Minería de datos (Introducción a la minería de datos)

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

Download "Minería de datos (Introducción a la minería de datos)"

Transcripción

1 Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 12-O. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 21

2 Qué es la minería de datos? Qué es la minería de datos? Witten y Frank 2000 Es el proceso de extraer conocimiento útil y comprensible, desde grandes cantidades de datos almacenados en distintos formatos. Campo multidisciplinario Es un campo multidisciplinario de las ciencias de la computación puesto que puede ayudarse de los sistemas de bases de datos para el manejo de grandes volúmenes de datos, el apoyo de métodos estadísticos para el diseño de hipótesis y modelos matemáticos que con la ayuda de algunas técnicas de la inteligencia artificial, llevan a cabo la generación y refinemiento de tales modelos. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 2 / 21

3 Motivación de la minería de datos Motivación de la minería de datos Motivación Aunque existen sistemas que permiten generar resúmenes o informes ejecutivos como el procesamiento de transacciones en tiempo real (On-Line Transaction Processing OLTP) o incluso la posibilidad de analizar la información desde distintas perspectivas como el procesamiento analítico en tiempo real (On-Line Analytical Processing OLAP), tales sistemas no generan reglas, patrones o bien conocimiento que pueda ser aplicado a nuevos datos. Así, uno de los retos es manejar grandes volúmenes de datos procedentes de fuentes heterogéneas. Otro reto es aplicar la técnica adecuada sobre tales datos tal que se pueda extraer conocimiento útil. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 3 / 21

4 Diferencia entre algoritmos y heurísticas Diferencia entre algoritmos y heurísticas Algoritmo Un algoritmo es un conjunto finito de pasos bien definidos y ordenados que permiten realizar una actividad, donde dados un estado inicial y una entrada, siempre se llega a un estado final y se obtiene una solución. Una propiedad importante es que para una misma entrada se obtiene siempre la misma salida Heurística Una heurística es un conjunto de pasos para elegir o búscar posibles soluciones en el espacio de estados que son más probables para llegar a una solución aceptable del problema. Una propiedad importante es que para una misma entrada no necesariamente se obtiene la misma salida. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 4 / 21

5 Relación entre la minería de datos y la inteligencia artificial Relación entre la minería de datos y la inteligencia artificial I Inteligencia Artificial John McCarthy acuñó el término en Es la simulación de la inteligencia humana en una máquina, de tal manera que la máquina sea eficiente en el proceso de identificar y utilizar el conocimiento adecuado en un determinado paso relacionado con la solución de un problema. La inteligencia artificial estudia los métodos que permiten resolver problemas en los que no existe el conocimiento sistemático para plantear una solución analítica o dicha solución posee una alta complejidad. Tales métodos utilizan el conocimiento heurístico disponible. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 5 / 21

6 Relación entre la minería de datos y la inteligencia artificial Relación entre la minería de datos y la inteligencia artificial II Técnicas de la inteligencia artificial en minería de datos Redes neuronales. Análogo al funcionamiento físico del cerebro de animales y humanos. Algoritmos genéticos. Análogo al proceso de evolución de las cadenas de ADN. Redes bayesianas. Proponen soluciones mediante inferencia probabilística. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 6 / 21

7 Aplicaciones I Aplicaciones Ejemplo 1 Un banco desea predecir cuáles de sus nuevos clientes que solicitan un crédito tienen mayor probabilidad de devolverlo con la finalidad de reducir sus pérdidas. Para ello se desea construir un modelo a partir de la historia crediticia de sus clientes anteriores. ID Crédito Casa Cuentas Devuelve Salario Cliente solicitado propia morosas crédito si 2 no no 0 si si 1 no si 0 si no 0 no Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 7 / 21

8 Aplicaciones Aplicaciones II Una técnica de minería de datos podría generar algunas reglas, por ejemplo: Si Cuentas-morosas > 0 entonces Devuelve-crédito no Si Cuentas-morosas = 0 y [Salario > 2500 o Casa-propia= si] entonces Devuelve-crédito sí en otro caso Devuelve-crédito no Ejemplo 2 En un supermercado se desea ubicar a los productos tal que los clientes puedan ubicar en zonas cercanas los productos que generalmente compran en conjunto. Se cuenta con una tabla que contiene como campos a los productos principales y registros si el cliente i-ésimo compro o no tal producto. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 8 / 21

9 Aplicaciones III Aplicaciones Cliente Huevo Aceite Pañales Vino Leche Mante. Sodas 1 si no no si no si si 2 no si no no si no no 3 no no si no si no no 4 no si si no si no no 5 si si no no no si no 6 no no si no no no si 7 si si no no si si si Un modelo de minería de datos podría encontrar que siempre que se compran pañales igual se compra leche, lo mismo con el vino y sodas, por lo que esos productos podrían ubicarse cerca, pero pueden estar lejos del aceite, el huevo y la mantequilla, otros productos que se acostumbran comprar juntos. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 9 / 21

