de las ofertas y promover una experiencia de usuario
más enriquecedora. (Samuel, Esneyder, David)
Guía de datos:
La guía de datos es un documento que describe los datos que recopilará y
almacenará la compañía de viajes en línea. La guía debe incluir la siguiente
información:

Los datos que se recopilarán: La guía debe enumerar todos los datos que
la compañía recopilará de sus clientes. Estos datos pueden incluir
información de contacto, información de pago, preferencias de viaje y
comportamiento de navegación.
El propósito de la recopilación de datos: La guía debe explicar el
propósito de la recopilación de datos. La compañía debe recopilar datos
para mejorar la personalización de las ofertas y promover una experiencia
de usuario más enriquecedora.
La forma en que se recopilarán los datos: La guía debe describir cómo
se recopilarán los datos de los clientes. La compañía puede recopilar datos
directamente de los clientes, o puede recopilar datos de fuentes de
terceros, como motores de búsqueda y redes sociales.
La forma en que se almacenarán los datos: La guía debe describir cómo
se almacenarán los datos de los clientes. La compañía debe almacenar los
datos de forma segura y confidencial.
La forma en que se utilizarán los datos: La guía debe describir cómo
utilizará la compañía los datos de los clientes. La compañía debe utilizar los
datos para mejorar sus servicios y productos, y para proporcionar una
experiencia de usuario más personalizada.
Documentación:
La compañía de viajes en línea también debe proporcionar documentación
a los clientes que explique cómo se recopilan, almacenan y utilizan sus
datos. Esta documentación debe ser clara y fácil de entender.

¿Fue adecuado analizar y recopilar estos datos?

En general, sí es adecuado que la compañía de viajes en línea recopile y
analice estos datos. La compañía tiene un interés legítimo en recopilar
datos sobre sus clientes para mejorar sus servicios y productos. Sin
embargo, es importante que la compañía tome medidas para mitigar los
riesgos de privacidad asociados con la recopilación y análisis de datos.

Posibles problemas éticos

La compañía de viajes en línea debe tener en cuenta los siguientes
problemas éticos al recopilar y analizar datos sobre sus clientes:
Privacidad: La compañía debe respetar la privacidad de sus clientes. Los
clientes deben ser conscientes de los datos que la compañía recopila sobre
ellos, y deben tener la oportunidad de optar por no participar en la
recopilación de datos.
Seguridad: La compañía debe proteger los datos de sus clientes de la
pérdida, el robo y el acceso no autorizado.
Discriminación: La compañía no debe utilizar los datos de sus clientes
para discriminarlos. La compañía debe utilizar los datos de forma justa y
equitativa.
La compañía de viajes en línea puede tomar medidas para mitigar
estos riesgos éticos, como:
Obtener el consentimiento de los clientes: La compañía debe obtener el
consentimiento de los clientes antes de recopilar o utilizar sus datos
personales. El consentimiento debe ser libre, informado y específico.
Limitar la recopilación de datos: La compañía debe limitar la recopilación
de datos a los datos necesarios para sus propósitos legítimos.
Analizar los datos de forma anónima o seudónima: La compañía puede
analizar los datos de forma anónima o seudónima, lo que significa que los
datos no se pueden identificar con un individuo específico.
Proteger los datos: La compañía debe proteger los datos de sus clientes
utilizando medidas de seguridad adecuadas.
Ser transparente con los clientes: La compañía debe ser transparente
con los clientes sobre cómo recopila, almacena y utiliza sus datos.

