IIC Sistemas Recomendadores
|
|
- Nicolás Mariano Márquez Castilla
- hace 8 años
- Vistas:
Transcripción
1 Ranking & UB-CF IIC Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 19
2 TOC En esta clase 1. Definición y un poco de Historia 2. Ranking No Personalizado 3. User-Based Collaborative Filtering 4. Referencias 2/19 Page 2 of 19
3 Definición Recommender Systems aim to help a user or a group of users in a system to select items from a crowded item or information space. (MacNee et. al 2006) R. Burke tenía su propia definición, similar a esta, pero agregaba...in a personalized way. El problema de recomendación formalizado (Adomavicius et al. 2007) c C, = argmax u(c, s) s c s S u : C S R, funcion de utilidad R : conjunto recomendado de items C : conjunto de usuarios S : conjunto de items 3/19 Page 3 of 19
4 1. Un Poco de Historia 4/19 Page 4 of 19
5 1.1 En 1992 Xerox PARC Tapestry Link to PDF file 5/19 Page 5 of 19
6 1.2 MovieLens 6/19 Page 6 of 19
7 NetFlix Prize ( ) 7/19 Page 7 of 19
8 1.3 Netflix en 2012 Link to Amatriain /19 Page 8 of 19
9 1.3 Netflix en 2012 (continuación) 9/19 Page 9 of 19
10 Ranking no personalizado (Blog de Evan Miller, 2009) 1. Popularidad. 2. Score: (Ratings Positivos) - (Ratings Negativos) 3. Score: (Rating Promedio) = (Ratings Positivos)/(Total de Ratings) 4. Score: Considerando Ratings positivos y negativos, Limite inferior del Intervalo de Confianza del Wilson Score, para un parámetro Bernoulli. pˆ z α/2 (1 α/2) n α Donde es la proporción (estimada) de ratings positivos, es el cuantil de la distribución normal, y el número de ratings., también llamado nivel de significancia estadístico, generalmente se considera 95%. 10/19 Page 10 of 19
11 Clasificacion(es) 1. Considerando los Datos usados 1. Basado en Reglas (Rule-based) 2. Basado en Contenido (Content-based) 3. Filtrado Colaborativo (el usuario y sus vecinos) 2. Considerando el Modelo 1. Memory-based (KNN) 2. Model-based (Representación latente) 11/19 Page 11 of 19
12 Filtrado Colaborativo basado en el usuario Dos tareas son necesarias: KNN: Encontrar los K vecinos más cercanos (KNN) al usuario a: a j Predecir el rating que un usuario dará a un ítem : Similaridad(a, i) = w(a, i), i K n p a,j = vˉa + α w(a, i)( v ) i,j vˉi i=1 12/19 Page 12 of 19
13 Ejemplo: Correlación de Pearson 13/19 Page 13 of 19
14 Ejemplo: Correlación de Pearson SOLUCION 14/19 Page 14 of 19
15 Ejemplo: Correlación de Pearson 15/19 Page 15 of 19
16 Ejemplo Paso 2: Predicción del rating 16/19 Page 16 of 19
17 Ejemplo Paso 2: Predicción del rating SOLUCION 17/19 Page 17 of 19
18 Ejemplo Paso 2: Predicción del rating 18/19 Page 18 of 19
19 Referencias Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. Knowledge and Data Engineering, IEEE Transactions on, 17(6), Amatriain, X. (2013). Mining large streams of user data for personalized recommendations. ACM SIGKDD Explorations Newsletter, 14(2), Miller, B. N., Albert, I., Lam, S. K., Konstan, J. A., & Riedl, J. (2003, January). MovieLens unplugged: experiences with an occasionally connected recommender system. In Proceedings of the 8th international conference on Intelligent user interfaces (pp ). ACM. Parra, D., & Sahebi, S. (2013). Recommender systems: Sources of knowledge and evaluation metrics. In Advanced Techniques in Web Intelligence-2 (pp ). Springer Berlin Heidelberg. 19/19 Page 19 of 19
IIC 3633 - Sistemas Recomendadores