10 Aplicaciones IV Aplicaciones Ejemplo 3 En una tienda de electrodomésticos se desea tener el inventario suficiente y necesario para satisfacer a los clientes, pero sin generar costos extras por el almacenaje innecesario de productos, es decir se desea tener los productos sólo en el momento adecuado. Para ello se cuenta con el registro de ventas mensuales de cada producto de los últimos doce meses. Producto E12 F12 M12 A12... N12 D12 TV HD DVD Multiregion ipod Touch Estereo Sony Xplod Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 10 / 21

11 Aplicaciones V Aplicaciones Un modelo de minería de datos podría determinar que en noviembre y diciembre de cada año las ventas se incrementan. También podría encontrar que cuando comienza el año las ventas bajan, con excepción del ipod Touch, que posiblemente es causa de que es un regalo común para los jóvenes el de reyes. Del mismo modo se incrementan conforme el mes de mayo se acerca por motivo del día de las madres. Un modelo de regresión permitiría realizar un estimado adecuado de la cantidad de productos a almacenar por mes. Objetivo final de la minería de datos En general se desea que la minería de datos sea un soporte sólido para la toma de decisiones ante situaciones futuras. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 11 / 21

12 Tipos de datos I Tipos de datos Que tipos de datos sirven para realizar minería de datos? Casi cualquier tipo de información es buena dependiendo del tipo de problema a abordar. En general podemos encontrar tres clasificaciones dependiendo de cómo se encuentre almacenada la información: estructurada, semi-estructurada y no estructurada. Las bases de datos relacionales pertenecen a la categoría de datos estructurados, pues consisten de tablas que poseen relaciones bajo la existencia de un esquema asociado a ellas. Los siguientes casos entran en la categoria de bases de datos pero cuyo contenido requiere un tratamiento especial. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 12 / 21

13 Tipos de datos II Tipos de datos Con contenido espacial mantienen información relacionada a espacios físicos cuyos datos pueden ser geográficos, redes de transporte, información de tráfico, etc., donde la minería de datos podría encontrar patrones que permitan la construcción de nuevos caminos o líneas del metro. Con contenido temporal mantienen información relacionada al tiempo ya sea instantes específicos o intervalos temporales. Aquí la minería de datos podría encontrar tendencias climatológicas. De contenido documental que pueden poseer datos de los tres tipos y donde la minería de datos podría utilizarse para encontrar asociaciones entre contenidos o clasificación de objetos. Con contenido multimedia donde además de las técnicas de minería de datos se requieren algoritmos de búsqueda eficiente sobre este tipo de formatos. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 13 / 21

14 Tipos de datos III Tipos de datos La Internet es el repositorio de información mas grande donde la información prevaleciente es semi-estructurada y en la mayoría de los casos no estructurada. La minería web generalmente se utiliza para realizar: Minería del contenido la cual pretende encontrar patrones en el contenido de las páginas web. Minería de la estructura que pueden consistir en analizar páginas web cuyo contenido es semi-estructurado. Minería del uso para encontrar patrones de preferencias entre los usuarios de un sitio web y poder adecuar el sitio a sus necesidades. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 14 / 21

15 Tipos de modelos Tipos de modelos Modelos predictivos Un modelo predictivo pretende estimar valores futuros o desconocidos -variables objetivo o dependientes- en función de valores o campos conocidos -variables predictivas o independientes-. Modelos descriptivos Un modelo descriptivo sirve para identificar patrones o resúmenes que permiten explorar las propiedades de los datos examinados con la finalidad de poder describir datos futuros. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 15 / 21

16 El proceso de descubrimiento de conocimiento en bases de datos El proceso de descubrimiento de conocimiento en bases de datos I Berthold & Hand 2003 Es un proceso que realiza un análisis inteligente de los datos utilizando técnicas de análisis estadístico. Fayyad y otros 1996 Lo definen como un proceso no trivial de identificar patrones válidos, novedosos, útiles y comprensibles a partir de los datos. El proceso de descubrimiento de conocimiento en bases de datos puede seguir los siguientes pasos: Seleccionar el conjunto de datos, determinando las variables objetivo y las variables predictivas. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 16 / 21

17 El proceso de descubrimiento de conocimiento en bases de datos El proceso de descubrimiento de conocimiento en bases de datos II Análizar las propiedades de los datos, tratando de encontrar valores atípicos o determinar la ausencia de datos. Transformar el conjunto de datos de entrada, con la finalidad de prepararlos para aplicar la técnica de minería de datos adecuada. Seleccionar y aplicar la técnica de minería de datos, donde se construyen uno o más modelos. Extraer el conocimiento, donde se conciben los modelos representados a través de patrones o relaciones de asociación. Interpretar y evaluar los datos, donde se validan los modelos mediante el uso de distintas técnicas y se concibe el modelo final o se vuelve a iterar sobre estos pasos. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 17 / 21

