APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS"

Transcripción

1 APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS Héctor F Gómez A *, Susana A Arias T **, Yuliana C Jiménez *** Universidad Técnica Particular de Loja RESUMEN: Este artículo presenta la aplicación del algoritmo GSP_M [12] para clasificar las preferencias de los usuarios en base a los accesos que realizan sobre un ambiente web, con el propósito de identificar los patrones que permitan determinar el tipo de usuario que está accediendo al ambiente, de acuerdo a las coincidencias entre las individualidades de los mismos. Tres temas generales fueron escogidos para ser clasificados: Empresas, Informática y Matemática. Para el entrenamiento fueron tomados en cuenta 50 usuarios por cada temática y 77 usuarios para el test. Para evaluar los resultados del GSP_M, se aplicó los algoritmos C4.5 y Part sobre el mismo conjunto de datos. Los tres algoritmos presentaron sus resultados y se realizaron comparaciones acerca de su eficiencia en la clasificación. Palabras Clave: Patrones secuenciales, comportamiento, minería de datos, modelos de usuarios. 1. INTRODUCCION Se denomina minería de datos educativa (educational data mining, EDM) a la aplicación de técnicas de minería de datos sobre información generada en los entornos educativos [1], cuyo objetivo es mejorar el aprendizaje de los estudiantes y configurar de mejor manera la metodología con la que ellos aprenden. Así los datos de partida pueden ser tomados de entornos interactivos de aprendizaje, escuelas o etc. Las principales aplicaciones de las técnicas de minería de datos en educación son: en sistemas de personalización [2], sistemas recomendadores [3], sistemas de modificación [4], sistemas de detección de irregularidades [5], etc ya que ofrecen capacidades para [6] : el descubrimiento de patrones de navegación regulares e irregulares, realización de clasificadores de usuarios y de los contenidos, construcción adaptativa de planes de enseñanza, descubrimiento de relaciones entre actividades, 1

2 diagnóstico incremental de los estudiantes, etc. Según Romero [7] et all Cristóbal, en educación la aplicación de la minería de datos puede tener dos puntos de vista: Orientada hacia los autores, con el fin de obtener datos que sirvan para realimentar la enseñanza, establecer métodos para conocer cómo los estudiantes aprenden usando internet, determinar los patrones de navegación de los estudiantes, determinar técnicas para reestructurar los contenidos del sitio web, clasificar a los estudiantes en grupos, etc. Orientado hacia los estudiantes: Para realizar recomendaciones a los usuarios durante su interacción con los sistemas virtuales de aprendizaje. En esta investigación se presentarán las aplicaciones de los algoritmos de minería de datos con el fin de clasificar a los usuarios que acceden a un entorno educativo, lo que puede ser aprovechado para el diseño de un entorno de aprendizaje para personalizar el acceso al mismo. 2. IDENTIFICACIÓN DE PATRONES SECUENCIALES Los accesos a un sitio web o a un entorno educativo son almacenados en un servidor que contiene en orden cronológico las transacciones indicando la URL que fue requerida, el navegador usado, los accesos requeridos, etc. Los servidores web contienen: El nombre de dominio (o dirección IP) de la máquina desde donde se hace el acceso, el nombre de usuario o quien genera el requerimiento, la fecha y la hora en que sucedió el requerimiento, el método aplicado al requerimiento (GET o POST), el nombre del archivo requerido, el resultado del requerimiento (accedido, falla, error, etc.), el tamaño de los datos enviados, la URL a la cual hace referencia la página, la identificación del agente usuario, y las páginas de información o propaganda. Las entradas al archivo log se crean automáticamente cada vez que un usuario busca los recursos en la web. Estas entradas deben ser formateadas con el fin de que produzcan un resultado interpretable y adecuado al caso de estudio [8]. Aplicando las técnicas de identificación de patrones sobre los archivos logs se pueden descubrir los patrones de navegación o deducir hipótesis que pueden ser usados por aplicaciones web con el fin de concebir la idea del verdadero uso de la web. Así se pueden concebir usos de la minería de datos con el fin de desarrollar personalizaciones a las páginas, establecer mejoras en los tiempos de respuestas de los servidores, desarrollar una estructura adecuada de un sitio web, etc. Algunas herramientas ya han sido desarrolladas para el efecto como por ejemplo: WebSIFT [9] y WebLogMiner [10] que se han constituido en herramientas que permitan descubrir una variedad de patrones a partir de los archivos logs. El objetivo entonces consiste en aplicar la minería de datos de patrones secuenciales y algoritmos clasificadores 2

3 con el fin de encontrar patrones de navegación para determinar el tipo de usuario que accede al sistema. Para este objetivo se analizarán las páginas web en las que el usuario interactuó para responder a preguntas clave del sistema. Estas páginas son agrupadas para luego descubrir si existe algún patrón en las mismas, lo que permitirá posteriormente construir un sitio web adaptativo automático, que pueda utilizar información acerca de los patrones de navegación de los visitantes que lo han accedido, para adaptar dinámicamente su organización y presentación a medida que un visitante navega por el mismo. Algunas de las técnicas utilizadas más comúnmente para el descubrimiento de patrones de navegación son: análisis estadísticos, descubrimiento de reglas de asociación, descubrimiento de patrones secuenciales y clustering. La técnica de descubrimiento de patrones secuenciales permite encontrar patrones dentro de las sesiones de usuario, en los cuales la presencia de un conjunto de páginas es seguida por otra página. Esta técnica permite descubrir relaciones entre las preferencias de los usuarios, como por ejemplo usuarios que acceden previamente a páginas acerca de libros de tecnología en Internet luego acceden a la página que contiene definiciones de términos de Internet. El descubrimiento de patrones secuenciales permite también predecir la conducta de los visitantes dentro de los sitios web. Esto puede utilizarse para diseñar campañas publicitarias y otras estrategias de marketing en forma eficiente. 3. DESCUBRIMIENTO DE PATRONES DE NAVEGACIÓN La técnica usada para el descubrimiento de patrones de navegación es la aplicación de la Identificación de Patrones Secuenciales en el proceso de navegación. En particular, para la generación de sitios web adaptativos automáticos se necesita clasificar a los visitantes en diferentes grupos o perfiles según sus patrones de navegación. La técnica de identificación de patrones secuenciales por medio de GSP_M [12] (Generalized Sequential Patterns + memoria) obtenidos a partir del archivo de registro de accesos al servidor web, permite descubrir patrones o grupos de sesiones de usuario similares. De esta forma, los patrones de sesiones representan conductas o patrones de navegación similares dentro del sitio. Intuitivamente, usuarios con una conducta similar dentro de un sitio web poseen intereses similares al acceder al mismo. Entonces, los patrones obtenidos sugieren los distintos perfiles de usuario que navegan a través del sitio. Por esta razón, la técnica de identificación de patrones secuenciales es la elegida para realizar el descubrimiento de patrones de navegación que permitan lograr la adaptabilidad de un sitio web. 3

