Minería de datos aplicada a datos masivos

Autores
De Battista, Anabella Cecilia; Cristaldo, Patricia Raquel; Ramos, Lautaro Martín Miguel; Nuñez, Juan Pablo; Retamar, María Soledad; Bouzenard, Daniel; Herrera, Norma Edith
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
Las grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y an'slisis. En este contexto se comienza a hablar del término Big Data, haciendo referencia a características como gran volumen, velocidad y variedad de producción de los datos, y a las herramientas que se utilizan para encontrar valor en las mismas. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en areas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. Otro aspecto de interés en este tipo de análisis, es la aplicación de metodologías de gestión de proyectos de enfoque ágil en los proyectos de minería de datos, en este caso, se aplicarán metodologías específicas con el objetivo de comparar características y restricciones de cada una. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.
Fil: De Battista, Anabella Cecilia. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Cristaldo, Patricia Raquel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Ramos, Lautaro Martín Miguel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Nuñez, Juan Pablo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Retamar, María Soledad. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Bouzenard, Daniel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; Argentina.
Peer Reviewed
Materia
Big Data
Minería de datos
Clustering
Agrupamiento
Gestión de proyectos
CRISPDM
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2016-07-01T20:11:07Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/848
Acceder
id RIAUTN_7d7ef3f21219de0370ac86444de2caf8
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/848
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Minería de datos aplicada a datos masivosDe Battista, Anabella CeciliaCristaldo, Patricia RaquelRamos, Lautaro Martín MiguelNuñez, Juan PabloRetamar, María SoledadBouzenard, DanielHerrera, Norma EdithBig DataMinería de datosClusteringAgrupamientoGestión de proyectosCRISPDMLas grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y an'slisis. En este contexto se comienza a hablar del término Big Data, haciendo referencia a características como gran volumen, velocidad y variedad de producción de los datos, y a las herramientas que se utilizan para encontrar valor en las mismas. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en areas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. Otro aspecto de interés en este tipo de análisis, es la aplicación de metodologías de gestión de proyectos de enfoque ágil en los proyectos de minería de datos, en este caso, se aplicarán metodologías específicas con el objetivo de comparar características y restricciones de cada una. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.Fil: De Battista, Anabella Cecilia. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Cristaldo, Patricia Raquel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Ramos, Lautaro Martín Miguel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Nuñez, Juan Pablo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Retamar, María Soledad. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Bouzenard, Daniel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.Fil: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; Argentina.Peer Reviewed2016-07-01T20:11:07Z2016-07-01T20:11:07Z2016-04-14info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersiondocunento de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfXVII Workshop de Investigadores en Ciencias de la Computación (2016)http://hdl.handle.net/20.500.12272/848spaFanWei and Bifet Albert. Mining big data: Current status, and forecast to the future. SIGKDD Explor. Newsl., 14(2):1–5, apr 2013.Robson Leonardo Ferreira Cordeiro, Christos Faloutsos, and Caetano Traina Junior. Data Mining in Large Sets of Complex Data. SpringerBriefs in Computer Science. Springer-Verlag London, 2013.Larose Daniel T. Discovering Knowledge in Data: An Introduction to Data Mining. Wiley-Interscience, 2004.Tsun Chow and Dac-Buu Cao. A survey study of critical success factors in agile software projects. Journal of Systems and Software, 81(6):961 – 971, 2008. Agile Product Line Engineering.Gabriella Cserhati and Lajos Szabo. The relationship between success criteria and success factors in organisational event projects. International Journal of Project Management, 32(4):613 – 624, 2014info:eu-repo/semantics/openAccess2016-07-01T20:11:07Zhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/De Battista, Anabella C. ; Cristaldo, Patricia Raquel ; Ramos, Lautaro Martín Miguel; Nuñez, Juan Pablo ; Retamar, María Soledad ; Bouzenard, Daniel ; Herrera, Norma Edith.No comercial con fines académicos.Attribution-NonCommercial-NoDerivs 3.0 United Statesreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:39Zoai:ria.utn.edu.ar:20.500.12272/848instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:45:41.499Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Minería de datos aplicada a datos masivos
title Minería de datos aplicada a datos masivos
spellingShingle Minería de datos aplicada a datos masivos
De Battista, Anabella Cecilia
Big Data
Minería de datos
Clustering
Agrupamiento
Gestión de proyectos
CRISPDM
title_short Minería de datos aplicada a datos masivos
title_full Minería de datos aplicada a datos masivos
title_fullStr Minería de datos aplicada a datos masivos
title_full_unstemmed Minería de datos aplicada a datos masivos
title_sort Minería de datos aplicada a datos masivos
dc.creator.none.fl_str_mv De Battista, Anabella Cecilia
Cristaldo, Patricia Raquel
Ramos, Lautaro Martín Miguel
Nuñez, Juan Pablo
Retamar, María Soledad
Bouzenard, Daniel
Herrera, Norma Edith
author De Battista, Anabella Cecilia
author_facet De Battista, Anabella Cecilia
Cristaldo, Patricia Raquel
Ramos, Lautaro Martín Miguel
Nuñez, Juan Pablo
Retamar, María Soledad
Bouzenard, Daniel
Herrera, Norma Edith
author_role author
author2 Cristaldo, Patricia Raquel
Ramos, Lautaro Martín Miguel
Nuñez, Juan Pablo
Retamar, María Soledad
Bouzenard, Daniel
Herrera, Norma Edith
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Big Data
Minería de datos
Clustering
Agrupamiento
Gestión de proyectos
CRISPDM
topic Big Data
Minería de datos
Clustering
Agrupamiento
Gestión de proyectos
CRISPDM
dc.description.none.fl_txt_mv Las grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y an'slisis. En este contexto se comienza a hablar del término Big Data, haciendo referencia a características como gran volumen, velocidad y variedad de producción de los datos, y a las herramientas que se utilizan para encontrar valor en las mismas. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en areas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. Otro aspecto de interés en este tipo de análisis, es la aplicación de metodologías de gestión de proyectos de enfoque ágil en los proyectos de minería de datos, en este caso, se aplicarán metodologías específicas con el objetivo de comparar características y restricciones de cada una. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.