18 Relación con otras disciplinas Relación con otras disciplinas I Las bases de datos. Uso de almacenes de datos y/o OLAP (On-Line Analytical Processing). OLAP Este tipo de procesamiento en tiempo real maneja operaciones únicamente de consulta sobre grandes cantidades de información con la finalidad de realizar informes y resúmenes toma de decisiones. Resúmenes de ventas mensuales. Consumos eléctricos por día. La espera media de los pacientes en un hospital. Productos: MS SQL Server 7.0 OLAP Services Microsoft Oracle OLAP 11g Oracle Seagate Worksheet Seagate Software. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 18 / 21

19 Relación con otras disciplinas Relación con otras disciplinas II OLTP (On-Line Transactional Processing). Consiste en realizar transacciones, actualizaciones y consultas a la base de datos con un objetivo operacional. Funcionalidad de las aplicaciones de la organización. Información del estado del sistema. Ejemplos: Agregar nuevos clientes. Cambio del sueldo de un empleado. Trámite de un pedido. La recuperación de información. Obtener información desde datos textuales. Bibliotecas digitales. Búsqueda por internet. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 19 / 21

20 Relación con otras disciplinas Relación con otras disciplinas III La estadística. Son necesarios cálculos para obtener: la media, la varianza, las distribuciones, el análisis univariante y multivariante, la regresión lineal y no lineal, la teoría del muestreo, la validación cruzada, la modelación paramétrica y no paramétrica, técnicas bayesianas. El aprendizaje automático. La máquina usa algunos ejemplos para aprender un modelo y los utiliza para resolver el problema. Los sistemas para la toma de decisión. El análisis ROC (Receiver Operating Characteristic) y los árboles de decisión. La visualización de datos. Uso de diagramas de barras, gráficas de dispersión, histogramas, coloreado de imagenes. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 20 / 21

21 Relación con otras disciplinas Relación con otras disciplinas IV La computación paralela y distribuida. Distribuir las tareas más complejas entre diferentes procesadores o nodos. Procesamiento del lenguaje natural. Es una disciplina encargada de producir sistemas informáticos que ayuden en la comunicación, por medio de la voz o del texto. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 21 / 21

Minería de datos (Introducción a la minería de datos)

Minería de datos (Introducción a la minería de datos) Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 24

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

Minería de Datos. Universidad Politécnica de Victoria

Minería de Datos. Universidad Politécnica de Victoria Minería de Datos Universidad Politécnica de Victoria 1 Motivación Nuevas Necesidades del Análisis de Grandes Volúmenes de Datos El aumento del volumen y variedad de información que se encuentra informatizada

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios para la Gestión UNIDAD 3: APLICACIONES DE SISTEMAS Unidad 3 Aplicaciones de Sistemas Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración de la cadena de suministros. Sistemas

Más detalles

OLAP y Minería de Datos: Introducción

OLAP y Minería de Datos: Introducción OLAP y Minería de Datos: Introducción Carlos Hurtado L. churtado@dcc.uchile.cl Departamento de Ciencias de la Computación Universidad de Chile OLAP y Minería de Datos: Introducción, DCC, U. de Chile, 2do

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es

Más detalles

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net Proyecto técnico MINERÍA DE DATOS Febrero 2014 www.osona-respon.net info@osona-respon.net 0. Índice 0. ÍNDICE 1. INTRODUCCIÓN... 2 2. LOS DATOS OCULTOS... 3 2.1. Origen de la información... 3 2.2. Data

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

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas

Sistemas de Información para la Gestión. Unidad 3 Aplicaciones de Sistemas para la Gestión Unidad 3 Aplicaciones de Sistemas U.N.Sa. Facultad de Cs.Económicas SIG 2010 UNIDAD 3: APLICACIONES DE SISTEMAS Aplicaciones empresariales: Sistemas empresariales. Sistemas de administración

Más detalles

LA GESTIÓN DEL CONOCIMIENTO

LA GESTIÓN DEL CONOCIMIENTO Plan de Formación 2006 ESTRATEGIAS Y HABILIDADES DE GESTIÓN DIRECTIVA MÓDULO 9: 9 LA ADMINISTRACIÓN ELECTRÓNICA EN LA SOCIEDAD DE LA INFORMACIÓN LA GESTIÓN DEL CONOCIMIENTO José Ramón Pereda Negrete Jefe

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

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

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas

FACULTAD DE INGENIERÍA. Bases de Datos Avanzadas FACULTAD DE INGENIERÍA Ingeniería en Computación Bases de Datos Avanzadas Datawarehouse Elaborado por: MARÍA DE LOURDES RIVAS ARZALUZ Septiembre 2015 Propósito Actualmente las empresas necesitan contar

Más detalles

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP Universidad Politécnica de Puebla UPP JESÚS ANTONIO GONZÁLEZ BERNAL 1 2 Evolución de la Tecnología BD 1960 s y antes Creación de las BD en archivos primitivos 1970 s hasta principios de los 1980 s BD Jerárquicas