Recomendador Slope One IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 16 TOC En esta clase 1. Resumen últimas clases 2. Control de lectura próxima semana y
Más detallesIIC Sistemas Recomendadores
Sistemas Recomendadores Híbridos IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 33 Memo del Semestre Tarea 1: Deadline el Jueves 17 de Septiembre. Lecturas
Más detallesSistemas Híbridos de Recomendación. IIC3633 RecSys 2do semestre 2014 23 de Sep=embre Denis Parra
Sistemas Híbridos de Recomendación IIC3633 RecSys 2do semestre 2014 23 de Sep=embre Denis Parra Resumen Mo=vacion Clasificación General Modelos de Hibridización Ejemplos Mo=vación Diferentes métodos =enen
Más detallesIIC 3633 - Sistemas Recomendadores
Filtrado Basado en Contenido II IIC 3633 Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 14 Memo del Semestre Tarea 1: Deadline el Jueves 17 de Septiembre. Lecturas en
Más detallesIIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 16 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesRecuperación de información desde diferentes perspectivas
Recuperación de información desde diferentes perspectivas Grupo de Ingeniería Telemática Facultad de Informática Universidade de A Coruña Diego Fernández, Víctor Carneiro, Francisco Novoa, Xacobe Macía
Más detallesAnálisis de Métricas de Similaridad Usadas en un Algoritmo de Filtro Colaborativo Basado en el Usuario Para Recomendar Materias de Pregrado
Análisis de Métricas de Similaridad Usadas en un Algoritmo de Filtro Colaborativo Basado en el Usuario Para Recomendar Materias de Pregrado Del Pino, J.; Salazar, G.; Cedeño, V. Msc. Facultad de Ingeniería
Más detallesIIC Sistemas Recomendadores
Filtrado Basado en Contenido II IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 22 TOC En esta clase 1. Representación y Aprendizaje del Modelo de Usuario 1.
Más detallesFactorización Matricial en Sistemas Recomendadores Clase de Introducción. Denis Parra 22 de Sep;embre de 2015
Factorización Matricial en Sistemas Recomendadores Clase de Introducción Denis Parra 22 de Sep;embre de 2015 TOC Contexto Métodos de vecindario y de factores latentes El NeIlix Prize Yehuda Koren & Chris
Más detallesIIC Sistemas Recomendadores
Filtrado Basado en Contenido IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 28 Lo que Queda del Semestre Tarea 1: Deadline el Lunes 5 de Septiembre. 2/28 Page
Más detallesIntroducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012
Introducción a selección de atributos usando WEKA Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012 Contenido 1 Introducción a WEKA El origen Interfaces
Más detallesIIC Sistemas Recomendadores
Filtrado Basado en Contenido IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 27 Lo que Queda del Semestre Tarea 1: Deadline el Jueves 17 de Septiembre. Lecturas
Más detallesReglas de Asociación. Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid
Reglas de Asociación Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Reglas Proposicionales: Reglas de Clasificación Descripción de instancias:
Más detallesGrupo 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 detallesIIC Sistemas Recomendadores. Denis Parra Profesor Asistente, DCC, PUC CHile
Métricas de Evaluación IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile TOC En esta clase 1. Prediccion de Ratings: MAE, MSE, RMSE 2. Evaluacion via Precision-Recall 3.
