EPB 603 Sistemas del Conocimiento
|
|
- Miguel Ángel Duarte Serrano
- hace 8 años
- Vistas:
Transcripción
1 EPB Sistemas del Conocimiento Dr. Oldemar Rodríguez R. Maestría en Administración de la Tecnología de la Información Escuela de Informática Universidad Nacional Capítulo Método K-Means (Nubes Dinámicas)
2 Tareas de la Minería de Datos Clustering : (clasificación no supervisada, aprendizaje no supervizado): Es similar a la clasificación (discriminación), excepto que los grupos no son predefinidos. El objetivo es particionar o segmentar un conjunto de datos o individuos en grupos que pueden ser disjuntos o no. Los grupos se forman basados en la similaridad de los datos o individuos en ciertas variables. Como los grupos no son dados a priori el experto debe dar una interpretación de los grupos que se forman. Métodos: Clasificación Jerárquica (grupos disjuntos). Nubes Dinámicas k-means (grupos disjuntos). Clasificación Piramidal (grupos NO disjuntos). Cluster Analysis Objetivo: Obtener clases lo más homogéneas posibles y tal que estén suficientemente separadas.
3 The K-Means Clustering Method (nubes dinámicas) Criterio de la inercia
4 Ejemplo: Estudiantes Ver NotasEscolaresExcelKMeans.xlsx Definiciones Inercia total de la nube de puntos: Inercia inter-clases clases, es decir la inercia de los centros de gravedad respecto al centro de gravedad total:
5 Inercia intra-clases clases, es decir la inercia al interior de cada clase: Teorema: Igualdad de Fisher Inercia total = Inercia inter-clases + Inercia intra-clases
6 Ejemplo: Estudiantes Ver NotasEscolaresExcelKMeans.xlsx Objetivo: Se quiere que B(P) sea máxima y W(P) sea mínima Como la inercia I(P) es fija, dada la nube de puntos, entonces al maximizar B(P) se minimiza automáticamente W(P). Por lo tanto, los dos objetivos (homogeneidad al interior de las clases y separación entre las clases) se alcanzan al mismo tiempo al querer minimizar W(P).
7 Problema combinatorio Es necesario hacer notar que, cuando se quiere obtener una partición en K clases de un conjunto con n individuos, no tiene sentido examinar todas las posibles particiones del conjunto de individuos en K clases. En efecto, se está en presencia de un problema combinatorio muy complejo; sólo para efectos de ilustración, mencionemos que el número de particiones en clases de un conjunto con elementos es aproximadamente, y para elementos en clases anda por. Objetivo del Método K-means Así, el objetivo en el método de K-means es encontrar una partición P de Ω y representantes de las clases, tales que W(P) sea mínima.
8 Método de k-medias Existe un poco de confusión en la literatura acerca del método de las k-medias, ya que hay dos métodos distintos que son llamados con el mismo nombre. Originalmente, Forgy propuso en un primer método de reasignación-recentraje que consiste básicamente en la iteración sucesiva, hasta obtener convergencia, de las dos operaciones siguientes:. Representar una clase por su centro de gravedad, esto es, por su vector de promedios.. Asignar los objetos a la clase del centro de gravedad más cercano.
9 The K-Means Clustering Method (nubes dinámicas) McQueen propone un método muy similar, donde también se representan las clases por su centro de gravedad, y se examina cada individuo para asignarlo a la clase más cercana. La diferencia con el método de Forgy es que inmediatamente después de asignar un individuo a una clase, el centro de ésta es recalculado, mientras que Forgy primero hacía todas las asignaciones y luego recalculaba los centros. Variantes del método de Forgy son propuestas en Francia como Método de Nubes Dinámicas por E. Diday a partir en. Es McQueen quien propone el nombre k-means, que se usa hasta la fecha, aún si estos métodos también reciben nombres como nubes dinámicas, centros móviles, o reasignación-recentraje.