INVESTIGACIÓN Y DISEÑO:
Fuentes de Datos Relevantes:
Las fuentes de datos relevantes para una compañía de viajes en línea
incluyen:
Datos de reservas: Estos datos incluyen información sobre los vuelos,
hoteles y paquetes turísticos que los clientes han reservado.
Datos de preferencias de los clientes: Estos datos incluyen información
sobre los destinos favoritos de los clientes, las fechas de viaje preferidas y
las actividades que les gustan.
Datos de comportamiento de navegación: Estos datos incluyen información
sobre las páginas web que los clientes visitan, los enlaces en los que hacen
clic y las búsquedas que realizan.
Tipos de Datos a Capturar:
Los tipos de datos que la compañía de viajes en línea debe capturar
incluyen:
Información de contacto: Esta información incluye el nombre, la dirección de
correo electrónico, el número de teléfono y la dirección del cliente.
Información de pago: Esta información incluye el número de tarjeta de
crédito, la fecha de vencimiento y el código de seguridad de los clientes.
Preferencias de viaje: Esta información incluye el destino, la fecha de viaje,
la duración del viaje y las actividades que los clientes quieren realizar.
Comportamiento de navegación: Esta información incluye las páginas web
que los clientes visitan, los enlaces en los que hacen clic y las búsquedas
que realizan.
Tecnologías de Almacenamiento:
Las tecnologías de almacenamiento que la compañía de viajes en línea
puede utilizar incluyen:
Bases de datos relacionales: Las bases de datos relacionales son una
buena opción para almacenar datos estructurados, como información de
contacto e información de pago.
Bases de datos NoSQL: Las bases de datos NoSQL son una buena opción
para almacenar datos no estructurados, como preferencias de viaje y
comportamiento de navegación.
Almacenamiento en la nube: El almacenamiento en la nube es una buena
opción para almacenar grandes cantidades de datos de forma segura y
escalable.
Métodos de Procesamiento:
Los métodos de procesamiento que la compañía de viajes en línea
puede utilizar incluyen:
Procesamiento ETL: El procesamiento ETL (extracción, transformación y
carga) es un proceso para recopilar datos de diferentes fuentes,
transformarlos en un formato compatible y cargarlos en un sistema de
almacenamiento.
Análisis de datos: El análisis de datos es el proceso de recopilar, organizar,
analizar e interpretar datos para obtener información útil.
Análisis de Datos:
La compañía de viajes en línea puede utilizar análisis de datos para:
Identificar tendencias: La compañía de viajes en línea puede utilizar análisis
de datos para identificar tendencias en los datos de reservas, preferencias
de los clientes y comportamiento de navegación.
Mejorar la personalización: La compañía de viajes en línea puede utilizar
análisis de datos para personalizar las ofertas y promociones a los clientes.
Mejorar la experiencia del usuario: La compañía de viajes en línea puede
utilizar análisis de datos para mejorar la experiencia del usuario en su sitio
web y aplicación.
 INTELIGENCIA ARTIFICIAL

INTRODUCCIÓN:
¿Qué es la inteligencia artificial?
La inteligencia artificial es la base a partir de la cual se imitan los procesos
de inteligencia humana mediante la creación y la aplicación de algoritmos
creados en un entorno dinámico de computación. O bien, dicho de forma
sencilla, la IA consiste en intentar que los ordenadores piensen y actúen
como los humanos
¿Porque y cómo la IA se ha vuelto cada vez más presente en diversas
áreas, desde la atención médica hasta los automóviles autónomos y
las redes sociales?
la inteligencia artificial se va abriendo camino en todos los procesos
empresariales. Además, tiene muchas posibilidades de mejorar los
procesos de producción y de negocios. Tiene aplicaciones para mejorar la
productividad, la seguridad e aumentar la velocidad de los flujos de trabajo.
La tecnología ha creado la posibilidad de potenciar la automatización,
yendo más allá de sustituir a las personas en tareas repetitivas, y realizando
funciones cognitivas.
CONCEPTOS FUNDAMENTALES:
 Machine Learning El machine Learning permite a los ordenadores aprender
sin necesidad de haber sido explícitamente programados para ello. En este
campo ha progresado, especialmente en el Deep Learning, los que han
fabricado o creado la reciente incremento de la IA. El machine Learning
funciona entrenando a los sistemas informáticos a utilizar algoritmos para
detectar patrones en los datos y posteriormente actuar de forma predictiva
¿Qué es Deep Learning?
Deep Learning es un subconjunto de machine Learning, que es
básicamente una red neuronal con tres o más capas. Estas redes
neuronales intentan competir con el comportamiento del cerebro humano,
aunque lejos de igualar su capacidad, pero le permiten aprender a partir de
grandes cantidades de datos.
Deep Learning impulsa muchos servicios y aplicaciones de inteligencia
artificial que mejoran la automatización, realizando tareas analíticas y
físicas sin intervención humana.
 Detección de spam:

El spam, o spam, es un problema generalizado que puede resultar molesto

y costoso para los usuarios. El aprendizaje automático se puede utilizar
para detectar spam analizando el contenido de un correo electrónico. Por
ejemplo, un modelo de aprendizaje automático puede aprender a reconocer
palabras o frases comunes en el spam, como "oferta especial" o "ganar
dinero rápido".