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Universidad Nacional de Salta Facultad de Ciencias Económicas, Jurídicas y Sociales Sistemas de Información para la Gestión Fundamentos de la Inteligencia de Negocios Administración de Bases de Datos e

Más detalles

TEMA 1. Introducción

TEMA 1. Introducción TEMA 1. Introducción Francisco José Ribadas Pena, Santiago Fernández Lanza Modelos de Razonamiento y Aprendizaje 5 o Informática ribadas@uvigo.es, sflanza@uvigo.es 28 de enero de 2013 1.1 Aprendizaje automático

Más detalles

E-data. Transformando datos en información con Data Warehousing

E-data. Transformando datos en información con Data Warehousing Federico Plancarte Sánchez E-data. Transformando datos en información con Data Warehousing Tema 2 El soporte a la Decisión 2-1 Evolución del soporte a la decisión Diversas categorías del análisis del DS

Más detalles

CAPÍTULO 1. INTRODUCCIÓN

CAPÍTULO 1. INTRODUCCIÓN CAPÍTULO 1. INTRODUCCIÓN 1.1 INTRODUCCIÓN Tiempo atrás se pensaba que algunos problemas como la demostración de teoremas, el reconocimiento de la voz y el de patrones, ciertos juegos (como el ajedrez o

Más detalles

Introducción a la Minería de Datos (Data Mining)

Introducción a la Minería de Datos (Data Mining) a la Minería de Datos (Data Mining) IT-Nova Facultad de Ingeniería Informática y Telecomunicaciones Iván Amón Uribe, MSc Minería de Datos Diapositivas basadas parcialmente en material de Inteligencia Analítica

Más detalles

GUÍA DE ORIENTACIÓN. Módulo de Diseño de sistemas productivos y logísticos Saber Pro 2015-2

GUÍA DE ORIENTACIÓN. Módulo de Diseño de sistemas productivos y logísticos Saber Pro 2015-2 GUÍA DE ORIENTACIÓN Módulo de Diseño de sistemas Saber Pro 2015-2 TÉRMINOS Y CONDICIONES DE USO PARA PUBLICACIONES Y OBRAS DE PROPIEDAD DEL ICFES El Instituto Colombiano para la Evaluación de la Educación

Más detalles

6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION

6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION 6.FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS: ADMINISTRACION DE BASES DE DATOS E INFORMACION CAJERO AUTOMATICO RESTAURANTE SUPERMERCADO YOUTUBE CINE UNIVERSIDAD BIBLIOTECA Administrador de Base de Datos

Más detalles

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones

Sistemas de Información para la Gestión. UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones UNIDAD 2: RECURSOS DE TI Información y Aplicaciones 1. La Información: Propiedades de la Información. Sistemas de Información. Bases de Datos. 2. Administración

Más detalles

- Access es un gestor de bases de datos relacionales gráfico e interactivo.

- Access es un gestor de bases de datos relacionales gráfico e interactivo. ACCESS 2007 Que es Access? - Access es un gestor de bases de datos relacionales gráfico e interactivo. - Una base de datos Access, a diferencia de otros gestores de B.D., se guarda en un único fichero

Más detalles

Fundamentos de la Inteligencia de Negocios

Fundamentos de la Inteligencia de Negocios Sistemas de Información para la Gestión UNIDAD 2: Infraestructura de Tecnología de la Información Unidad 2 Infraestructura de Tecnología de la Información Estructura de TI y tecnologías emergentes. Estructura

Más detalles

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS

RECURSOS DE TI Aplicaciones - Bibliografía FUNDAMENTOS DE LA INTELIGENCIA DE NEGOCIOS Sistemas de Información para la Gestión UNIDAD 3: RECURSOS DE TECNOLOGÍA DE INFORMACIÓN Aplicaciones UNIDAD 2: RECURSOS DE TI Aplicaciones 1. Administración de bases de datos e información: Sistemas de

Más detalles

GUÍAS. Módulo de Diseño de software SABER PRO 2013-2

GUÍAS. Módulo de Diseño de software SABER PRO 2013-2 GUÍAS Módulo de Diseño de software SABER PRO 2013-2 GUÍAS Módulo de diseño en ingeniería El diseño de productos tecnológicos (artefactos, procesos, sistemas e infraestructura) está en el centro de la naturaleza

Más detalles

BSC IN INGENIERÍA EN SISTEMAS Y TECNOLOGÍA DE INFORMACIÓN

BSC IN INGENIERÍA EN SISTEMAS Y TECNOLOGÍA DE INFORMACIÓN MAT1024 Matemáticas iniciales Nivel : Anáhuac Este curso cubre el estudio fundamental de conceptos algebraicos y trigonométricos para resolver problemas teóricos, y la importancia de las matemáticas en