10 Método de Forgy Algoritmo: K-means
11 Algoritmo: K-means Ejemplo de las notas escolares
12 K-Means SQL Analysis Service. One of the most important differentiators in a clustering algorithm is how the algorithm decides how to assign cases (individuos) to clusters. The Microsoft Clustering algorithm allows two distinct methods of cluster assignment: K- means and expectation maximization (EM).. The K-means algorithm assigns cluster membership by means of distance.. The EM algorithm uses a probabilistic measure, rather than a strict distance measure, to determine which objects belong to which clusters.. Scalable Clustering: One of the problems in clustering data is that to determine the appropriate segmentation requires multiple iterations over the training dataset. In small datasets this is not a problem, because iterating over data in memory is very fast. After the data grows to the point where it can no longer fit into memory, the performance of clustering degrades to the point where it is no longer feasible to continue computing. In this case, you have a scalable framework for clustering that allows you to efficiently cluster datasets regardless of the size of the data. Parámetros en Microsoft Clustering
13 Parámetros en Microsoft Clustering. Clustering_Method indicates which algorithm is used to determine cluster membership. The possible values for this parameter are: Scalable EM (default) Non-scalable EM Scalable K-means Non-scalable K-means. Cluster_Count is the K in K-means it would also be the K in EM, if EM had a K. Cluster_Count indicates to the algorithm how many clusters to find. The default value is.. Minimum_Support controls when a cluster is considered empty and it is discarded and reinitialized. Usually, you will not need to modify this parameter, except in certain cases when business rules apply. For example, for privacy reasons you may not want to create clusters smaller than people.. Modelling_Cardinality controls how many candidate models are generated during clustering. Reducing this value will increase performance, at the potential cost of reducing accuracy. The default value is. Parámetros en Microsoft Clustering. Stopping_Tolerance is used by the algorithm to determine when a model has converged. It represents the maximum number of cases (individuos) that can change membership before you consider a model to have converged. The default value is.. Sample_Size indicates the number of cases (individuos) used in each step of the scalable framework. The default value is,.. Cluster_Seed is the random number seed (semilla) used to initialize the clusters. The default value is.. Maximum_Input_Attributes controls how many of the attributes (variables) considered for clustering are allowed before automatic feature selection is invoked. The default value is.. Maximum_States controls how many states (modalidades) one particular attribute can have. The default value is.
14 K-Means SQL Analysis Service. Ver el documento SQL Analysis Service User Guide Spanish.pdf para una guía completa sobre como crear un proyecto de Minería de Datos en SQL Analysis Service. Data Source pointing to the database. Data Source View including DimProduct, FactResellerSales and FactInternetSales. Ejemplo: Estudiantes
15 OJO OJO
16 Mejores en Matemática, más azul.
17 Ejemplo completo Bancos Centroamericanos. Descripción de la Base Datos: a. En el año, como parte de un estudio anual sobre la banca centroamericana, la revista SUMMA recopiló información sobre una serie de factores en bancos de la región. b. Las variables medidas fueron: Activos, Créditos, Depósitos, Valor Patrimonial, Ganancias, ROE (retorno sobre activos ) y ROA (retorno sobre el patrimonio). c. Los individuos son bancos centroamericanos, como BNCR, De Desarrollo Rural, Del País, Scotiabank Costa Rica, BAC El Salvador, BAC Guatemala, etc.
18
19
20 Gracias.
Método k-medias. [ U n a i n t r o d u c c i ó n ]
Método k-medias [ U n a i n t r o d u c c i ó n ] Método K-Means (Nubes Dinámicas) 0 3 4 5 6 7 8 9 0 0 3 4 5 6 7 8 9 0 0 3 4 5 6 7 8 9 0 0 3 4 5 6 7 8 9 0 0 3 4 5 6 7 8 9 0 0 3 4 5 6 7 8 9 0 0 3 4 5 6
Más detallesTareas de la Minería de Datos
Capítulo 7 Clasificación Bayesiana (Método de Naïve Bayes) Tareas de la Minería de Datos Clasificación (discriminación): Mapea o asocia individuos a grupos predefinidos (aprendizaje supervisado). Encuentra
Más detallesMinería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/
Minería de Datos Web 1 er Cuatrimestre 2015 Página Web http://www.exa.unicen.edu.ar/catedras/ageinweb/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs. As., Argentina http://www.exa.unicen.edu.ar/~dgodoy
Más detallesTareas de la minería de datos: agrupamiento. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: agrupamiento CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Agrupamiento Agrupamiento (clasificación no supervisada, aprendizaje no supervisado).