Más detallesIIC Sistemas Recomendadores. Denis Parra Profesor Asistente, DCC, PUC CHile
Recomendador Slope One IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile TOC En esta clase 1. Resumen últimas clases 2. Recomendador Slope One 3. Ejemplo pequeño 2/14 Resumen
Más detallesMáquinas de Factorización { Factorization Machines (FM) } Denis Parra Sistemas Recomendadores IIC do semestre de 2016
Máquinas de Factorización { Factorization Machines (FM) } Denis Parra Sistemas Recomendadores IIC 3633 2do semestre de 2016 Agenda Semestral En esta clase Sugerencias para presentar Proyecto Final Factorization
Más detallesIIC Sistemas Recomendadores - PUC Chile. Denis Parra Profesor Asistente, DCC, PUC CHile
Recomendación Basada en Contexto IIC 3633 Sistemas Recomendadores PUC Chile Denis Parra Profesor Asistente, DCC, PUC CHile Memo del Semestre Sitio web fue actualizado. Presentaciones de estudiantes ya
Más detallesIntegrando 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 detallesOLAP 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 detallesPersonalización de Sistemas de Recomendación
Personalización de Sistemas de Recomendación Francisco J. García 1, Ana B. Gil 1 1 Dpto. Informática y Automática Universidad de Salamanca Facultad de Ciencias, Plaza de la Merced S/N, 37008, Spain {fgarcia,
Más detallesIIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 11 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesClasificación Bayesiana de textos y páginas web
Clasificación Bayesiana de textos y páginas web Curso de doctorado: Ingeniería Lingüística aplicada al Procesamiento de Documentos Víctor Fresno Fernández Introducción Enorme cantidad de información en
Más detallesLa Temporalidad en los Sistemas de Recomendación: Una revisión actualizada de propuestas teóricas
La Temporalidad en los Sistemas de Recomendación: Una revisión actualizada de propuestas teóricas Pedro G. Campos 1,2 and Fernando Díez 1 1 Escuela Politécnica Superior, Universidad Autónoma de Madrid,
Más detallesIIC3633 Sistemas Recomendadores Functional Matrix Factorizations for Cold-Start Recommendation. Juan Navarro
IIC3633 Sistemas Recomendadores Functional Matrix Factorizations for Cold-Start Recommendation Juan Navarro Referencia Zhou, K., Yang, S., and Zha, H. Functional matrix factorizations for cold-start recommendation.
Más detallesExplotación del B2B y segmentación de la clientela
Explotación del B2B y segmentación de la clientela Algoritmos de recomendación en R Sesión 4. 24/10/2018 A.M.Mayoral (asun.mayoral@umh.es), J.Morales (j.morales@umh.es) Explotación del B2B y segmentación
Más detallesPropuesta para el Diseño de un Modelo de Recomendación de Objetos de Aprendizaje
Propuesta para el Diseño de un Modelo de Recomendación de Objetos de Aprendizaje Citlali Nieves-Guerrero and Víctor Menéndez-Domínguez Facultad de Matemáticas, UADY, Periférico Norte. 13615, 97110 Mérida,
Más detallesIIC Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 20 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesTemas Selectos de Programación II
Temas Selectos de Programación II Métricas de Procesos de Software Jorge Moisés Trejo Vargas Maestría en Ciencias de la Computación Outline Introducción Procesos de Software Definición Métricas Programas
Más detallesSistema de Reglas VERSIÓN 0.3. Dirigido a: Ingeniera luisa Fernanda barrera león. Autor: Katherine Espíndola Buitrago
Sistema de Reglas VERSIÓN 0.3 Dirigido a: Ingeniera luisa Fernanda barrera león Autor: Katherine Espíndola Buitrago PONTIFICIA UNIVERSIDAD JAVERIANA Departamento de ingeniería de sistemas Bogotá, Colombia
Más detallesNueva Plataforma BVS New VHL Platform
II Encuentro de Desarrolladores de las Redes BVS, SciELO y ScienTI II Meeting of Developers from VHL, SciELO and ScenTI networks Rio de Janeiro - 15 Septiembre, 2008 Nueva Plataforma BVS New VHL Platform
Más detallesDavid Jordi Vallet Weadon. <david.vallet@uam.es>
David Jordi Vallet Weadon 1 Introducción Durante las últimas décadas, la personalización ha sido aplicada en diferentes campos de la informática, tanto en la rama científica como
Más detallesRecomendación Contextual. Denis Parra Sistemas Recomendadores IIC 3633 2do Semestre 2015
Recomendación Contextual Denis Parra Sistemas Recomendadores IIC 3633 2do Semestre 2015 Agenda Semestral Temas de Recomendación por Revisar Evaluación centrada en el usuario (transparency, explainability,
Más detallesEstableciendo 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 detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesAnálisis de Performance y Calidad de Servicio en Redes de Datos
Análisis de Performance y Calidad de Servicio en Redes de Datos Luis Marrone LINTI UNLP 15 de julio de 2014 Objetivo El crecimiento vertiginoso de las tecnologías de redes de datos en todos sus niveles
Más detallesAmpliando el apoyo ofrecido por las plataformas de e-learning mediante un servicio de recomendaciones
Ampliando el apoyo ofrecido por las plataformas de e-learning mediante un servicio de recomendaciones Olga C. Santos Directora Técnica de I+D Grupo de Investigación Universidad Nacional de Educación a
Más detallesEstimación de Tamaño de Software: Puntos Funcionales. Grupo de Construcción de Software Facultad de Ingeniería Universidad de los Andes
Estimación de Tamaño de Software: Puntos Funcionales Grupo de Construcción de Software Facultad de Ingeniería Universidad de los Andes Puntos de Función Métrica para cuantificar la funcionalidad de un
Más detallesIIC Sistemas Recomendadores - PUC Chile
Factorización Matricial para RecSys IIC 3633 - Sistemas Recomendadores - PUC Chile Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 35 Memo del Semestre Tarea 1: Deadline nuevo, Jueves 8 de Septiembre.