 Traducción automática

La traducción automática es una tecnología que permite traducir texto

automáticamente de un idioma a otro. La traducción de texto utiliza el
procesamiento del lenguaje natural, donde se reconocen palabras y frases
en el idioma de origen y luego se encuentran sus equivalentes en el idioma
de destino.

 Resumiendo:

Los resúmenes son una forma concisa de presentar información importante.

El procesamiento del lenguaje natural se puede utilizar para crear
resúmenes de texto, identificar las ideas principales del texto y luego
presentarlas de forma clara y concisa.

 La Inteligencia artificial aprenden viendo una cosa que se repiten muchas

cosas. Por eso, es necesario una gran cantidad de datos para reforzarla.
Dicha información servirá como ejemplo de lo que tienen que hacer
después o para tomar decisiones parecidas. También aprenden patrones
de datos que no suelen ser evidentes para los humanos.

EJEMPLOS EN LA VIDA COTIDIANA:

El GPS:
El GPS ahora también conoce dónde hemos estado y, posiblemente, dónde
vamos a ir. Ha reconocido nuestras rutas, hábitos entre otras costumbres.
Sabe dirigirnos, pero hemos perdido el anonimato.
Asistentes de voz:
Los nombres como Siri, Cortana, y otros más son comunes en nuestra vida
cotidiana. Llamamos y nos responden desde un altavoz inteligente. Son
asistentes de voz capaces de procesar lenguajes naturales capaces
entender la pregunta hecha y nos producirá música o nos leerá un boletín
meteorológico o cualquier cosa que necesitemos.

Atención al cliente:
Los chatbots son, otro ejemplo que nos brinda la Inteligencia Artificial. Estas
máquinas virtuales simulan ser un humano durante una conversación, por lo
que se han vuelto indispensables en los servicios de atención al cliente.
Pueden mantener varias conversaciones al mismo tiempo y suponen un
gran ahorro en personal.
Servicios de referencia:
Las difíciles y graves limitaciones de espacio para muchas bibliotecas,
especialmente las académicas hacen que tecnologías como CAPM (Acceso
integral al material impreso) permitan acceder a un escáner en tiempo real,
el material impreso a través de una interfaz web y facilitárselo al usuario. El
uso de chatbots ya están mejorando la atención al usuario en muchas
bibliotecas.
El servicio de referencia ayuda a garantizar que los usuarios puedan
encontrar la información que necesitan, incluso si no están familiarizados
con las colecciones de la biblioteca o si tienen dificultades para encontrar la
información por sí mismos igual que mejora de la calidad de los servicios
bibliotecarios, ya que facilita a los usuarios encontrar la información que
necesitan y les proporciona apoyo en la investigación y el aprendizaje.
Gestión de la colección:
AuRoSS es un robot con la habilidad de escanear las estanterías para
determinar qué libros faltan o cuáles están fuera de su sitio. Lo hace
empleando un brazo robótico y un escáner para catalogar las ubicaciones
de los libros. La gestión de la colección ayuda a garantizar que la biblioteca
tenga los materiales que los usuarios necesitan para sus estudios,
investigaciones o simplemente para su entretenimiento. La eficiencia de los
recursos bibliotecarios La gestión de la colección ayuda a utilizar los
recursos bibliotecarios de manera eficiente, evitando la adquisición de
materiales innecesarios u obsoletos. ayuda a garantizar que la biblioteca
tenga los materiales más actualizados.
FUNCIONAMIENTO:
Bing es un motor de búsqueda desarrollado por Microsoft. Funciona de
manera similar a otros motores de búsqueda, como Google, pero utiliza su
propio conjunto de algoritmos y tecnologías.
El funcionamiento básico de Bing se puede dividir en tres etapas:
Indexación: Bing utiliza un conjunto de robots web, conocidos como
rastreadores, para recopilar información de los sitios web de todo el mundo.
Esta información se almacena en un índice, que es una base de datos que
contiene los datos de todos los sitios web indexados.
Petición: Cuando un usuario realiza una búsqueda en Bing, el motor de
búsqueda utiliza su índice para encontrar los sitios web que son relevantes
para la consulta.
Resultados: Bing devuelve una lista de resultados de búsqueda, que se
clasifican según su relevancia. Los resultados de búsqueda pueden incluir
páginas web, imágenes, vídeos, noticias y otros tipos de contenido.
Además de estas tres etapas básicas, Bing utiliza una serie de
tecnologías y algoritmos para mejorar la calidad de los resultados de
búsqueda. Estas tecnologías incluyen:
Inteligencia artificial: Bing utiliza la inteligencia artificial para comprender
el significado de las consultas de los usuarios y para generar resultados
más relevantes.
Personalización: Bing utiliza la información de los usuarios, como su
ubicación y sus intereses, para personalizar los resultados de búsqueda.
Aprendizaje automático: Bing utiliza el aprendizaje automático para
mejorar constantemente su algoritmo de búsqueda.
Ventajas de Bing:
Resultados de búsqueda relevantes: Bing utiliza un conjunto de
tecnologías y algoritmos para mejorar la relevancia de sus resultados de
búsqueda.
Personalización: Bing permite a los usuarios personalizar sus resultados
de búsqueda para que sean más relevantes para sus intereses.
Innovación: Bing está constantemente innovando para mejorar la calidad
de sus resultados de búsqueda.
 INTELIGENCIA ARTIFICIAL Y BASES DE DATOS

