Crime em São Paulo

Este trabalho foi desenvolvido durante a disciplina de BD2.

Sumário

1 COMPONENTES

Rafael Afonso dos Anjos
Marcos Antonio Carneiro de Paula

2 INTRODUÇÃO E MOTIVAÇAO

Este projeto visa fazer um estudo de análise dos dados criminais da cidade de São Paulo no Brasil, a base de dados escolhida foi retirada do site: https://www.kaggle.com/inquisitivecrow/crime-data-in-brazil, foi escolhida essa base devido à vontade de trabalhar com algo mais próximo do meio em que os componentes do trabalho vivem

3 Fast Imersion Canvas

4 Fast Modelling Canvas

5 Mapa de ETL

6 Análise Exploratória dos dados (Incluindo gráficos)

Análise

7 MODELO CONCEITUAL, LOGICO E FISICO - OLTP

Modelo Conceitual
Modelo Lógico
Modelo Físico

8 MODELO CONCEITUAL, LOGICO E FISICO - OLAP

9 ANÁLISE DE METADADOS, LOGS, ESTATISTICAS, SIZING E INDEXAÇÃO

Inclusão de análise

9.1 APLICAÇAO DE ÍNDICES E TESTES DE PERFORMANCE

a) Lista de índices, tipos de índices com explicação de porque foram implementados nas consultas 
b) Performance esperada VS Resultados obtidos
c) Tabela de resultados comparando velocidades antes e depois da aplicação dos índices (constando velocidade esperada com planejamento, sem indice e com índice Vs velocidade de execucao real com índice e sem índice).
d) Escolher as consultas mais complexas para serem analisadas (consultas com menos de 2 joins não serão aceitas)
e) As imagens do Explain devem ser inclusas no trabalho, bem como explicações sobre os resultados obtidos.
f) Inclusão de tabela mostrando as 10 execuções, excluindo-se o maior e menor tempos para cada consulta e 
obtendo-se a media dos outros valores como resultado médio final.

10 MINERAÇÃO DE DADOS

10.1 Incluir no trabalho os seguintes tópicos:

Explicação/Fundamentação teórica sobre o método, objetivos e restrições! (formato doc/odt ou PDF)
Onde/quando aplicar

Estudar e explicar artigo que aplique o método de mineração de dados/machine learning escolhido

exemplo de uso/aplicação

a) Implementar algoritmo de básico de exemplo obtido na literatura (enviar código executável junto do trabalho com detalhamento de explicação para uso passo a passo)

Referência: http://scikit-learn.org/stable/index.html
Referências adicionais: Scikit learning Map : http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html Machine learning in Python with scikit-learn: https://www.youtube.com/playlist?list=PL5-da3qGB5ICeMbQuqbbCOQWcS6OYBr5A

11 ARTIGO

12 CUBOS E DASHBOARDS

13 APRESENTAÇÃO FINAL

13.1 Backup do Banco de Dados

    Detalhamento do backup.
    a) Tempo
    b) Tamanho
    c) Teste de restauração (backup)
    d) Tempo para restauração
    e) Teste de restauração (script sql)
    f) Tempo para restauração (script sql)

14 FORMATACAO NO GIT: https://help.github.com/articles/basic-writing-and-formatting-syntax/

About Formatting

https://help.github.com/articles/about-writing-and-formatting-on-github/

Basic Formatting in Git

https://help.github.com/articles/basic-writing-and-formatting-syntax/#referencing-issues-and-pull-requests

Working with advanced formatting

https://help.github.com/articles/working-with-advanced-formatting/

Mastering Markdown

https://guides.github.com/features/mastering-markdown/

OBSERVAÇÕES IMPORTANTES

Todos os arquivos que fazem parte do projeto (Imagens, pdfs, arquivos fonte, etc..), devem estar presentes no GIT. Os arquivos do projeto vigente não devem ser armazenados em quaisquer outras plataformas.

Caso existam arquivos com conteúdos sigilosos, comunicar o professor que definirá em conjunto com o grupo a melhor forma de armazenamento do arquivo.

Todos os grupos deverão fazer Fork deste repositório e dar permissões administrativas ao usuário deste GIT, para acompanhamento do trabalho.

Os usuários criados no GIT devem possuir o nome de identificação do aluno (não serão aceitos nomes como Eu123, meuprojeto, pro456, etc). Em caso de dúvida comunicar o professor.

Link para BrModelo:
http://sis4.com/brModelo/brModelo/download.html

Link para curso de GIT

rafaeldanjos / trabalhobd2-olap Goto Github PK

trabalhobd2-olap's Introduction