Más detallesCentro de Investigación en Matemáticas, A.C.
Centro de Investigación en Matemáticas, A.C. Temas Selectos de Programación Avanzada II (Temas Selectos de Ingeniería de Software) Reporte Final Métricas de Procesos de Software Maestría en Ciencias de
Más detallesWeka 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 detallesMinería 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 detallesOL-RadioUJA. Ampliación de Funcionalidades
II JORNADAS ANDALUZAS DE INFORMÁTICA, JAI2011 63 OL-RadioUJA. Ampliación de Funcionalidades M. Espinilla, I. Palomares y D. Parras Universidad de Jaén. Departamento de Informática Campus Las Lagunillas
Más detallesVizier: un framework para recomendar productos/servicios de manera genérica y multidimensional
1 Vizier: un framework para recomendar productos/servicios de manera genérica y multidimensional Andrea Barraza-Urbina Pontificia Universidad Javeriana abarraza@javeriana.edu.co Resumen Angela Carrillo-Ramos
Más detallesRECOMENDACIÓN DE PERFILES ACADÉMICOS MEDIANTE ALGORITMOS COLABORATIVOS BASADOS EN EL EXPEDIENTE
Conferência IADIS Ibero-Americana WWW/Internet 2007 RECOMENDACIÓN DE PERFILES ACADÉMICOS MEDIANTE ALGORITMOS COLABORATIVOS BASADOS EN EL EXPEDIENTE Emilio J. Castellano Universidad de Jaén Campus de las
Más detallesPREPROCESADO DE DATOS PARA MINERIA DE DATOS
Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado
Más detallesFactorización Matricial en Sistemas Recomendadores Clase de Introducción. Denis Parra 30 de Sep<embre de 2014
Factorización Matricial en Sistemas Recomendadores Clase de Introducción Denis Parra 30 de Sep
Más detallesA continuación se describe con mayor detalle cada una de las unidades: UNIDAD 2: Calidad en el desarrollo, adquisición, operación y mantenimiento del
1. OBJETIVOS: Incorporar los conceptos de indicador, métrica, medida, escala de medición, y proceso de medición. Entender la importancia de los indicadores de desempeño de procesos, su medición y seguimiento.