PASO 1: INVESTIGACIÓN DE REQUISITOS DE DATOS:

Los requisitos específicos de datos necesarios para una base de datos
espaciales en exploración interplanetaria con IA dependen del tipo de
información que se quiera almacenar y analizar.
Datos geológicos: Información sobre la composición, estructura y evolución
de los planetas y lunas. Datos atmosféricos: Información sobre la
composición, la estructura y la dinámica de las atmósferas de los planetas y
lunas. Esto incluye datos sobre imágenes, espectros, datos meteorológicos,
datos de gravedad y datos de campo magnético. Además de estos
requisitos generales, también se pueden necesitar datos específicos para
determinados tipos de análisis.

¿Qué tipos de elementos deben ser recomendados?

Los tipos de elementos que deben ser recomendados para una base de
datos espaciales en exploración interplanetaria con IA dependen del tipo de
análisis que se quiera realizar. Por ejemplo, para analizar la habitabilidad de
un planeta, se necesitarían datos sobre la composición de la atmósfera, la
temperatura y la presencia de agua. Por ejemplo, para buscar vida en otros
mundos, se necesitarían datos sobre la presencia de agua, moléculas
orgánicas y signos de actividad biológica.

¿Cuáles son los atributos relevantes de cada elemento?

Los atributos relevantes de cada elemento en una base de datos espaciales
en exploración interplanetaria con IA son aquellos que proporcionan
información sobre el elemento y que son útiles para los científicos. Además
de estos atributos generales, también se pueden necesitar atributos
específicos para determinados tipos de elementos.

¿Qué datos históricos o de usuarios son relevantes para la

recomendación?
Los datos históricos o de usuarios relevantes para la recomendación son
aquellos que pueden ayudar a un sistema de recomendación a predecir qué
elementos serán más relevantes para un usuario dado. Además de estos
datos generales, también se pueden necesitar datos específicos para
determinados tipos de sistemas de recomendación. Por ejemplo, para un
sistema de recomendación de productos, se podrían incluir datos sobre las
compras que un usuario ha realizado en el pasado.
 PASO 2: DISEÑO DE LA BASE DE DATOS:
Identifica las tablas necesarias:
 MISIONES_ESPACIALES
 PLANETAS_LUNAS
 DATOS_GEOLOGICOS
 DATOS_ATMOSFERICOS
 COMPONENTES
 INSTRUMENTOS
 DATOS_RECOPILADOS
 IMÁGENES_Y_VIDEOS_CAPTURADOS
 INCIDENTES
 COSTOS
 SONDAS_ESPACIALES
Define los atributos de cada tabla:

Tabla: misiones_espaciales:
Almacena información sobre misiones espaciales, como su nombre, tipo,
país de origen, agencia espacial, fechas de lanzamiento y llegada, destino,
características, objetivos y resultados.
La clave primaria es "identificador".