Más detalles

Predicción de los ciclos de El Niño

Predicción de los ciclos de El Niño Predicción de los ciclos de El Niño Israel Cendrero Sánchez I.T.T.Telemática Universidad Carlos III de Madrid Leganes,Madrid,España 100055713@alumnos.uc3m.es Beatriz López Moreno I.T.T.Telemática Universidad

Más detalles

A. Subcampos basados en el contenido.

A. Subcampos basados en el contenido. ARTIFICIAL INTELLIGENCE. AN ILLUSTRATIVE OVERVIEW Aaron Sloman School of Computer Science The University of Birmingham http://www.cs.bham.ac.uk/~axs/courses.ai.html Las áreas de aplicación de la Inteligencia

Más detalles

1. Análisis espacial

1. Análisis espacial 1. Análisis espacial Todos los elementos que rodean a los hombres, ya sean de carácter físico o humano, generan en él una serie de interrogantes acerca de la existencia de los mismos, su composición, su

Más detalles

PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN. Nivel Básico

PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN. Nivel Básico PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN Nivel Básico FORMACIÓN HUMANA Y SOCIAL (FGUM-001) En este curso, se fortalece la formación integral y pertinente

Más detalles

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES Actualmente se vive una época donde se tiene una enorme cantidad de datos que se generan diariamente (del orden de Terabytes, Petabytes 1 (Han, Kamber, & Pei, 2012))

Más detalles

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio

Más detalles

BSC IN INGENIERÍA EN SISTEMAS Y TECNOLOGÍA DE INFORMACIÓN

BSC IN INGENIERÍA EN SISTEMAS Y TECNOLOGÍA DE INFORMACIÓN MAT1024 Matemáticas iniciales Nivel : Anáhuac Este curso cubre el estudio fundamental de conceptos algebraicos y trigonométricos para resolver problemas teóricos, y la importancia de las matemáticas en

Más detalles

Creatividad Aplicada. al Análisis de Datos

Creatividad Aplicada. al Análisis de Datos Creatividad Aplicada Creatividad Aplicada al Análisis al Análisis de Datos de Datos Enrique Rodríguez 28/09/2011 Creatividad Aplicada a la Investigación Creatividad Investigación Técnicas Herramientas

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

BASE DE DATOS RELACIONALES

BASE DE DATOS RELACIONALES BASE DE DATOS RELACIONALES Una base de datos relacional es una base de datos que cumple con el modelo relacional, el cual es el modelo más utilizado en la actualidad para implementar bases de datos ya

Más detalles

DiplomadosOnline.com

DiplomadosOnline.com Diplomado en Míneria de Datos DiplomadosOnline.com Formando profesionales capaces de identificar y aplicar las metodologías adecuadas, para el descubrimiento de patrones ocultos en la información en apoyo

Más detalles

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida.

Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Módulo de Inteligencia de Negocio en un sistema de control de la producción en plantas de generación de energía distribuida. Autores: Carlos Javier Quintero Blanco, Universidad de las Ciencias Informáticas,

Más detalles

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación

Más detalles

HOSPITAL PSIQUIATRICO DE LA HABANA. Lic. María de Jesús Sánchez Pérez

HOSPITAL PSIQUIATRICO DE LA HABANA. Lic. María de Jesús Sánchez Pérez HOSPITAL PSIQUIATRICO DE LA HABANA Lic. María de Jesús Sánchez Pérez Ciencia interdisciplinar que trata de los sistemas de comunicación n y gobierno en los organismos vivos, las máquinas y las organizaciones.

Más detalles

UNIVERSIDAD CENTROCCIDENTAL "LISANDRO ALVARADO" DECANATO DE CIENCIAS Y TECNOLOGIA

UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE CIENCIAS Y TECNOLOGIA UNIVERSIDAD CENTROCCIDENTAL "LISANDRO ALVARADO" DECANATO DE CIENCIAS Y TECNOLOGIA MODELO DE APRENDIZAJE AUTOMÁTICO PARA LA DETECCION DE FRAUDES ELECTRONICOS EN TRANSACCIONES FINANCIERAS FREDDY MIGUEL SILVA

Más detalles

Business Intelligence.

Business Intelligence. Business Intelligence. Qué es inteligencia de negocios? Es el proceso de analizar los bienes o datos acumulados en la empresa y extraer una cierta inteligencia o conocimiento de ellos. Dentro de la categoría

Más detalles

01 Servicios de Soporte y Mantención Sistema KnowledgePro US $ 1.500

01 Servicios de Soporte y Mantención Sistema KnowledgePro US $ 1.500 Santiago, 17 de Diciembre de 2012 KF-48/2012 Sra. Ma. Soledad Rique Biblioteca Fiscalía Nacional Económica P R E S E N T E Por intermedio de la presente, me es muy grato informar a Usted que a partir de

Más detalles

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones

Control Informático de Gestión. Tema 5: Sistemas de Apoyo a la Toma de Decisiones Control Informático de Gestión Tema 5: Sistemas de Apoyo a la Toma de Decisiones Índice Revisión de los sistemas de información en la empresa La información y la toma de decisiones Sistemas transaccionales

Más detalles

Introducción Qué es Minería de Datos?