Más detallesIntroducción al DataMining
Introducción al DataMining Lluís Garrido garrido@ecm.ub.es Universitat de Barcelona Índice Qué es el DataMining? Qué puede hacer el DataMining? Cómo hacer el DataMining? Técnicas Metodología del DataMining
Más detalles2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS
2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS Autores: 142-2-12.08 242 OBJETIVO Proceedings del XXIX Encuentro Nacional de Facultades de Administración
Más detallesALGORITMOS DE OPTIMIZACIÓN BASADOS
ALGORITMOS DE OPTIMIZACIÓN BASADOS EN INTELIGENCIA COLECTIVA M. en C. Miriam Pescador Rojas Estudiante de Doctorado Departamento de Ciencias de la Computación Centro de Investigación y Estudios Avanzados
Más detalleshttp://portal.acm.org
Association for Computing Machinery (ACM) Mark Mandelbaum, Director of Publications ACM Digital Library and its contributions to the technological development SYSTEMS link International Mauricio Caceres
Más detallesImplantación y evaluación de un recomendador social de canciones
Escola Tècnica Superior d Enginyeria Informàtica Universitat Politècnica de València Implantación y evaluación de un recomendador social de canciones Trabajo Fin de Grado Grado en Ingeniería Informática
Más detallesUniversidad de Granada
Universidad de Granada Depto. de Ciencias de la Computación e Inteligencia Artificial Modelos de Recomendación Basados en Redes Bayesianas MEMORIA QUE PRESENTA Miguel Ángel Rueda Morales PARA OPTAR AL
Más detallesArquitectura de un Sistema Recomendador
DCIC SR: Situación de Aplicabilidad Sistemas de Recomendación y Personalización Necesito información de películas, pero... por dónde empiezo?? Hay tanta información!! Hey! Yo te puedo recomendar:... Viviana
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesSNOLA - webinar "Aplicación de Técnicas Cuantitativas para el Análisis de Datos Educacionales"
SNOLA - webinar "Aplicación de Técnicas Cuantitativas para el Análisis de Datos Educacionales" Pedro J. Muñoz-Merino e-mail: pedmume@it.uc3m.es, Twitter: @pedmume Universidad Carlos III de Madrid, Spain
Más detallesOrganización de objetos del sistema TANGOW: creación y seguimiento de cursos adaptativos a través de Internet
Carro, R.M., Moriyón, R., Pulido, E. and Rodríguez, P. (2000): Organización de objetos del sistema TANGOW: creación y seguimiento de cursos adaptativos a través de Internet. Interacción 2000. Actas de
Más detallesPrimera Aproximación para un Instrumento de Cernimiento de Autismo y de Validación en Puerto Rico
Primera Aproximación para un Instrumento de Cernimiento de Autismo y de Validación en Puerto Rico Yahaira I. Rosario Morales, Dr. Luis R. Pericchi Guerra, colaboración del personal de FILIUS y el Dr. Linares
Más detallesSistemas de recuperación de información en la Web: Nuevos servicios de búsqueda y recuperación colaborativa. María Dolores Olvera-Lobo molvera@ugr.
Sistemas de recuperación de información en la Web: Nuevos servicios de búsqueda y recuperación colaborativa María Dolores Olvera-Lobo molvera@ugr.es Características de la información en la Web: Los retos
Más detallesBases de datos y bases de conocimiento
Bases de datos y bases de conocimiento MSC-0202 Nombre de la asignatura: Bases de datos y bases de conocimiento Línea de trabajo: Tecnologías Web Tiempo de dedicación del estudiante a las actividades de:
Más detallesServicio de Apoyo a la Investigación. Tutorial EndNoteWeb
Servicio de Apoyo a la Investigación Tutorial EndNoteWeb I AÑADIR REFERENCIAS. LA PESTAÑA COLLECT Collect es la pestaña que se utiliza para añadir referencias a nuestra biblioteca. Se pueden añadir hasta
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID ECONOMETRIA PRIMER PARCIAL 17 DE ENERO DE 2008 1.- A) La transformación estacionaria es SOLUCIONES
Más detallesRecomendación de objetos de aprendizaje almacenados en repositorios lor@server según las preferencias del usuario.
Recomendación de objetos de aprendizaje almacenados en repositorios lor@server según las preferencias del usuario. Neili Machado García Departamento de Informática Universidad Agraria de La Habana La Habana,
Más detallesUn Enfoque de Red Social para Identificar Sospechosos Policiales Claves
Un Enfoque de Red Social para Identificar Sospechosos Policiales Claves Fredy Troncoso 1 Richard Weber 2 1 Doctorado Sistemas de Ingeniería, Facultad de Ciencias Físicas y Matemáticas Universidad de Chile
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesicemd @icemd linkd.in/icemd CanalICEMD icemd ICEMD El Nuevo SEO Social Santiago Hermosa Martin, Director General de
icemd @icemd linkd.in/icemd CanalICEMD icemd ICEMD El Nuevo SEO Social Santiago Hermosa Martin, Director General de Presentación Licenciado en Periodismo por la UCM y Diploma en Database Web Programming
Más detallesTEMA 5 ESTUDIOS CORRELACIONALES.