Más detallesEPB 603 Sistemas del Conocimiento
EPB 603 Sistemas del Conocimiento Dr. Oldemar Rodríguez R. Maestría en Administración de la Tecnología de la Información Escuela de Informática EIA411 EPB 603 - Minería Sistemas de del Datos Conocimiento
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Estadístico de Datos Climáticos Análisis de agrupamiento (o clusters) (Wilks, Cap. 14) Facultad de Ciencias Facultad de Ingeniería 2013 Objetivo Idear una clasificación o esquema de agrupación
Más detallesCreating your Single Sign-On Account for the PowerSchool Parent Portal
Creating your Single Sign-On Account for the PowerSchool Parent Portal Welcome to the Parent Single Sign-On. What does that mean? Parent Single Sign-On offers a number of benefits, including access to
Más detallesIntroducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina
Introducción al Data Mining Clases 5 Cluster Analysis Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Cluster Análisis 1 El término cluster analysis (usado por primera
Más detallesText 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 detallesCIMPA-UCR. Clasificación Automática
CIMPA-UCR Custer anaysis Anáisis de congomerados Anáisis tipoógico Anáisis de grupos Arboes aditivos Jerárquicos Particionamiento Piramidaes No disjuntos Difusos Método
Más detallesUniversidad de Guadalajara
Universidad de Guadalajara Centro Universitario de Ciencias Económico-Administrativas Maestría en Tecnologías de Información Ante-proyecto de Tésis Selection of a lightweight virtualization framework to
Más detallesProtección de Contenido en Microsoft Internet Explorer 6 y superior.
Protección de Contenido en Microsoft Internet Explorer 6 y superior. Para activar el Asesor de contenido, debe configurarse como Supervisor de contenido con una contraseña: 1) En el menú Herramientas de
Más detallesEste proyecto tiene como finalidad la creación de una aplicación para la gestión y explotación de los teléfonos de los empleados de una gran compañía.
SISTEMA DE GESTIÓN DE MÓVILES Autor: Holgado Oca, Luis Miguel. Director: Mañueco, MªLuisa. Entidad Colaboradora: Eli & Lilly Company. RESUMEN DEL PROYECTO Este proyecto tiene como finalidad la creación
Más detallesCarlos Martínez B. Hidrostática 1. Carlos Javier Bernal Avila. Lunes, 26 de octubre de 2009
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL INSTITUTO DE CIENCIAS FÍSICAS LABORATORIO DE FISICA B Profesor: Carlos Martínez B. Título de la práctica: Hidrostática 1 Nombre: Carlos Javier Bernal Avila Grupo
Más detallesUNAM ESCUELA NACIONAL DE ESTUDIOS PROFESIONALES CAMPUS ACATLAN TEMAS SELECTOS DE CÓMPUTO VILLANUEVA ARREGUÍN AZAEL
UNAM ESCUELA NACIONAL DE ESTUDIOS PROFESIONALES CAMPUS ACATLAN TEMAS SELECTOS DE CÓMPUTO VILLANUEVA ARREGUÍN AZAEL Mas a todos los que le recibieron, a los que creen en su nombre, les dio potestad de ser
Más detallesManual de configuración de Replicación Multimaster en servidores Ldap
Manual de configuración de Replicación Multimaster en servidores Ldap Preparación del Servidor de Replica Global o Máster. Configuración de las acl de los hijos. Configuración de la réplica. Configuración
Más detallesÁrea Académica: Escuela Superior Huejutla. Profesor: L.A. Ismael Bautista Hernández
Área Académica: Escuela Superior Huejutla Tema: Estructura Financiera Profesor: L.A. Ismael Bautista Hernández Periodo: Julio Diciembre 2011 Keywords: Estructura Financiera, Fuentes de financiamiento,
Más detallesGrammar Checker: Guía Básica
Grammar Checker: Guía Básica Grammar Checker ha sido diseñado para ayudar a estudiantes de inglés a detectar y corregir errores en su escritura Grammar Checker tiene el siguiente aspecto: Debes registrarte
Más detallesMétodos de la Minería de Datos
This is page i Printer: Opaue this Métodos de la Minería de Datos Dr. Oldemar Rodríguez Rojas de noviembre de 2005 ii Contents This is page iii Printer: Opaue this iv This is page v Printer: Opaue this
Más detallesLos futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.