Tabla: planetas_lunas:
Almacena información sobre planetas y lunas, como su nombre,
coordenadas espaciales, tamaño y masa, composición atmosférica y
gravedad superficial.
La clave primaria es "id".
No tiene relaciones

Tabla: datos_geologicos:
Almacena datos geológicos relacionados con planetas y lunas, incluyendo
el tipo de formación geológica, descripción, edad geológica e
imágenes/mapas geológicos.
La clave primaria es "id".
Tiene una relación con la tabla "planetas_lunas" a través de
"id_planeta_luna".

Tabla: datos_atmosfericos:
Almacena datos atmosféricos relacionados con planetas y lunas, incluyendo
temperatura atmosférica, composición química, patrones climáticos y datos
meteorológicos.
La clave primaria es "id".
Tiene una relación con la tabla "planetas_lunas" a través de
"id_planeta_luna".

Tabla: componentes:
Almacena información sobre componentes utilizados en misiones
espaciales, como su nombre, tipo, función y especificaciones.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: instrumentos:
Almacena información sobre instrumentos utilizados en misiones
espaciales, incluyendo nombre, tipo, función y especificaciones.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: datos_recopilados:
Almacena datos recopilados durante misiones espaciales, como fecha, tipo,
descripción y formato.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: imágenes_y_videos_capturados:
Almacena imágenes y videos capturados durante misiones espaciales,
incluyendo fecha, descripción y formato.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: incidentes:
Almacena información sobre incidentes relacionados con misiones
espaciales, como fecha, descripción e impacto.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: costos:
Almacena información sobre los costos asociados con misiones espaciales,
incluyendo fecha, descripción y monto.
La clave primaria es "identificador".
Tiene una relación con la tabla "misiones_espaciales" a través de
"mision_id".

Tabla: sondas_espaciales:
Almacena información sobre sondas espaciales, incluyendo nombre, fechas
de lanzamiento y aterrizaje, destino, datos recopilados y estado de la
sonda.
La clave primaria es "id".
Tiene una relación con la tabla "planetas_lunas" a través de
"id_planeta_luna_destino".

Establece relaciones entre las tablas:

Tabla misiones_espaciales:
No tiene relaciones directas con otras tablas, pero se utiliza como tabla
principal para almacenar información sobre las misiones espaciales.
Tabla planetas_lunas:
La tabla planetas_lunas se relaciona con la tabla datos_geologicos a través
de la clave externa id_planeta_luna.
La tabla planetas_lunas se relaciona con la tabla datos_atmosfericos a
través de la clave externa id_planeta_luna.
La tabla planetas_lunas se relaciona con la tabla sondas_espaciales a
través de la clave externa id_planeta_luna_destino.

Tabla datos_geologicos:
La tabla datos_geologicos se relaciona con la tabla planetas_lunas a través
de la clave externa id_planeta_luna.
Tabla datos_atmosfericos:
La tabla datos_atmosfericos se relaciona con la tabla planetas_lunas a
través de la clave externa id_planeta_luna.
Tabla sondas_espaciales:
La tabla sondas_espaciales se relaciona con la tabla planetas_lunas a
través de la clave externa id_planeta_luna_destino.
Tabla componentes:
La tabla componentes se relaciona con la tabla misiones_espaciales a
través de la clave externa mision_id.
Tabla instrumentos:
La tabla instrumentos se relaciona con la tabla misiones_espaciales a
través de la clave externa mision_id.
Tabla datos_recopilados:
La tabla datos_recopilados se relaciona con la tabla misiones_espaciales a
través de la clave externa mision_id.
Tabla imágenes_y_videos_capturados:
La tabla imágenes_y_videos_capturados se relaciona con la tabla
misiones_espaciales a través de la clave externa mision_id.
Tabla incidentes:
La tabla incidente se relaciona con la tabla misiones_espaciales a través de
la clave externa mision_id.
 Tabla costos:
La tabla costos se relaciona con la tabla misiones_espaciales a través de la
clave externa mision_id.