TEMA 5 ESTUDIOS CORRELACIONALES. 1. INTRODUCCIÓN. 2. CONCEPTO DE CORRELACIÓN. 3. CASOS EN LOS QUE SE UTILIZA LA INVESTIGACIÓN CORRELACIONAL. 4. LIMITACIONES DE LOS ESTUDIOS CORRELACIONALES 1 1. INTRODUCCIÓN.
Más detallesArquitectura para gestionar Big Data en Sistemas de Recomendaciones
Arquitectura para gestionar Big Data en Sistemas de Recomendaciones sensibles al contexto Dra. Tatiana Delgado Fernández tdelgado@ind.cujae.edu.cu Instituto Superior Politécnico José Antonio Echeverría,
Más detallesImportar referencias desde bases de datos a RefWorks
Área de Biblioteca Sección de Información y Referencia Importar referencias desde bases de datos a RefWorks Guía rápida para importar datos de referencias bibliográficas en RefWorks desde distintas bases
Más detallesEvaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial
Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de
Más detallesCONSIDERACIONES 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 detallesPropuesta de Proceso de Ingeniería de Explotación de Información Centrado en Control y Gestión del Proyecto
Propuesta de Proceso de Ingeniería de Explotación de Información Centrado en Control y Gestión del Proyecto Sebastian Martins 1,2, Patricia Pesado 1,3, Ramón García-Martínez 2 1. Programa de Doctorado
Más detallesWEB 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 detallesÁrea Académica: Sistemas Computacionales. Tema: Introducción a almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas
Área Académica: Sistemas Computacionales Tema: Introducción a almacén de datos Profesor: Mtro Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords Almacén de Datos, Datawarehouse, Arquitectura
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesAprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur
Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA Ricardo Aler Mur SELECCIÓN DE INSTANCIAS Hay instancias supérfluas: no son necesarias para clasificar. Si las borramos, se
Más detallesHerramienta inteligente para la toma de decisiones basada en Minería de Datos.
Herramienta inteligente para la toma de decisiones basada en Minería de Datos. Alberto Ochoa-Zezzatti 1,2, Guillermo Romo 1, Francisco Bañuelos 1, Kyra Mendhizavili 3, Halina Iztebegovič 4 & Shayera Hal
Más detallesGestión y Administración de proyectos
Gestión y Administración de proyectos Aplicación a las bibliotecas, archivos y centros de documentación José Pino Díaz jose.pino.diaz@juntadeandalucia.es jpinod@uma.es Proyecto (Mapas mentales con http://www.wikimindmap.org/)
Más detallesAprendizaje, hallazgo y satisfacción en un sistema de recomendación en turismo. Lama 2. Dept. de Electrónica y Computación.
Aprendizaje, hallazgo y satisfacción en un sistema de recomendación en turismo. Jasur Ismoilov 1, Fernando Sánchez-Vilas 1, Fabián P.Lousame 1, Eduardo Sánchez 2 y Manuel Lama 2 Dept. de Electrónica y
Más detallesEvaluación e Integración de Toma de Decisiones en Sistemas de Recomendación. Autor: Rus María Mesas Jávega Tutor: Alejandro Bellogín Kouki
Evaluación e Integración de Toma de Decisiones en Sistemas de Recomendación Autor: Rus María Mesas Jávega Tutor: Alejandro Bellogín Kouki Índice Introducción Estado del Arte Toma de Decisiones en Algoritmos
Más detallesGADE E.R.P. LAS NOVEDADES DE LA VERSIÓN GADEFAC 15.0 SON:
LAS NOVEDADES DE LA VERSIÓN GADEFAC 15.0 SON: La principal novedad en la versión 15.0 del Gadefac es la introducción del CRM, con el fin de que cada comercial pueda controlar la información y estadísticas
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesJOSÉ OCTAVIO GUTIÉRREZ GARCÍA
JOSÉ OCTAVIO GUTIÉRREZ GARCÍA Profesor de Tiempo Completo del Departamento Académico de Computación DOMICILIO Río Hondo No. 1 Progreso Tizapán México 01080, D.F. Tel: +52 (55) 5628-4000 Ext. 3645 Fax:
Más detallesRClimTool MANUAL DEL USUARIO
RClimTool MANUAL DEL USUARIO Lizeth Llanos Herrera, estudiante de Estadística Esta herramienta ha sido diseñada para el apoyo, automatización de procesos y análisis de series climáticas dentro del convenio
Más detallesOPTATIVA 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 detallesTESI DE MÀSTER. Sistemas de recomendación para webs de información sobre la salud. ESTUDIANT: Miguel Seguido Font. DIRECTOR: Carles Farré
TESI DE MÀSTER Sistemas de recomendación para webs de información sobre la salud ESTUDIANT: Miguel Seguido Font DIRECTOR: Carles Farré DATA: 23 de Junio del 2009 2 "Silent gratitude isn't much use to anyone."