Los futuros desafíos de la Inteligencia de Negocios Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.cl El Vértigo de la Inteligencia de Negocios CRM: Customer
Más detalles(PHP y APACHE), y el programa de comunicación Skype, para controlar de manera
Capítulo 4. Llamada Telefónica En este capítulo se explicará la manera en que se configuraron las herramientas web (PHP y APACHE), y el programa de comunicación Skype, para controlar de manera dinámica
Más detallesLos bloques DLL (Figura A.1) externos permiten al usuario escribir su propio código y
Apéndice A Bloques DLL Los bloques DLL (Figura A.1) externos permiten al usuario escribir su propio código y programarlo en lenguaje C, compilarlo dentro de un archivo DLL usando el Microsoft C/C++ o el
Más detallesFundamentos 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 detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesBases de datos. 1. Introducción
Bases de datos 1. Introducción Habitualmente, los programas trabajan con información que está en un fichero. Por ejemplo, nuestro simulador de tráfico aéreo trabaja con una lista de planes de vuelo que
Más detallesSCOP++ Lidar. Metodología de filtrado
SCOP++ Lidar. Metodología de filtrado 1 Contenido 1 Estrategia de filtrado y clasificación... 4 Eliminate Building Step (eliminación de edificios)... 5 Thin Out Step (reducción de densidad del fichero
Más detallesNubaDat An Integral Cloud Big Data Platform. Ricardo Jimenez-Peris
NubaDat An Integral Cloud Big Data Platform Ricardo Jimenez-Peris NubaDat Market Size 3 Market Analysis Conclusions Agenda Value Proposition Product Suite Competitive Advantages Market Gaps Big Data needs
Más detallesPROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008
PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 Problema 1 Marketing estimates that a new instrument for the analysis of soil samples will be very successful, moderately successful, or unsuccessful,
Más detallesMatemáticas Muestra Cuadernillo de Examen
Matemáticas Muestra Cuadernillo de Examen Papel-Lápiz Formato Estudiante Español Versión, Grados 3-5 Mathematics Sample Test Booklet Paper-Pencil Format Student Spanish Version, Grades 3 5 Este cuadernillo
Más detallesSegmentación Recursiva de Proyectos Software para la Estimación del Esfuerzo de Desarrollo Software
Segmentación Recursiva de Proyectos Software para la Estimación del Esfuerzo de Desarrollo Software J. Cuadrado Gallego 1, Miguel Ángel Sicilia 1, Miguel Garre Rubio 1 1 Dpto de Ciencias de la Computación,
Más detallesEL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO
EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,
Más detallesDiferenciabilidad. Definición 1 (Función diferenciable). Cálculo. Segundo parcial. Curso 2004-2005
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Diferenciabilidad. 1. Definición de función diferenciable Después del estudio de los ites de funciones
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesTUTORIAL DE PHP. M. en C. Erika Vilches. Parte 2. http://www.erikavilches.com
TUTORIAL DE PHP M. en C. Erika Vilches Parte 2 http://www.erikavilches.com Enunciados Condicionales Inicia con la palabra clave if seguida de una condición entre paréntesis $number = 5; if ($number < 10)
Más detallesMINERIA 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 detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesKaldeera Advanced Forms 2009 Guía del usuario
Kaldeera Advanced Forms 2009 Guía del usuario Indice Usando Kaldeera Advanced Forms 2009... 3 Accediendo a la página de configuración... 3 Activando o desactivando la funcionalidad de Kaldeera Advanced
Más detallesMANUAL EASYCHAIR. A) Ingresar su nombre de usuario y password, si ya tiene una cuenta registrada Ó
MANUAL EASYCHAIR La URL para enviar su propuesta a la convocatoria es: https://easychair.org/conferences/?conf=genconciencia2015 Donde aparece la siguiente pantalla: Se encuentran dos opciones: A) Ingresar
Más detalles1. Sign in to the website, http://www.asisonline.org / Iniciar sesión en el sitio, http://www.asisonline.org