Introducción Qué es Minería de Datos? Conceptos Básicos Introducción Qué es Minería de Datos? Extracción de información o de patrones (no trivial, implícita, previamente desconocida y potencialmente útil) de grandes bases de datos. Introducción

Más detalles

Materia: Inteligencia de negocios

Materia: Inteligencia de negocios Instituto Tecnológico de Durango Departamento de Sistemas y Computación Ingeniería Informática Unidad I. INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS 1 Información Activo más importante de los negocios actuales

Más detalles

9. Diplomatura en Testeo de Sistemas Informáticos/Tecnicatura Universitaria en Testeo y Análisis de Calidad de Sistemas Informáticos

9. Diplomatura en Testeo de Sistemas Informáticos/Tecnicatura Universitaria en Testeo y Análisis de Calidad de Sistemas Informáticos ÁREA INFORMÁTICA 9. Diplomatura en Testeo de Sistemas Informáticos/Tecnicatura Universitaria en Testeo y Análisis de Calidad de Sistemas Informáticos I. Denominación de la formación: Diplomatura en Testeo

Más detalles

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento Servicio Business Intellingence integrado con & Big Del dato al conocimiento Servicio BI integral: Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento,

Más detalles

Líneas de espera. Introducción.

Líneas de espera. Introducción. Líneas de espera. Introducción. En este capítulo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

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

2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services

2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services 2796 Designing an Analysis Solution Architecture Using Microsoft SQL Server 2005 Analysis Services Introducción El propósito de este curso de tres días impartido por instructor es de enseñar profesionales

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

Procesamiento analítico en línea con minería de. por separado. La tecnología OLAP facilita la exploración de datos operacionales, es

Procesamiento analítico en línea con minería de. por separado. La tecnología OLAP facilita la exploración de datos operacionales, es Capítulo 3 Procesamiento analítico en línea con minería de datos 3.1 Definición La combinación de las tecnologías de procesamiento analítico en línea con la minería de datos fue propuesta y ha sido estudiada

Más detalles

Ambas componentes del sistema tienen costos asociados que deben de considerarse.

Ambas componentes del sistema tienen costos asociados que deben de considerarse. 1. Introducción. En este trabajo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares

Más detalles

ANEXO 2-A. Contenido del plan de estudios página 01 Anexo 2-A. 1. MATERIAS TRONCALES Asignaturas en las que la,

ANEXO 2-A. Contenido del plan de estudios página 01 Anexo 2-A. 1. MATERIAS TRONCALES Asignaturas en las que la, ANEXO 2-A. Contenido del plan de estudios página 0 Anexo 2-A Ciclo Curso () Cuatrimestre Denominación (2). MATERIAS TRONCALES Asignaturas en las que la, Universidad, en su caso, Créditos anuales (4) organiza/diversifica

Más detalles

El objetivo de este capítulo es explicar con detalle con detalle cada una de las tecnologías

El objetivo de este capítulo es explicar con detalle con detalle cada una de las tecnologías CAPÍTULO II Inteligencia Empresarial El objetivo de este capítulo es explicar con detalle con detalle cada una de las tecnologías de la inteligencia empresarial que se mencionaron en el capítulo I y cómo

Más detalles

Diseño e implementación de una base de datos relacional para la gestión sanitaria PFC - BASES DE DATOS RELACIONALES MEMORIA

Diseño e implementación de una base de datos relacional para la gestión sanitaria PFC - BASES DE DATOS RELACIONALES MEMORIA Diseño e implementación de una base de datos relacional para la gestión sanitaria PFC - BASES DE DATOS RELACIONALES MEMORIA Estudiante: Daniel Jesús Rönnmark Cordero Titulación: Ingeniería Informática

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

Tema 1 Introducción a los Sistemas de Información

Tema 1 Introducción a los Sistemas de Información Tema 1 Introducción a los Sistemas de Información Diseño y Desarrollo de Sistemas de Información Grado en Ingeniería Informática (gnavarro@ugr.es) Índice Sistemas de Información Sistemas Datos, Información,

Más detalles

Actividades Complementarias.

Actividades Complementarias. 4.1. Balanceo de Líneas. Unidad IV Monitoreo y Control de Operaciones El análisis de las líneas de producción es el foco central del análisis de disposiciones físicas por productos. El diseño del producto

Más detalles

Datawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse

Datawarehouse. Ing. Adan Jaimes Jaimes. Datawarehouse 1 Ing. Adan Jaimes Jaimes 2 Conceptos : Repositorio completo de datos, donde se almacenan datos estratégicos, tácticos y operativos, al objeto de obtener información estratégica y táctica Data-Marts: Repositorio