Más detallesTécnicas eficientes para la recomendación de productos basadas en filtrado colaborativo
Técnicas eficientes para la recomendación de productos basadas en filtrado colaborativo Tesis de doctorado Vreixo Formoso López Departamento de Tecnoloxías da Información e as Comunicacións Universidade
Más detallesFundamentos 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 detallesCURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS
MANAGEMENT CONSULTORES CURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar
Más detallesUNIDAD DE ENSEÑANZA APRENDIZAJE INGENIERÍA DE SOFTWARE II OBL.( ) OPT.( X ) SERIACIÓN AUTORIZACIÓN
1 5 UNIDAD IZTAPALAPA DIVISIÓN CBI POSGRADO EN CIENCIAS Y TECNOLOGÍAS DE LA INFORMACIÓN TRIMESTRE II AL VI CLAVE UNIDAD DE ENSEÑANZA APRENDIZAJE CRÉDITOS 215654 INGENIERÍA DE SOFTWARE II OBL.( ) OPT.(
Más detallesRelación entre variables cuantitativas
Investigación: Relación entre variables cuantitativas 1/8 Relación entre variables cuantitativas Pita Fernández S., Pértega Díaz S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario
Más detallesAÑO 7 N 6 OCTUBRE 2014 APORTE PÚBLICO E INGRESO DEL HOGAR REGIÓN DEL MAULE
0 AÑO 7 N 6 OCTUBRE 2014 APORTE PÚBLICO E INGRESO DEL HOGAR REGIÓN DEL MAULE 1 APORTE PÚBLICO E INGRESO DEL HOGAR En la región el aporte público al ingreso del hogar de los hogares más ricos es más del
Más detallesTema 5.2: Tecnología Comercio Electrónico B2C
Tema 5.2: Tecnología Comercio Electrónico B2C Tecnologías B2C (1) Se han desarrollado diversas herramientas tecnológicas para ayudar a compradores y/o vendedores durante el proceso de compra B2C. A menudo,
Más detallesProblemas. Intervalos de Confianza y Contrastes de Hipótesis
Problemas. Intervalos de Confianza y Contrastes de Hipótesis Ejemplos resueltos y propuestos Intervalos de Confianza Variable Nomal en la población Se selecciona una muestra de tamaño n de una población
Más detallesELABORACION DE MODELOS PARA LA IDENTIFICACION DE FACTORES CRITICOS DE EXITO, ANALISIS Y MITIGACION DE RIESGOS DE PROYECTOS EN DESARROLLO DE SOFTWARE
CONICYT: Repositorio Institucional: Ficha de Iniciativa de CIT (Ciencia, Tecnología e Innovación) 1 FONDECYT-REGULAR - 2003-1030785 ELABORACION DE MODELOS PARA LA IDENTIFICACION DE FACTORES CRITICOS DE
Más detallesLas interfaces de usuario están evolucionando hacia interfaces de
Descripción Formal de Propiedades Esenciales de las Interfaces de Usuario Distribuidas 1 Interfaces de Usuario Distribuidas. Resumen El concepto tradicional de interfaz de usuario está cambiando debido
Más detalles2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES
2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1 Se ha medido el volumen, X, y la presión, Y, de una masa gaseosa y se ha obtenido: X (litros) 1 65 1 03 0 74 0 61 0 53 0 45 Y (Kg/cm 2 ) 0 5 1 0 1 5 2 0 2 5 3
Más detalles