4 4. APLICACIÓN DEL ALGORITMO GSP_M Para aplicar los módulos sobre un conjunto de datos, es necesario formatear los datos en función del requerimiento que acepta el algoritmo GSP_M, en base a: Sea I = {i 1,i 2,,i n } el conjunto de todos los estados. Un itemset es un conjunto no vacío de estados. Una secuencia es una lista ordenada de itemset. Una secuencia se describe como <s 1,s 2, s l > en donde s j es un itemset, por ejemplo s j I cuando 1 j l. A s j se lo conoce también con el nombre de elemento de la secuencia y puede ser descrita como (x 1,x 2 x m ), en donde x k Є I para 1 k m. Se conoce como longitud de la secuencia al número de itemsets que pertenecen a dicha secuencia. Una secuencia de longitud l se la conoce con el nombre de l-secuencia. Según Srikant et all [2] una secuencia a = <a 1,a 2,,a n > es sub-secuencia de una secuencia b = <b 1,b 2,,b m > y b una super-secuencia de a, descrita como a b, si existen enteros tal que 1 j 1 < j 2 < j n m, en donde cada a 1 b j1, a 2 b j2,, a n b jn [12]. En ese sentido, cada estado es la acción que ha desarrollado el usuario en cada página web, por lo que un ítemset es igual a la página web accedida. Una secuencia es una colección de páginas web accedidas durante un tiempo determinado, s = <p 1,p 2,p 3, p 4,..p n > = s = <s 1,s 2, s l >. Las páginas accedidas fueron clasificadas bajo tres dominios: Empresas, Matemática, Informática [13], sobre los cuales los usuarios fueron realizando consultas sobre 1180 temáticas, a las cuales se los clasificó como accesos de tipo {poco, medio, alto}, que significan que los usuarios buscaron poca información de los temas, mediana información y mucha información de los mismos. En la Figura 1, se puede observar dicha apreciación: página {poco, medio, alto} menú {poco, medio, alto} introduccion {poco, medio, alto} economia {poco, medio, alto} microeconomia {poco, medio, alto} revisión {poco, medio, alto} economía {poco, medio, alto} felix {poco, medio, alto} lobo {poco, medio, alto} aleu {poco, medio, alto} elección {poco, medio, alto} diplomatura {poco, medio, alto} estadística {poco, medio, alto} gestión {poco, medio, alto} administración {poco, medio, alto} pública {poco, medio, alto} laborales {poco, medio, alto} plan {poco, medio, alto} ingeniería {poco, medio, alto} telecomunicación {poco, medio, alto} dirección {poco, medio, alto} técnicas {poco, medio, alto} estadísticas {poco, medio, alto} humanidades {poco, medio, alto} licenciatura {poco, medio, alto} derecho {poco, medio, alto} discutir {poco, medio, alto}.. Figura 1. Temáticas de acceso por cada uno de los usuarios Las temáticas de la Figura 1, fueron accedidas por los usuarios y luego clasificadas en dependencia de la temática global para cada uno de ellos. 4

5 En la Figura 2, se puede observar esta clasificación: poco, poco, poco, Empresas poco, poco, medio.informática poco,, medio Matemática Figura 2. Clasificación de las temáticas accedidas a temas generales En la Figura 2 se puede afirmar que el usuario que estaba buscando información sobre la temática general Empresas, tuvo pocos accesos a páginas, menús e introducciones. El usuario que buscaba información sobre informática, tuvo accesos medios a las introducciones, y el usuario que buscaba matemática tuvo accesos medios a imágenes, que es el último atributo en análisis para cada temática en particular. 5. EXPERIMENTACIÓN El conjunto de datos de entrenamiento estuvo provisto de la siguiente clasificación: Empresas 50 Informática 50 Matemática 50 Tabla 1. Datos para entrenamiento Tabla 1 Sobre los datos de la Tabla 1, se aplicaron los algoritmos PART [14], GSP_M [12] y C4.5 [15], cuyos resultados son los siguientes: Tabla 2 Empresas Informática Matemática PART GSP_M C Tabla 2. Resultados de la entrenamiento El número de usuarios para el test se presenta en la Tabla 3: Tabla 3 Empresas 16 Informática 46 Matemática 17 Tabla 3. Usuarios clasificados por temática general Sobre el conjunto de datos de la Tabla 3 se aplicaron los algoritmos PART [14], GSP_M [12] y C4.5 [15] cuyos resultados son los siguientes: Tabla 4 Empresas Informática Matemática PART GSP_M C Tabla 4. Resultados de la aplicación de los algoritmos CONCLUSIONES Se puede afirmar que el algoritmo GSP_M en base a la distribución de las secuencias de ingreso, respeta la repetición de consultas sobre una sola temática, es decir hay usuarios que acceden a un tema de una página varias veces y eso es tomado como patrón para el algoritmo. Además aquella temática que es tomada en cuenta varias veces en una sola página, se convierte en un estado importante por lo que la clasificación de los nuevos 5