Más detalles

ALMACENES PARA GESTIÓN MASIVOS.... ALMACENES PARA GESTIÓN MASIVOS 1 ALMACENES PARA GESTIÓN MASIVOS 2 EL OBJETIVO ES EL ANÁLISIS PARA EL SOPORTE EN LA TOMA DE DECISIONES. GENERALMENTE, LA INFORMACIÓN QUE

Más detalles

Capítulo 1. Introducción

Capítulo 1. Introducción Capítulo 1. Introducción El WWW es la mayor fuente de imágenes que día a día se va incrementando. Según una encuesta realizada por el Centro de Bibliotecas de Cómputo en Línea (OCLC) en Enero de 2005,

Más detalles

Encuesta Permanente de Hogares

Encuesta Permanente de Hogares Minería de Datos Aplicada a la Encuesta Permanente de Hogares Disertante: Luis Alfonso Cutro Adscripto a la asignatura Diseño y Administración de Datos. Prof. Coordinador: Mgter. David Luís la Red Martínez

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

Selectividad Septiembre 2013 OPCIÓN B

Selectividad Septiembre 2013 OPCIÓN B Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR

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

CURSO MINERÍA DE DATOS AVANZADO

CURSO MINERÍA DE DATOS AVANZADO CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En

Más detalles

BÁSICAS INGENIERÍA EN COMPUTACIÓN INTELIGENTE

BÁSICAS INGENIERÍA EN COMPUTACIÓN INTELIGENTE OBJETIVO: Formar profesionales en el área de las Ciencias de la Computación con un alto sentido de responsabilidad social y humanista; con conocimientos sólidos de los fundamentos matemáticos y teóricos

Más detalles

Bibliomining: minería de datos y descubrimiento de conocimiento en bases de datos aplicados al ámbito bibliotecario

Bibliomining: minería de datos y descubrimiento de conocimiento en bases de datos aplicados al ámbito bibliotecario Artículo en prensa borrador Pre-print / diciembre 2006 Bibliomining: minería de datos y descubrimiento de conocimiento en bases de datos aplicados al ámbito bibliotecario Ricardo Herrera Varela 1 Resumen

Más detalles

en el funcionamiento del cerebro FRANCISCO CERVANTES PÉREZ, JOSÉ INCERA DIÉGUEZ Y SALVADOR MÁRMOL YAHYA

en el funcionamiento del cerebro FRANCISCO CERVANTES PÉREZ, JOSÉ INCERA DIÉGUEZ Y SALVADOR MÁRMOL YAHYA COMPUTaCIÓN NeURONaL MecaNIsMos INspIrados en el funcionamiento del cerebro FRANCISCO CERVANTES PÉREZ, JOSÉ INCERA DIÉGUEZ Y SALVADOR MÁRMOL YAHYA >A finales de los años 80, los sistemas que procesan información

Más detalles

Propuestas de Trabajos fin de Máster

Propuestas de Trabajos fin de Máster Propuestas de Trabajos fin de Máster Máster en Ingeniería y Tecnología del Software Curso 2010/2011 Depto. de Lenguajes y Sistemas Informáticos Universidad de Sevilla Título Descripción Tutor La I+D+I

Más detalles

Tecnologías de Información y Comunicación II.

Tecnologías de Información y Comunicación II. INGENIERÍA EN INFORMÁTICA Tecnologías de Información y Comunicación II. INFORME: ETL y Modelo Estrella. NOMBRE : Ruben Chura, Andony Pavez. CARRERA : Ingeniería en Informática. ASIGNATURA : Tecnologías

Más detalles

TEMA 3: Ayuda a la toma de decisiones

TEMA 3: Ayuda a la toma de decisiones TEMA 3: Ayuda a la toma de decisiones Aritz Pérez Sistemas de Información Departamento de Lenguajes y Sistemas Informáticos UPV-EHU Bilbao, Noviembre del 2011 1 / 35 Introducción Toma de decisiones Decisiones

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

Contenido del Curso. Descubrimiento de Conocimiento a partir de datos. Introducción. Motivación

Contenido del Curso. Descubrimiento de Conocimiento a partir de datos. Introducción. Motivación Contenido del Curso Descubrimiento de Conocimiento a partir de Datos ISISTAN UNCPBA sschia@exa.unicen.edu.ar http://www.exa.unicen.edu.ar/catedras/dbdiscov/ Introducción al KDD Etapas Pre-procesamiento

Más detalles

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo

Más detalles

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1

IWG-101: Introducción a la Ingeniería. Departamento de Informática, UTFSM 1 IWG-101: Introducción a la Ingeniería Departamento de Informática, UTFSM 1 Gestión de Bases de Datos Gestión de Bases de Datos Base de datos una colección de datos relacionados organizados de manera de

Más detalles

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo RESUMEN El grupo Computación de Altas Prestaciones

Más detalles

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR Facultad de Ingeniería Escuela de Sistemas

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR Facultad de Ingeniería Escuela de Sistemas 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: INTELIGENCIA ARTIFICIAL I CÓDIGO: 12652 CARRERA: NIVEL: No. CRÉDITOS: CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: Ingeniería de Sistemas 5to. 4 créditos 2 créditos 2 créditos