PASO 3: NORMALIZACIÓN Y ESTRUCTURA:

create database espacio
CHARACTER SET utf8mb4
COLLATE utf8mb4_unicode_ci;

use espacio;

CREATE TABLE misiones_espaciales (

identificador INT NOT NULL PRIMARY KEY,
nombre VARCHAR(255) NOT NULL,
tipo VARCHAR(255) NOT NULL,
país_de_origen VARCHAR(255) NOT NULL,
agencia_espacial VARCHAR(255) NOT NULL,
fecha_de_lanzamiento DATE NOT NULL,
fecha_de_llegada DATE,
destino VARCHAR(255),
características VARCHAR(255),
objetivos VARCHAR(255),
resultados VARCHAR(255)
);

CREATE TABLE planetas_lunas (

id INT NOT NULL PRIMARY KEY,
nombre VARCHAR(255) NOT NULL,
coordenadas_espaciales VARCHAR(255),
tamanio_y_masa VARCHAR(255),
composicion_atmosferica VARCHAR(255),
gravedad_superficial VARCHAR(255)
);

CREATE TABLE datos_geologicos (

id INT NOT NULL PRIMARY KEY,
id_planeta_luna INT,
tipo_formacion_geologica VARCHAR(255),
descripcion_formacion VARCHAR(255),
edad_geologica VARCHAR(255),
imagenes_mapas_geologicos VARCHAR(255),
 FOREIGN KEY (id_planeta_luna) REFERENCES planetas_lunas (id)
);

CREATE TABLE datos_atmosfericos (

id INT NOT NULL PRIMARY KEY,
id_planeta_luna INT,
temperatura_atmosferica VARCHAR(255),
composicion_quimica VARCHAR(255),
patrones_climaticos VARCHAR(255),
datos_meteorologicos VARCHAR(255),
FOREIGN KEY (id_planeta_luna) REFERENCES planetas_lunas (id)
);

CREATE TABLE componentes (

identificador INT NOT NULL PRIMARY KEY,
nombre VARCHAR(255) NOT NULL,
tipo VARCHAR(255) NOT NULL,
función VARCHAR(255) NOT NULL,
especificaciones VARCHAR(255),
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE instrumentos (

identificador INT NOT NULL PRIMARY KEY,
nombre VARCHAR(255) NOT NULL,
tipo VARCHAR(255) NOT NULL,
función VARCHAR(255) NOT NULL,
especificaciones VARCHAR(255),
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE datos_recopilados (

identificador INT NOT NULL PRIMARY KEY,
fecha DATE NOT NULL,
tipo VARCHAR(255) NOT NULL,
descripción VARCHAR(255),
formato VARCHAR(255),
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE imágenes_y_videos_capturados (

identificador INT NOT NULL PRIMARY KEY,
 fecha DATE NOT NULL,
descripción VARCHAR(255),
formato VARCHAR(255),
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE incidentes (

identificador INT NOT NULL PRIMARY KEY ,
fecha DATE NOT NULL,
descripción VARCHAR(255),
impacto VARCHAR(255),
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE costos (

identificador INT NOT NULL PRIMARY KEY,
fecha DATE NOT NULL,
descripción VARCHAR(255),
monto INT NOT NULL,
mision_id INT NOT NULL,
FOREIGN KEY (mision_id) REFERENCES misiones_espaciales (identificador)
);

CREATE TABLE sondas_espaciales (

id INT NOT NULL PRIMARY KEY,
nombre VARCHAR(255) NOT NULL,
fecha_lanzamiento DATE,
fecha_aterrizaje DATE,
id_planeta_luna_destino INT,
datos_recopilados VARCHAR(255),
estado_sonda VARCHAR(255),
FOREIGN KEY (id_planeta_luna_destino) REFERENCES planetas_lunas (id)
);

PASO 4: VISUALIZACIÓN DEL DISEÑO:

PASO 5: EXPLICACIÓN DEL DISEÑO:
EXPLICA CÓMO LAS TABLAS, ATRIBUTOS Y RELACIONES
CAPTURAN LOS DATOS NECESARIOS PARA LA APLICACIÓN DE IA Y
SU FUNCIONALIDAD DE RECOMENDACIÓN.
Tabla misiones_espaciales:
Los atributos como nombre, tipo, objetivos y resultados proporcionan
información detallada sobre las misiones espaciales, incluyendo su
propósito y logros.
Las relaciones con otras tablas permiten rastrear los componentes
utilizados en cada misión, los instrumentos científicos desplegados y los
datos recopilados durante la misión.