6 usuarios que ingresan al sistema es más precisa con GSP_M que con PART y C4.5. Por otro lado la capacidad de memoria del GSP_M [12] permitió determinar nuevos comportamientos preferencias - de usuarios que se convirtieron en patrones, para poderlos agrupar en Empresas, Informática y Matemática. Lógicamente, en tiempo de ejecución el algoritmo GSP_M, es más lento que C4.5 y PART (Tabla 5) Figura 3: PROCESO PART GSP_M C4.5 ENTRENAMIENTO 10 seg 15 seg 10 seg TEST 7 seg 13 seg 7 seg Tabla 5 Tabla 5. Tiempos de ejecución de los algoritmos empleados en la clasificación seg ENTRENAMIENTO TEST Figura 3. Tiempo de ejecución del Algoritmo GSP_M en relación a los algoritmos C4.5 y PART Efectivamente de acuerdo a la Tabla 5 y la Figura 3, el tiempo de ejecución de GSP_M es mayor al de C4.5 y PART, sin embargo la diferencia en segundos para la obtención de resultados y de acuerdo al tamaño de los ficheros de entrenamiento y prueba no afectan tanto al rendimiento del mismo. Por otro lado de acuerdo a la Tabla 4, GSP_M es más eficiente en clasificación que los C4.5 y PART. TRABAJOS FUTUROS El próximo paso es tomar en cuenta esta clasificación con el fin de que sea usado por un sistema recomendador para individualizar las páginas de acceso a cada usuario, y proporcionar individualidad en los entornos virtuales de aprendizaje, tal como se observa en [16][17] en donde se presentan sistemas recomendadores colaborativos que utilizan minería de datos para la contínua mejora de cursos e-learning, con el fin de que los profesores de perfil similar, compartan sus investigaciones como resultado de aplicar la minería de manera local sobre sus propios recursos. BIBLIOGRAFIA [1] Ventura, Sebastián. Minería de Datos en sistemas educativos. Presentación para el Departamento de Informática y Análisis Numérico de la Universidad de Córdoba. [2] Srivastava, J.; Mobasher, B.; Cooley, R. Automatic Personalization Based on Web Usage Mining. Communications of the Association of Computing Machinery. pp [3] Li, J.; Zaiane, O.R. Combining Usage, Content and Structure Data to Improve Web Site Recommendation. Int. Conf. on Electronic Commerce and Web Technologies. Spain

7 [4] Perkowitz, M.; Etzioni, O. Adaptive web sites: Automatically synthesizing web pages. National Conference on Artificial Intelligence. WI [5] Barnett, V.; Lewis, T.; Outliers in Statistical Data. John Wiley & Sons [6] Zaïane, O.Z. Web Usage Mining for a Better Web-Based Learning Environment. Conference on Advanced Technology for Education. pp Alberta [7] Romero C, Ventura S, Hervás C. Estado actual de la aplicación de la minería de datos a los sistemas de enseñanza basada en web. III Taller de Minería de Datos y Aprendizaje (TAMIDA 05). Eds Roberto Ruiz, Thomson. [8] Cooley R, Mobasher B, Srivastava J. Data preparation for mining world wide web browsing patterns. Knowledge and Information Systems, 1(1): 5-32, [9] Cooley R, Mobasher B, Srivastava J. Web mining: information and pattern discovery on the world wide web. In 9th IEEE International Conference on Tools with Artificial Intelligence, pages , [10] Zaiane O, Xin M, Han J. Discovering web Access patterns and trends by applying OLAP and data mining technology on web logs. In Proc. Advances in Digital Libraries ADL 98, pages 19-29, Santa Barbara, CA, USA, April [11] Do Rego Luis, Leticia Pérez. Diseño e implementación de un generador de sitios web adaptativos automáticos: Descubrimiento de patrones de navegación. Proyecto de Taller V, INCO Facultad de Ingeniería Universidad de la República, Septiembre del [12] Gomez, Héctor. Generación de patrones con itemsets repetidos y la actualización dinámica de la base patrones secuenciales con inclusión de secuencias. Tesis, UNED-UTPL, [13] Ejercicios de aprendizaje automático inductivo simbólico: s/ejercicios-aa.html, Tomado el 09 de Agosto del [14] Lopez, Bruno. Inteligencia Artificial, Algoritmo C4.5, Nuevo Laredo, Tamaulipas, Noviembre del [15] Castañeda D, Rodriguez J, Gaona P. Análisis de Reportes de Seguridad sobre Plataformas LCMS de Tipo Open Source Aplicando Minería de Datos. 8th Latin American and Caribbean Conference for Enginnering and Technology, Arequipa, Perú, June 1-4, [16] Durán E, Costaguta R. Minería de datos para descubrir estilos de aprendizaje. Universidad Nacional de Santiago del Estero, Argentina. Revista Iberoamericana de Educación, Vol. 42, N. 2, [17] Salcines E, Romero C, Ventura S, Castro C. Sistema recomendador colaborativo usando minería de datos distribuida para la mejora continua de cursos e-learning. IEEE-RITA, Vol. 3, Núm. 1, Mayo

8 8

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación ESTUDIO DE TECNICAS DE DATA MINING APLICADAS AL ANALISIS DE DATOS GENERADOS CON LA METODOLOGIA BLENDED LEARNING Marcelo Omar Sosa, Sosa Bruchmann Eugenia Cecilia Departamento Computación/Facultad de Ciencias

Más detalles

Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos

Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos Cenidet Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos Ing. Gabriel Hernández ndez MéndezM M.C.Juan Gabriel González Serna Ing. Juan

Más detalles

Proyecto de Taller V. Leticia Pérez. Fernández. INCO - Facultad de Ingeniería Universidad de la República

Proyecto de Taller V. Leticia Pérez. Fernández. INCO - Facultad de Ingeniería Universidad de la República Diseño e implementación de un generador de sitios web adaptativos automáticos: Descubrimiento de patrones de navegación Proyecto de Taller V Estudiantes: Tutor: Luis Do Rego Leticia Pérez Ing. Eduardo