Más detalles

Formato para prácticas de laboratorio

Formato para prácticas de laboratorio PLAN DE CLAVE CARRERA NOMBRE DE LA ASIGNATURA ESTUDIO ASIGNATURA LSC 2009-2 11290 Introducción a la Programación PRÁCTICA No. 1 LABORATORIO DE NOMBRE DE LA PRÁCTICA Licenciado en Sistemas Computacionales

Más detalles

GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS

GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS La presente guía docente corresponde a la asignatura de Introducción a la Programación de Videojuegos y Gráficos (Videojuegos) del

Más detalles

UNIDAD No. 6 Auditoria de Aplicaciones

UNIDAD No. 6 Auditoria de Aplicaciones Auditoria V UNIDAD No. 6 Auditoria de Aplicaciones Definiciones SOFTWARE/ PROGRAMA: Conjunto de instrucciones que dirigen al Hardware. Software/Programas del Sistema Llamados Programas Supervisorios, realizan

Más detalles

LÍNEAS DE INVESTIGACIÓN FACULTAD DE INGENIERÍA

LÍNEAS DE INVESTIGACIÓN FACULTAD DE INGENIERÍA LÍNEAS DE INVESTIGACIÓN FACULTAD DE INGENIERÍA Ingeniería en computación ÁREAS LÍNEAS Computación y Sistemas Automatización, Procesos y Telecomunicaciones Computación emergente Computación gráfica Computación

Más detalles

Transformación del mundo de los datos

Transformación del mundo de los datos Drones Transformación del mundo de los datos Impulsado por las tecnologías disruptivas, el mundo de los datos, que se transforma rápidamente, exige un nuevo enfoque en para la gestión locales y. 50.000

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO SECRETARÍA ARAGUA VENEZUELA

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO SECRETARÍA ARAGUA VENEZUELA REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD BICENTENARIA DE ARAGUA VICERRECTORADO ACADÉMICO SECRETARÍA ARAGUA VENEZUELA Carrera: Ingeniería Eléctrica Semestre: III Unidad Curricular: Estadística Código:

Más detalles

Capítulo 3. Fases de descubrimiento en bases de datos

Capítulo 3. Fases de descubrimiento en bases de datos Capítulo 3. Fases de descubrimiento en bases de datos 3.1 Sistema de gestión de bases de datos La elección del sistema de gestión de bases de datos no es una tarea fácil, si bien todos tienen un mismo

Más detalles

FUNCIÓN ADMINISTRATIVA EN CENTROS SANITARIOS

FUNCIÓN ADMINISTRATIVA EN CENTROS SANITARIOS FUNCIÓN ADMINISTRATIVA EN CENTROS SANITARIOS Código Nombre Categoría SN_0035 FUNCIÓN ADMINISTRATIVA EN CENTROS SANITARIOS DE SANIDAD PERSONAS DEPENDIENTES Duración DEPENDIENTE 80 HORAS Y SU ENTORNO Modalidad

Más detalles

Bases de Datos Avanzadas Introducción Curso Maestría

Bases de Datos Avanzadas Introducción Curso Maestría Bases de Datos Avanzadas Introducción Curso Maestría Por Elizabeth León Guzmán, Ph.D. Profesora Asociada Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda 1. Qué son Bases de Datos? Datos, Información,

Más detalles

BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN

BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN BASES DE DATOS TEMA 3 MODELO ENTIDAD - RELACIÓN 3.3 Aplicaciones Definición de Aplicación (Application). Programa informático que permite a un usuario utilizar una computadora con un fin específico. Las

Más detalles

Diseño y fabricación digital. Susanna Tesconi

Diseño y fabricación digital. Susanna Tesconi Diseño y fabricación digital. Susanna Tesconi Actividad desarrollada el marco del Programa de prevención de abandono escolar de la dirección general de formación profesional, desarrollo curricular e innovación.

Más detalles

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento

Más detalles

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business

Más detalles

Fundamentos de Data Warehouse

Fundamentos de Data Warehouse Mendez, A., Mártire, A., Britos, P. Y Garcia-Martínez, R. Centro de Actualización Permanente en Ingeniería del Software Escuela de Postgrado Instituto Tecnológico de Buenos Aires Av. Eduardo Madero 399

Más detalles

HISTORIA DE LAS B.D.

HISTORIA DE LAS B.D. BASE DE DATOS HISTORIA DE LAS B.D. Tuvieron sus orígenes en 1960-1962, cuando se empezaron a usar las maquinas que codificaban la información en tarjetas perforadas por medio de agujeros. Las bases de

Más detalles

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,

Más detalles

Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos

Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos Unidad I: Sistemas Gestores de Bases de Datos. 1.1 Objetivo de las Bases de Datos Redundancia e inconsistencia de datos: Puesto que los archivos que mantienen almacenada la información son creados por

Más detalles

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN

Más detalles