Tabla componentes:
Los atributos como nombre, tipo y función describen los componentes de
las misiones espaciales, como sondas, rovers o satélites.
La relación con la tabla misiones_espaciales indica qué componentes
pertenecen a cada misión, lo que es esencial para evaluar el impacto de los
componentes en el rendimiento de la misión.

Tabla instrumentos:
Los atributos como nombre, tipo y función proporcionan información sobre
los instrumentos científicos utilizados en las misiones.
La relación con la tabla misiones_espaciales permite rastrear qué
instrumentos se utilizaron en cada misión y, por lo tanto, qué tipos de datos
científicos se recopilaron.

Tabla datos_recopilados:
Los atributos como fecha, tipo y descripción almacenan información sobre
los datos recopilados durante las misiones, como observaciones
atmosféricas, datos geológicos o imágenes.
La relación con la tabla misiones_espaciales vincula cada conjunto de datos
recopilados con la misión correspondiente, lo que permite analizar qué
datos se recopilaron en cada misión.
Tabla planetas_lunas:
Los atributos como nombre, tamaño_y_masa, composición_atmosférica y
gravedad_superficial almacenan información sobre los destinos explorados,
como planetas y lunas.
Las relaciones con las tablas datos_geológicos y datos_atmosféricos
permiten relacionar datos específicos sobre cada destino.

Tabla datos_geológicos:
Los atributos como tipo_formacion_geológica, descripcion_formacion y
edad_geologica capturan datos geológicos importantes sobre los destinos
explorados.
La relación con la tabla planetas_lunas vincula los datos geológicos con el
destino correspondiente.

Tabla datos_atmosfericos:
Los atributos como temperatura_atmosférica, composición_quimica y
patrones_climaticos almacenan información sobre la atmósfera de los
destinos.
La relación con la tabla planetas_lunas relaciona los datos atmosféricos con
el destino correspondiente.

Tabla costos:
Los atributos como fecha, monto y descripción registran los costos
asociados con cada misión.
La relación con la tabla misiones_espaciales permite rastrear los costos de
cada misión en particular.

Tabla sondas_espaciales:
Los atributos como nombre, fecha_lanzamiento, fecha_aterrizaje y
estado_sonda contienen información sobre las sondas espaciales enviadas
a destinos específicos.
La relación con la tabla planetas_lunas indica el destino de
cada sonda espacial.
DESTACA CÓMO EL DISEÑO DE LA BASE DE DATOS RESPALDA LA
MEJORA DEL RENDIMIENTO DE LA IA AL PROPORCIONAR DATOS
RELEVANTES Y PRECISOS:
El diseño de la base de datos propuesto respalda la mejora del rendimiento
de la IA al proporcionar datos relevantes y precisos de manera
estructurada. Aquí se destacan cómo los elementos del diseño de la base
de datos contribuyen a este respaldo:

Datos Históricos de Misiones Espaciales:

La tabla misiones_espaciales almacena información detallada sobre
misiones espaciales anteriores, lo que permite a la IA aprender de
experiencias pasadas. Esto permite a la IA identificar patrones de éxito y
fracaso en función de diferentes atributos, como el tipo de misión, el
destino, la agencia espacial y la fecha de lanzamiento.

Datos de Componentes e Instrumentos:

La información sobre componentes e instrumentos en las tablas
componentes e instrumentos proporciona a la IA detalles sobre las
herramientas utilizadas en misiones anteriores. La IA puede evaluar cómo
diferentes componentes e instrumentos afectaron el rendimiento de las
misiones y sugerir las mejores opciones para misiones futuras.

Datos Científicos Recopilados:

Los datos científicos recopilados en la tabla datos_recopilados representan
el valor central de muchas misiones espaciales. La IA puede analizar estos
datos para identificar descubrimientos científicos clave y correlaciones que
pueden guiar la selección de objetivos y experimentos en futuras misiones.

Datos de Destinos Espaciales:

La información sobre planetas y lunas en la tabla planetas_lunas permite a
la IA comprender las características y condiciones de diferentes destinos.
Esto es fundamental para recomendar misiones adecuadas para estudiar
específicos destinos en el espacio.

Datos Geológicos y Atmosféricos de Destinos:

Los datos geológicos y atmosféricos en las tablas datos_geologicos y
datos_atmosfericos proporcionan detalles esenciales sobre los destinos
explorados. La IA puede utilizar estos datos para evaluar la idoneidad de un
destino para estudios geológicos, climáticos u otros.