Más detalles

CONSIDERACIONES GENERALES DEL WEB MINING

CONSIDERACIONES GENERALES DEL WEB MINING CONSIDERACIONES GENERALES DEL WEB MINING Sandra Milena Leal Elizabeth Castiblanco Calderón* RESUMEN: el presente artículo describe los conceptos básicos para la utilización del Webmining, dentro de los

Más detalles

Texto, imágenes, video Hiperenlaces Archivo log

Texto, imágenes, video Hiperenlaces Archivo log Web Mining Web Mining Aplicación técnicas data mining sobre datos que Web Descubrimiento automático información útil de documentos y servicios Web Texto, imágenes, video Hiperenlaces Archivo log Netcraft

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción

Más detalles

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

WEB MINING FOR IDENTIFYING PATTERNS

WEB MINING FOR IDENTIFYING PATTERNS Minería de uso Web para la identificación de patrones Castaño P. Andres P. * Resumen La minería Web es la aplicación de técnicas de minería de datos para descubrir patrones de uso de los usuarios desde

Más detalles

Juan C Jiménez UPSI-Universidad Técnica Particular de Loja Loja Ecuador. tener en el aprendizaje y por ende maximizar la calidad de la enseñanza.

Juan C Jiménez UPSI-Universidad Técnica Particular de Loja Loja Ecuador. tener en el aprendizaje y por ende maximizar la calidad de la enseñanza. Recolección de datos de interacción de alumnos en una plataforma E-learning para obtener indicadores de interés de su actividad aplicando técnicas de aprendizaje automático Greyson P Alberca UPSI-Universidad

Más detalles

ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA

ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA Pablo F. Provasi 1 Lucio J. Kleisinger 1 Francisco R. Villatoro 2 1 Dpto. de Informática, Universidad

Más detalles

Formalización de Web Mining como Conocimiento Estructurado

Formalización de Web Mining como Conocimiento Estructurado Formalización de Web Mining como Conocimiento Estructurado Gabriel R. Filocamo Carlos I. Chesñevar Laboratorio de Investigación y Desarrollo en Inteligencia Artificial (LIDIA) Departamento de Ciencias

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

OPTATIVA I: MINERIA DE DATOS

OPTATIVA I: MINERIA DE DATOS UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: OPTATIVA I: MINERIA DE DATOS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la

Más detalles

Etapas del desarrollo

Etapas del desarrollo Capítulo 4 Etapas del desarrollo Este capítulo documenta la aplicación del modelo presentado anteriormente, para el caso de la detección y clasificación de eventos sísmicos sobre señales digitales. El

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica C1. Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar

Más detalles

Clientes Donantonio. Especificación de requisitos software. Juan José Amor David Escorial Ismael Olea

Clientes Donantonio. Especificación de requisitos software. Juan José Amor David Escorial Ismael Olea Especificación de requisitos software Tabla de contenidos Juan José Amor David Escorial Ismael Olea 1. Introducción...3 1.1. Propósito...3 1.2. Ámbito del sistema...3 1.3. Definiciones, acrónimos y abreviaturas...3

Más detalles

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Saavedra-Martínez, P., Pollo-Cattaneo, F., Rodríguez, D., Britos, P., García-Martínez, R. Grupo de

Más detalles

JASPER SERVER BI INTRODUCCION

JASPER SERVER BI INTRODUCCION INTRODUCCION El proceso de toma de decisiones en toda organización, independientemente de la envergadura de esta no es tarea fácil, puesto que cualquier cambio mal tomado implica un alto riesgo de no aprovechar

Más detalles

COMPUTACIÓN FLEXIBLE APLICADA AL WEB MINING

COMPUTACIÓN FLEXIBLE APLICADA AL WEB MINING COMPUTACIÓN FLEXIBLE APLICADA AL WEB MINING José M. Benítez Juan L. Castro Ricardo Valenzuela G. Dpto. Ciencias de Computación Dpto. Ciencias de Computación Universidad Tecnológica Metropolitana Universidad

Más detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source Inteligencia Artificial y Seguridad Informática en plataformas Open Source Jornadas de Software Libre y Seguridad Informática Santa Rosa La Pampa 4 y 5 de Diciembre de 2009 AGENDA Primera Parte Definiciones

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: : : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.

Más detalles

Arquitectura de Aplicaciones

Arquitectura de Aplicaciones 1 Capítulo 13: Arquitectura de aplicaciones. - Sommerville Contenidos del capítulo 13.1 Sistemas de procesamiento de datos 13.2 Sistemas de procesamiento de transacciones 13.3 Sistemas de procesamiento

Más detalles

Web mining y obtención de información para la generación de

Web mining y obtención de información para la generación de Web mining y obtención de información para la generación de inteligencia Miguel Ángel Esteban (Universidad de Zaragoza) mesteban@unizar.es Instituto Juan Velázquez de Velasco de Investigación en Inteligencia

Más detalles

Introducción a la Programación

Introducción a la Programación Descripción y Contenido del Curso Introducción a la Programación Capacity Academy Educación en Tecnología de la Información Online, Efectiva y Garantizada Qué aprenderá si toma este Curso? En este curso

Más detalles

MoDaWeEd: un framework que integra Moodle, Data Mining y Web Usage Mining en el ámbito de la Educación

MoDaWeEd: un framework que integra Moodle, Data Mining y Web Usage Mining en el ámbito de la Educación MoDaWeEd: un framework que integra Moodle, Data Mining y Web Usage Mining en el ámbito de la Educación Esther Hochsztain (*), Andrómaca Tasistro (**) esther@ccee.edu.uy, andromaca.tasistro@agesic.gub.uy

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

Estado actual de la aplicación de la minería de datos a los sistemas de enseñanza basada en web

Estado actual de la aplicación de la minería de datos a los sistemas de enseñanza basada en web Estado actual de la aplicación de la minería de datos a los sistemas de enseñanza basada en web Cristóbal Romero Morales, Sebastián Ventura Soto, Cesar Hervás Martínez Departamento de Informática y Análisis

Más detalles

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS 1. RESEÑA HISTORICA Las exigencias competitivas del mercado hacen que las organizaciones busquen mecanismos

Más detalles

Base de Datos Única para la gestión de las recomendaciones en la agricultura cañera cubana