Fil: De Battista, Anabella Cecilia. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Cristaldo, Patricia Raquel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Ramos, Lautaro Martín Miguel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Nuñez, Juan Pablo. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Retamar, María Soledad. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Bouzenard, Daniel. Universidad Tecnológica Nacional. Facultad Regional Concepción del Uruguay. Departamento Ingeniería en Sistemas de Información. Grupo de Investigación en Bases de Datos; Argentina.
Fil: Herrera, Norma Edith. Universidad Nacional de San Luis. Departamento de Informática; Argentina.
Peer Reviewed
description Las grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y an'slisis. En este contexto se comienza a hablar del término Big Data, haciendo referencia a características como gran volumen, velocidad y variedad de producción de los datos, y a las herramientas que se utilizan para encontrar valor en las mismas. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en areas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. Otro aspecto de interés en este tipo de análisis, es la aplicación de metodologías de gestión de proyectos de enfoque ágil en los proyectos de minería de datos, en este caso, se aplicarán metodologías específicas con el objetivo de comparar características y restricciones de cada una. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.
publishDate 2016
dc.date.none.fl_str_mv 2016-07-01T20:11:07Z
2016-07-01T20:11:07Z
2016-04-14
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/acceptedVersion
docunento de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv XVII Workshop de Investigadores en Ciencias de la Computación (2016)
http://hdl.handle.net/20.500.12272/848
identifier_str_mv XVII Workshop de Investigadores en Ciencias de la Computación (2016)
url http://hdl.handle.net/20.500.12272/848
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv FanWei and Bifet Albert. Mining big data: Current status, and forecast to the future. SIGKDD Explor. Newsl., 14(2):1–5, apr 2013.
Robson Leonardo Ferreira Cordeiro, Christos Faloutsos, and Caetano Traina Junior. Data Mining in Large Sets of Complex Data. SpringerBriefs in Computer Science. Springer-Verlag London, 2013.
Larose Daniel T. Discovering Knowledge in Data: An Introduction to Data Mining. Wiley-Interscience, 2004.
Tsun Chow and Dac-Buu Cao. A survey study of critical success factors in agile software projects. Journal of Systems and Software, 81(6):961 – 971, 2008. Agile Product Line Engineering.
Gabriella Cserhati and Lajos Szabo. The relationship between success criteria and success factors in organisational event projects. International Journal of Project Management, 32(4):613 – 624, 2014
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2016-07-01T20:11:07Z
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
De Battista, Anabella C. ; Cristaldo, Patricia Raquel ; Ramos, Lautaro Martín Miguel; Nuñez, Juan Pablo ; Retamar, María Soledad ; Bouzenard, Daniel ; Herrera, Norma Edith.
No comercial con fines académicos.
Attribution-NonCommercial-NoDerivs 3.0 United States
eu_rights_str_mv openAccess
rights_invalid_str_mv 2016-07-01T20:11:07Z
http://creativecommons.org/licenses/by-nc-nd/3.0/us/
De Battista, Anabella C. ; Cristaldo, Patricia Raquel ; Ramos, Lautaro Martín Miguel; Nuñez, Juan Pablo ; Retamar, María Soledad ; Bouzenard, Daniel ; Herrera, Norma Edith.
No comercial con fines académicos.
Attribution-NonCommercial-NoDerivs 3.0 United States
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230906701250560
score 13.265058

Publicaciones similares