Datos de Costos y Financiamiento:

La información sobre costos en la tabla costos permite a la IA evaluar la
eficiencia de las misiones en función de los recursos financieros utilizados.
Esto puede ayudar a recomendar misiones con presupuestos similares o a
optimizar el uso de recursos en futuras misiones.

Datos de Sondas Espaciales:

Los datos sobre sondas espaciales en la tabla sondas_espaciales permiten
a la IA rastrear el rendimiento de las sondas en diferentes destinos. La IA
puede utilizar esta información para sugerir sondas adecuadas para
misiones específicas.

Datos Temporales y de Secuencia:

Los datos temporales y de secuencia registrados en varias tablas permiten
a la IA comprender el cronograma y la secuencia de actividades en las
misiones. Esto es fundamental para la planificación de misiones futuras y la
gestión del tiempo.

Metadatos de Relaciones y Conexiones:

Los metadatos que establecen relaciones entre los datos, como la
asociación de componentes, instrumentos y datos recopilados con misiones
específicas, son esenciales para la IA. Esto permite a la IA rastrear cómo
diferentes elementos contribuyen al éxito de una misión y cómo pueden
combinarse de manera efectiva.
REQUISITOS DE DATOS NECESARIOS PARA SU ESCENARIO DE
APLICACIÓN DE IA:

Datos de Misiones Espaciales Anteriores:

Información detallada sobre misiones espaciales previas, incluyendo
nombres, tipos, objetivos, resultados y fechas.
Datos sobre las agencias espaciales y países de origen de las misiones.
Historial de lanzamientos y llegadas a destinos.
Datos de Componentes y Instrumentos:
Detalles sobre los componentes utilizados en misiones anteriores,
incluyendo nombres, tipos, funciones y especificaciones técnicas.
Información sobre los instrumentos científicos utilizados en las misiones,
sus características y capacidades.

Datos Científicos Recopilados:

Conjuntos de datos científicos recopilados durante las misiones, incluyendo
datos geológicos, atmosféricos, imágenes y otros tipos de observaciones.
Metadatos que describan la naturaleza y el formato de los datos científicos.

Datos de Destinos Espaciales:

Información detallada sobre planetas, lunas y otros destinos explorados,
incluyendo nombres, coordenadas espaciales, tamaños, masas,
composiciones atmosféricas y gravedad superficial.

Datos Geológicos y Atmosféricos de Destinos:

Datos específicos sobre la geología y la atmósfera de los destinos, como
formaciones geológicas, descripciones, edades geológicas, composiciones
químicas y patrones climáticos.

Datos de Costos y Financiamiento:

Registros de costos asociados con las misiones espaciales, incluyendo
fechas, descripciones y montos.
Información sobre el financiamiento y los presupuestos asignados a las
misiones.

Datos de Sondas Espaciales:

Información sobre sondas espaciales utilizadas en las misiones, incluyendo
nombres, fechas de lanzamiento y aterrizaje, y estados actuales de las
sondas.
Datos de Incidentes y Problemas:
Registros de incidentes y problemas que ocurrieron durante las misiones,
incluyendo fechas, descripciones y el impacto en la misión.

Datos Temporales y de Secuencia:

Fechas y marcas de tiempo para todas las actividades y eventos
relacionados con las misiones.
Secuencia de actividades realizadas durante cada misión.

Metadatos de Relaciones y Conexiones:

Información que establece relaciones entre los datos, como qué
componentes se utilizaron en qué misiones, qué instrumentos científicos se
desplegaron en qué misiones y qué datos científicos se recopilaron en qué
misiones.

Datos de Evaluación de Misiones:

Resultados de evaluaciones y análisis posteriores a las misiones,
incluyendo conclusiones, logros científicos y lecciones aprendidas.

Datos de Contexto Adicional:

Información contextual que podría ser relevante, como datos
meteorológicos espaciales, cambios en el entorno espacial, y eventos
astronómicos importantes.
 ACTIVIDAD 2:
CAPTURA DE DATOS Y RELACIONES

ACTIVIDAD 3:
PRESENTACIÓN DEL DISEÑO:

ACTIVIDAD 4:
RELACIÓN CON LA MEJORA DEL RENDIMIENTO DE LA IA