Base de Datos Única para la gestión de las recomendaciones en la agricultura cañera cubana Base de Datos Única para la gestión de las recomendaciones en la agricultura cañera cubana Gilda Jiménez López, Isaías Machado, Jesús Matos, Luis Hernández, Pedro León, Ernel Ávila y Carlos Vázquez 1 Resumen

Más detalles

CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA

CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA CAPÍTULO 3. AMBIENTES DE ENSEÑANZA ASISTIDOS POR COMPUTADORA 3.1 CAI (Computer Assisted Instruction). La enseñanza asistida por computadora consiste en tecnologías de la información que permiten al estudiante

Más detalles

ORACLE 11g. 50 horas 60 días

ORACLE 11g. 50 horas 60 días ORACLE 11g DURACIÓN DÍAS DE CONEXIÓN 50 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e interactiva, basada en el aprendizaje activo y participativo

Más detalles

Text Mining Introducción a Minería de Datos

Text Mining Introducción a Minería de Datos Text Mining Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.ar/~laura SADIO 12 de Marzo de 2008 qué es la minería de datos? A technique using software tools

Más detalles

ESTADO DEL ARTE DE LA VIRTUALIZACIÓN EN LA EDUCACIÓN

ESTADO DEL ARTE DE LA VIRTUALIZACIÓN EN LA EDUCACIÓN ESTADO DEL ARTE DE LA VIRTUALIZACIÓN EN LA EDUCACIÓN Trabajo de Grado de Gina Paola Arévalo Mendoza para optar al título de Ingeniera de Sistemas y Computación OBJETIVOS OBJETIVO GENERAL: Construir el

Más detalles

Minería Web: un recurso insoslayable para el profesional de la información*

Minería Web: un recurso insoslayable para el profesional de la información* Acimed 2007; 16(4) Minería Web: un recurso insoslayable para el profesional de la información* Lic. Sady C. Fuentes Reyes 1 e Ing. Marina Ruiz Lobaina 2 RESUMEN Se estudian los principales conceptos relacionados

Más detalles

Sistema de Desarrollo de Estrategias de Marketing e Inteligencia de Negocios Usando Web Mining

Sistema de Desarrollo de Estrategias de Marketing e Inteligencia de Negocios Usando Web Mining Revista Tecnológica ESPOL, Vol. xx, N. xx, pp-pp, (Mes, 200x) Sistema de Desarrollo de Estrategias de Marketing e Inteligencia de Negocios Usando Web Mining Patricio Alcivar 1, Fanny Idrovo 2, Víctor Macas

Más detalles

Universidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática

Universidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática Universidad acional Experimental Del Táchira Decanato de Docencia Departamento de Ingeniería en Informática Metodología Evolutiva Incremental Mediante Prototipo y Técnicas Orientada a Objeto (MEI/P-OO)

Más detalles

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e

Más detalles

LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN

LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN Blanca Maricela Ibarra Murrieta, Ricardo Blanco Vega y María Angélica García Fierro Departamento

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

Integrando diferentes técnicas de Data Mining en procesos de Web Usage Mining

Integrando diferentes técnicas de Data Mining en procesos de Web Usage Mining Integrando diferentes técnicas de Data Mining en procesos de Web Usage Mining Luca Cernuzzi Universidad Católica "Nuestra Señora de la Asunción" Departamento de Ingeniería Electrónica e Informática Asunción

Más detalles

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático?

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático? Ingeniería del conocimiento Sesión 1 Por qué estudiar aprendizaje automático? 1 Agenda Qué vamos a ver en la asignatura? Para qué sirve todo esto? Cómo aprobar la asignatura? 2 Extracción del conocimiento

Más detalles

DISEÑO DE UN CURSO INTERACTIVO Y ADAPTATIVO DE PROCESADORES DE LENGUAJES

DISEÑO DE UN CURSO INTERACTIVO Y ADAPTATIVO DE PROCESADORES DE LENGUAJES Alfonseca, M., Carro, R.M., Pulido, E. and Rodríguez, P. (2000): Diseño de un curso interactivo y adaptativo de procesadores de lenguajes. Proceedings of JENUI 2000: VI Jornadas sobre la Enseñanza Universitaria

Más detalles

Analítica web con Google Analytics

Analítica web con Google Analytics Analítica web con Google Analytics 1. Título Analítica web con Google Analytics 2. Descripción: La analítica web nos permite estudiar el comportamiento de los usuarios dentro de nuestro sitio web. De esta

Más detalles

NUEVAS TECNOLOGÍAS. Diplomado en. aplicadas a la educación

NUEVAS TECNOLOGÍAS. Diplomado en. aplicadas a la educación NUEVAS TECNOLOGÍAS Diplomado en aplicadas a la educación Inicio: (fecha de inicio) mediados abril. Costo Diplomado: U$D 750,00- Dictado en: Español e Ingles PROPUESTA A ctualmente, la educación se ve apelada

Más detalles

KDD y MD. Dr. Juan Pedro Febles Rodríguez BIOINFO CITMA 2005. Juan Pedro Febles KDD y MD

KDD y MD. Dr. Juan Pedro Febles Rodríguez BIOINFO CITMA 2005. Juan Pedro Febles KDD y MD KDD y MD Dr. Juan Pedro Febles Rodríguez BIOINFO febles@bioinfo.cu http://www.bioinfo.cu CITMA 2005 Temas a tratar Algunos antecedentes académicos. El proceso de descubrimiento de conocimientos en Datos

Más detalles

Algoritmos de Data Mining aplicados la enseñanza basada en la Web.

Algoritmos de Data Mining aplicados la enseñanza basada en la Web. Algoritmos de Data Mining aplicados la enseñanza basada en la Web. Abstract Ing. Cynthia Lorena Corso. Sofía Lorena Alfaro. Universidad Tecnológica Nacional, Departamento de Sistemas de Información, Córdoba,

Más detalles

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos).

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Autores: - MsC. Ing. Mario L. Basulto Núñez (ETECSA) mario.basulto@etecsa.cu - Lic.