Steps to Download Standards & Guidelines from the ASIS International Website / Pasos para Descargar los Standards & Guidelines de la Página Web de ASIS International 1. Sign in to the website, http://www.asisonline.org
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005
Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =
Más detallesProgramación Genética
Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,
Más detallesSecretaria Ejecutiva del Consejo de Ministros de Salud de Centroamérica y República Dominicana S E C O M I S C A
INFORME MISIÓN VISITA A INCAP EN GUATEMALA PARA PARTICIPAR EN EL PROCESO DE INSTALACIÓN Y CONFIGURACIÓN DE EQUIPOS Y HERRAMIENTAS DE SOFTWARE, Y PLANIFICACIÓN DEL PROCESO DE MIGRACIÓN DE SERVICIOS TECNOLÓGICOS
Más detallesBúsqueda Sistemática de Información
Depto. de Ing. de Sistemas e Industrial Universidad Nacional de Colombia, Bogotá Seminario de Investigación I Contenido Introducción 1 Introducción 2 3 4 Preguntas Claves al Comenzar un Proyecto de Investigación
Más detallesCONTROLADORA PARA PIXELS CONPIX
The LedEdit Software Instructions 1, Install the software to PC and open English version: When we installed The LedEdit Software, on the desktop we can see following icon: Please Double-click it, then
Más detallesTRAINING Complete one of the approved instructor-led online or inclass courses. PRIOR CERTIFICACIÓN. Oracle Database 11g Administrator
LA CERTIFICACIÓN ORACLE Las Certificaciones Oracle son hoy en día, la mejor credencial que puede ayudar al individuo para su reconocimiento en su puesto de trabajo. Así como para mejorar la carrera profesional
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesLa Video conferencia con Live Meeting
Página 1 INSTRUCCIONES PARA TRABAJAR CON LIVE MEETING.- PREVIO. Para que tenga sentido la videoconferencia es conveniente que tengamos sonido (no suele ser problemático) y que tengamos vídeo. Si el ordenador
Más detalles1. Ir a https://vmdepot.msopentech.com/list/index?sort=featured&search=kobli
Procedimiento documentado para obtener cualquiera de las cuatro máquinas virtuales de Kobli en un clic (Especializadas, Colecciones privadas, Médicas y Rurales) desde VM Depot 1 y llevarla a la plataforma
Más detallesUn nombre de usuario de 30 caracteres o menos, sin caracteres especiales y que inicie con una letra.
Unidad IV: Seguridad 4.1 Tipos de usuario El objetivo de la creación de usuarios es establecer una cuenta segura y útil, que tenga los privilegios adecuados y los valores por defecto apropiados Para acceder
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detallesCómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP
Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP Sistema de registro y pago Este sistema está dividido en dos etapas diferentes*. Por favor, haga clic en la liga de la etapa
Más detallesCLASIFICACIÓN NO SUPERVISADA
CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL
Más detallesÁrea Académica: Ingeniería en Computación. Materia: Fundamentos de programación. Tema: Diagramas de flujo y pseudocódigo
Área Académica: Ingeniería en Computación Materia: Fundamentos de programación Semestre: 2o Tema: Diagramas de flujo y pseudocódigo Profesor: Mtro. Alonso Ernesto Solis Galindo soliser@uaeh.edu.mx Periodo:
Más detallesMejorando el desempeño de cubos en SQL Server Analysis Services
Mejorando el desempeño de cubos en SQL Server Analysis Services Marco Tulio Gómez mgomez@solcomp.com MSc. Tecnologías de la Información MCITP Business Intelligence Developer MCTS Business Intelligence
Más detallesFórmulas. Objetivos y Definición. Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado
97 Objetivos y Definición Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado Cuando el valor de un atributo o variable puede calcularse a partir
Más detalles4. MÉTODOS DE CLASIFICACIÓN
4. MÉTODOS DE CLASIFICACIÓN Una forma de sintetizar la información contenida en una tabla multidimensional (por ejemplo una tabla léxica agregada), es mediante la conformación y caracterización de grupos.