Más detalles

Aplicaciones del Soft Computing al análisis de ficheros log de sitios Web

Aplicaciones del Soft Computing al análisis de ficheros log de sitios Web UNIVERSIDAD DE GRANADA UNIVERSIDAD TECNOLOGICA METROPOLITANA Santiago de Chile Aplicaciones del Soft Computing al análisis de ficheros log de sitios Web Autor: Ricardo Valenzuela Gaete Director de Tesis:

Más detalles

Los/as alumnos/as aprenderán el manejo del sistema operativo necesario para poder utilizar los programas como Microsoft Office.

Los/as alumnos/as aprenderán el manejo del sistema operativo necesario para poder utilizar los programas como Microsoft Office. OFFICE BÁSICO 2002 Duración: 170 horas Modalidad: Preparación ON-LINE Precio: Con tutorías: 395,00 / Sin tutorías: 297,00 Contacto: infocentre@tecnaformacio.com/ 972602225 OBJETIVOS GENERALES Los/as alumnos/as

Más detalles

APOYO PARA LA TOMA DE DECISIONES

APOYO PARA LA TOMA DE DECISIONES APOYO PARA LA TOMA DE DECISIONES Cátedra: Gestión de Datos Profesor: Santiago Pérez Año: 2006 Bibliografía: Introducción a las Bases de Datos. DATE - 1 - 1. INTRODUCCION APOYO PARA LA TOMA DE DECISIONES

Más detalles

Text Mining. Laura Alonso i Alemany. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.

Text Mining. Laura Alonso i Alemany. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.ar/~laura SADIO 26 de Marzo, 9 y 23 de Abril y 7 de mayo de 2010 grupo de PLN en FaMAF http://www.cs.famaf.unc.edu.ar/~pln/

Más detalles

Weka como herramienta de data mining

Weka como herramienta de data mining Weka como herramienta de data mining Lic. Aldave Rojas Isaac Alberto Instituto Tecnológico Superior de Ciudad Serdán Abstract El presente trabajo muestra un ejemplo introductorio a la herramienta de Data

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

Documento de Competencias. Facultad de Informática, UPV/EHU. 1 Estructura general del Grado TE1 TE2 TE3 TE4 TE5 TE6 TE7 TE8

Documento de Competencias. Facultad de Informática, UPV/EHU. 1 Estructura general del Grado TE1 TE2 TE3 TE4 TE5 TE6 TE7 TE8 Documento de Competencias Grado en INGENIERÍA INFORMÁTICA Facultad de Informática, UPV/EHU 1 Estructura general del Grado 1.1 Fundamentos de Tecnología de los Principios de Diseño de Sistemas Digitales

Más detalles

Text Mining. Laura Alonso i Alemany. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.

Text Mining. Laura Alonso i Alemany. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu. Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.ar/ laura SADIO 12, 13 y 14 de Marzo de 2008 grupo de PLN en FaMAF http://www.cs.famaf.unc.edu.ar/ pln/

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos

Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos Ricardo Timarán Pereira, Ph.D. Departamento de Sistemas, Facultad de Ingeniería, Universidad

Más detalles

Este artículo contiene los resultados de la tesis, cuyos objetivos generales son:

Este artículo contiene los resultados de la tesis, cuyos objetivos generales son: ANÁLISIS, DISEÑO E IMPLEMENTACIÓN DE UN AMBIENTE DE APRENDIZAJE COLABORATIVO BASADO EN LAS TECNOLOGÍAS WEB PARA EL AMBIENTE DE APRENDIZAJE VIRTUAL USADO EN LA ESPOL (SIDWEB). Silvanamaría Cordero Carrasco

Más detalles

Algoritmos de Data Mining aplicados en la enseñanza basada en la Web

Algoritmos de Data Mining aplicados en la enseñanza basada en la Web Algoritmos de Data Mining aplicados en la enseñanza basada en la Web Algoritmos de Data Mining aplicados en la enseñanza basada en la Web Ing. Cynthia Lorena Corso y Sofía Lorena Alfaro Abstract Educational

Más detalles

DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012

DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012 DISEÑO E IMPLEMENTACIÓN DE SOLUCIONES BUSINESS INTELLIGENCE CON SQL SERVER 2012 FLUJO DE CAPACITACIÓN Prerrequisitos Fundamentos de Programación Sentencias SQL Server 2012 Duración: 12 horas 1. DESCRIPCIÓN

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 12 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Fundamentos de clustering Ejemplo inicial Aplicaciones

Más detalles

Biblioteca Digital ACHS, gestión de información institucional

Biblioteca Digital ACHS, gestión de información institucional COLEGIO DE BIBLIOTECARIOS DE CHILE, A. G. LEY Nº 17.161 (D. O. Julio 10 de 1969) XIV Conferencia Internacional de Bibliotecología Información y ciudadanía: desafíos públicos y privados COLEGIO DE BIBLIOTECARIOS

Más detalles

SERVICIO RECOMENDADOR DE RECURSOS DIGITALES PARA EL SISTEMA DSPACE

SERVICIO RECOMENDADOR DE RECURSOS DIGITALES PARA EL SISTEMA DSPACE DESARROLLO DE UN SERVICIO RECOMENDADOR DE RECURSOS DIGITALES PARA EL SISTEMA DSPACE 1. INTRODUCCIÓN Desde hace dos décadas, las bibliotecas han efectuado con éxito una serie de transformaciones en su filosofía,

Más detalles

SISTEMAS DATAMINING: Implantación e impacto en la estrategia empresarial

SISTEMAS DATAMINING: Implantación e impacto en la estrategia empresarial SISTEMAS DATAMINING: Implantación e impacto en la estrategia empresarial En colaboración: Organiza: Índice I. Objetivos del curso 3 II. Qué es Datamining? 4 III. Modalidad del curso 5 IV. Programa Formativo

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Impartido por: Juan Alfonso Lara Torralbo 1. Datos del docente NOMBRE Juan Alfonso Lara Torralbo FORMACIÓN

Más detalles

TUTORIAL DE USO DE EVA PARA ESTUDIANTES

TUTORIAL DE USO DE EVA PARA ESTUDIANTES TUTORIAL DE USO DE EVA PARA ESTUDIANTES QUÉ ES EVA?* EVA (Entorno Virtual de Aprendizaje) es la plataforma educativa de la Universidad de la República. La misma tiene como finalidad promover distintas

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases

Más detalles

Estableciendo una medida de Trust para seleccionar fuentes de información relevantes para recomendar

Estableciendo una medida de Trust para seleccionar fuentes de información relevantes para recomendar Estableciendo una medida de Trust para seleccionar fuentes de información relevantes para recomendar Silvana Vanesa Aciar Javier Guzmán Obando Josep Lluis de la Rosa Josefina López Herrera Dept. d Electrònica,

Más detalles

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS Administración Nacional de Universidad de la República Educación Pública Facultad de Ingenieria CF Res..0.07 Consejo Directivo Central Consejo Directivo Central Res..05.07 Res. 17.0.07 TECNÓLOGO EN INFORMÁTICA

Más detalles

código Java Solicitudes Reportes AJI resultados API

código Java Solicitudes Reportes AJI resultados API Analizador Java Inteligente López De Luise María Daniela, miembro IT-Lab de la Universidad de Palermo, mlopez74@palermo.edu Agüero Martín Jorge, miembro IT-Lab de la Universidad de Palermo, agüero.martin@gmail.com

Más detalles

código Java Solicitudes Reportes AJI resultados API

código Java Solicitudes Reportes AJI resultados API Analizador Java Inteligente Agüero Martin Jorge, miembro IT-Lab de la Universidad de Palermo, agüero.marin@gmail.com López De Luise María Daniela, miembro IT-Lab de la Universidad de Palermo, mlopez74@palermo.edu

Más detalles

Web Usage Mining: Revisión del Estado del Arte

Web Usage Mining: Revisión del Estado del Arte 190 Web Usage Mining: Revisión del Estado del Arte 1. Introducción Alexander Arias Londoño, MSc aarias01@unalmed.edu.co Demetrio A. Ovalle Carranza, Ph.D. dovalle@unalmed.edu.co Grupo de I+D en Inteligencia

Más detalles

SOLUCIÓN SITUACIÓN ACTUAL

SOLUCIÓN SITUACIÓN ACTUAL SITUACIÓN ACTUAL La necesidad de las organizaciones de ser más competitivas en un mercado dinámico ha generado estructuras organizacionales complejas y exigentes en términos de calidad y eficiencia. Sobre

Más detalles

BASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación

BASE DE DATOS UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II. Comenzar presentación UNIVERSIDAD DE LOS ANDES FACULTAD DE MEDICINA T.S.U. EN ESTADISTICA DE SALUD CATEDRA DE COMPUTACIÓN II BASE DE DATOS Comenzar presentación Base de datos Una base de datos (BD) o banco de datos es un conjunto

Más detalles

Virtual-C: Una Herramienta para Administración de Contenidos en Sitios Web

Virtual-C: Una Herramienta para Administración de Contenidos en Sitios Web Virtual-C: Una Herramienta para Administración de Contenidos en Sitios Web Kexy Rodríguez kexy.rodriguez@utp.ac.pa Centro de Investigación, Postgrado y Extensión UTPVirtual Universidad Tecnológica de Panamá

Más detalles

Arquitectura para análisis de información. Zombi es una arquitectura que proporciona de manera integrada los componentes

Arquitectura para análisis de información. Zombi es una arquitectura que proporciona de manera integrada los componentes Capítulo 4 Arquitectura para análisis de información propuesta 4.1 Arquitectura Zombi es una arquitectura que proporciona de manera integrada los componentes necesarios para el análisis de información

Más detalles

Introducción En este apartado se va a proporcionar una apreciación global del SRS.

Introducción En este apartado se va a proporcionar una apreciación global del SRS. INTRODUCCIÓN Se pretende desarrollar una aplicación web para la gestión de un restaurante que ofrece espectáculos en fechas determinadas con el fin de poner en práctica los principios de planificación

Más detalles

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2013/2014

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2013/2014 RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2013/2014 FAMILIA PROFESIONAL: INFORMATICA Y COMUNICACIONES MATERIA: 28. DESARROLLO WEB EN ENTORNO SERVIDOR CURSO: 2º DE CFGS DESARROLLO DE APLICACIONES

Más detalles

Minería de uso de la web mediante huellas y sesiones

Minería de uso de la web mediante huellas y sesiones Minería de uso de la web mediante huellas y sesiones Julio Villena 1, Emma Barceló 2, Juan RamónVelasco 2 1 DAEDALUS, S.A. Paseo de las Delicias 31, 3º 28045 Madrid (España) jvillena@daedalus.es 2 Depto.

Más detalles

Departamento de Informática y Automática INGENIERÍA DEL SOFTWARE PARTE I: TEST EXAMEN FINAL

Departamento de Informática y Automática INGENIERÍA DEL SOFTWARE PARTE I: TEST EXAMEN FINAL Departamento de Informática y Automática INGENIERÍA DEL SOFTWARE PARTE I: TEST EXAMEN FINAL DNI Apellidos y nombre 1. Cuál de las siguientes afirmaciones no es una causa de los problemas del software?

Más detalles

Un Sistema Inteligente para Asistir la Búsqueda Personalizada de Objetos de Aprendizaje

Un Sistema Inteligente para Asistir la Búsqueda Personalizada de Objetos de Aprendizaje Un Sistema Inteligente para Asistir la Búsqueda Personalizada de Objetos de Aprendizaje Ana Casali 1, Claudia Deco, Cristina Bender y Valeria Gerling, Universidad Nacional de Rosario, Facultad de Ciencias

Más detalles

Capítulo 4. Requisitos del modelo para la mejora de la calidad de código fuente

Capítulo 4. Requisitos del modelo para la mejora de la calidad de código fuente Capítulo 4. Requisitos del modelo para la mejora de la calidad de código fuente En este capítulo definimos los requisitos del modelo para un sistema centrado en la mejora de la calidad del código fuente.

Más detalles

1) Título: E-learning y Estilos de Aprendizaje

1) Título: E-learning y Estilos de Aprendizaje 1) Título: E-learning y Estilos de Aprendizaje Autor: Javier Enrique Rojas Moreno Institución: Institut National des Télécommunications, 9 Rue Charles Fourier; Evry; Francia; 0033160764040; javier.rojas@int-evry,fr.

Más detalles

GUÍA Nro. 1 TECNOLOGÍA DE INTERNET. TIII PIII

GUÍA Nro. 1 TECNOLOGÍA DE INTERNET. TIII PIII GUÍA Nro. 1 TECNOLOGÍA DE INTERNET. TIII PIII GUIA DISPONIBLE EN: http://preparadorivan.blogspot.com/ - http://preparadormssi.50webs.com/inicio.html La World Wide Web o la Web, es una de las múltiples

Más detalles

El presente artículo muestra los avances

El presente artículo muestra los avances Estrategia metodológica para el desarrollo de un sistema tutor inteligente: módulo del dominio Ing. Carlos E. Lemus Serrano Resumen. Este artículo presenta una vista general del funcionamiento de los Sistemas

Más detalles

POSICIONAMIENTO EN BUSCADORES (CONSULTORÍA SEO) 30 horas 45 días

POSICIONAMIENTO EN BUSCADORES (CONSULTORÍA SEO) 30 horas 45 días POSICIONAMIENTO EN BUSCADORES (CONSULTORÍA SEO) DURACIÓN DIAS DE CONEXIÓN 30 horas 45 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e interactiva,

Más detalles

SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para. Empresas en Crecimiento

SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para. Empresas en Crecimiento SAP BusinessObjects Edge BI Standard Package La solución de BI preferida para Empresas en Crecimiento Portfolio SAP BusinessObjects Soluciones SAP para Empresas en Crecimiento Resumen Ejecutivo Inteligencia

Más detalles

Sistema de Enseñanza con Tests Adaptados al Nivel de Conocimiento de los Alumnos

Sistema de Enseñanza con Tests Adaptados al Nivel de Conocimiento de los Alumnos Sistema de Enseñanza con Tests Adaptados al Nivel de Conocimiento de los Alumnos Estefanía Martín Escuela Politécnica Superior, Universidad Autónoma de Madrid, 28049 Madrid, España estefania.martin@uam.es

Más detalles

Grupo de investigación en Minería de Datos http://mida.usal.es

Grupo de investigación en Minería de Datos http://mida.usal.es Departamento de Informática y Automática Postgrado en Informática y Automática MÁSTER EN SISTEMAS INTELIGENTES ASIGNATURAS Introducción a la Minería de Datos Minería Web María N. Moreno García http://avellano.usal.es/~mmoreno

Más detalles

Minería de la Web Tema 1

Minería de la Web Tema 1 Minería de la Web Tema 1 71454586A Minería de la Web Máster en Lenguajes y Sistemas Informáticos Tecnologías del Lenguaje en la Web UNED 07/12/2010 Tema 1 1. Problemas que surgen al interactuar con la

Más detalles

Aspectos Tecnológicos y Modelos Conceptuales de un Dispositivo Hipermedial Dinámico

Aspectos Tecnológicos y Modelos Conceptuales de un Dispositivo Hipermedial Dinámico Aspectos Tecnológicos y Modelos Conceptuales de un Dispositivo Hipermedial Dinámico Alejandro Sartorio 1 1 CIFASIS - CONICET - UNR Acceso Abierto a las TIC de la UNR para educar, investigar Alejandro Sartorio

Más detalles

Olga C. Santos Jesús G. Boticario Grupo de Investigación adenu, Departamento de Inteligencia Artificial, ETSI Informática, UNED (España)

Olga C. Santos Jesús G. Boticario Grupo de Investigación adenu, Departamento de Inteligencia Artificial, ETSI Informática, UNED (España) I.S.S.N.: 1138-2783 APLICACIÓN DE MÉTODOS DE DISEÑO CENTRADO EN EL USUARIO Y MINERÍA DE DATOS PARA DEFINIR RECOMENDACIONES QUE PROMUEVAN EL USO DEL FORO EN UNA EXPERIENCIA VIRTUAL DE APRENDIZAJE (APPLICATION

Más detalles

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2

INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Programa de Capacitación y Certificación. INTELIGENCIA DE NEGOCIOS CON SQL SERVER 2008 R2 Contenido PERFIL DE UN ESPECIALISTA EN BASES DE DATOS.... 3 6231. MANTENIENDO UNA BASE DE DATOS DE SQL SERVER 2008

Más detalles

ESTEREOTIPOS DE CLASES E TIDAD Y CLUSTERI G DE OBJETOS E SISTEMAS DE GESTIO

ESTEREOTIPOS DE CLASES E TIDAD Y CLUSTERI G DE OBJETOS E SISTEMAS DE GESTIO ESTEREOTIPOS DE CLASES E TIDAD Y CLUSTERI G DE OBJETOS E SISTEMAS DE GESTIO Servetto, A. 1 ; López, G. 2 ; Jeder, I. 2 ; Echeverría, A. 2 ; Grossi, M.D. 1 1. Laboratorio de Sistemas Operativos y Bases

Más detalles

GLOSARIO DE TERMINOS

GLOSARIO DE TERMINOS GLOSARIO DE TERMINOS A Aplicaciones Legacy.- Conjunto de aplicaciones desarrolladas o implementadas en plataformas de sistemas anteriores o antiguos. B Bases de Datos.- Organización y conservación de datos

Más detalles

Integrando Información de Fuentes Relevantes para un Sistema Recomendador

Integrando Información de Fuentes Relevantes para un Sistema Recomendador Integrando Información de Fuentes Relevantes para un Sistema Recomendador Silvana Aciar, Josefina López Herrera and Javier Guzmán Obando Agents Research Laboratory University of Girona {saciar, jguzmano}@eia.udg.es,

Más detalles