Más detallesiclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain)
iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain) ! Introduction! Passage Retrieval Systems! IR-n system! IR-n system at iclef-2002! Conclusions and Future works ! Introduction!
Más detallesSistemas de impresión y tamaños mínimos Printing Systems and minimum sizes
Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes Para la reproducción del Logotipo, deberán seguirse los lineamientos que se presentan a continuación y que servirán como guía
Más detallesPLAN DE CONVERGENCIA PROYECTO Nº 36-B INTERPRETACIÓN NORMA FINANCIERA (INF) INF-Chile TRANSACCIONES CON ACCIONES PROPIAS Y ACCIONES DEL GRUPO
PLAN DE CONVERGENCIA PROYECTO Nº 36-B INTERPRETACIÓN NORMA FINANCIERA (INF) INF-Chile TRANSACCIONES CON ACCIONES PROPIAS Y ACCIONES DEL GRUPO (Comité de Interpretaciones de las Normas Internacionales de
Más detallesPistas Separadas TÉRMINOS Y CONDICIONES
Pistas Separadas POETA MUSIC PRODUCTIONS le da un control total sobre lo que se hace con la grabación original. Ahora, usted puede agregar diferentes sonidos voses teclados derivados como desee ( añada
Más detallesGARAGE DOOR OPENER CONNECTIVITY HUB QUICK START GUIDE
GARAGE DOOR OPENER CONNECTIVITY HUB QUICK START GUIDE Thank you for purchasing a Craftsman garage door opener Connectivity Hub enabled with AssureLink technology. Once you have created your account and
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesSIIGO Pyme. Definición Plan Único de Cuentas. Cartilla I
SIIGO Pyme Definición Plan Único de Cuentas Cartilla I Tabla de Contenido 1. Presentación 2. Qué son Cuentas Contables? 3. Cuál es la Ruta para Crear Cuentas Contables? 4. Cuáles son los Datos que Solicita
Más detallesCURSO/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 detallesAutoindex ProductInfo
Autoindex bis 6.1 ProductInfo Indexación automática de documentos almacenados mediante datos externos Los sistemas informáticos ya disponen de criterios de ordenación y búsquedas de palabras para muchos
Más detallesReal Time Systems. Part 2: Cyclic schedulers. Real Time Systems. Francisco Martín Rico. URJC. 2011
Real Time Systems Part 2: Cyclic schedulers Scheduling To organise the use resources to guarantee the temporal requirements A scheduling method is composed by: An scheduling algorithm that calculates the
Más detallesGuías. _Mi Entel. SMS Empresas
Guías _Mi Entel SMS Empresas SMS Empresas SMS empresas es un servicio que le permitirá a su empresa enviar mensajes de texto de forma masiva desde una web de gestión del servicio en Mi Entel Empresas o
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 detallesLa solución de algunas EDO de Riccati
Revista digital Matemática, Educación e Internet (http://tecdigital.tec.ac.cr/revistamatematica/). Vol 15, No 2. Marzo Agosto 2015. ISSN 1659-0643 La solución de algunas EDO de Riccati José Alfredo Jiménez
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION Qué es el momento en una red backpropagation? U.A. REDES NEURONALES INTEGRANTES: JESUS BARRIOS CRESCENCIO
Más detallesUNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS
UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;
Más detallesAplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesANÁLISIS ESTADÍSTICO DE PORQUE LO JÓVENES EN LA ACTUALIDAD CONSUMEN ALCOHOL
ANÁLISIS ESTADÍSTICO DE PORQUE LO JÓVENES EN LA ACTUALIDAD CONSUMEN ALCOHOL Paola Andrea Mora Bermúdez, estudiante de pedagogía infantil séptimo semestre COD: 20101127 Porque toman alcohol los jóvenes?
Más detallesSIIGO CONTADOR Formulación y Procesos del Presupuesto Cartilla
SIIGO CONTADOR Formulación y Procesos del Presupuesto Tabla de Contenido Cartilla I 1. Presentación 2. Qué es Presupuesto? 3. Qué es Parametrizar un Presupuesto? 4. PREPUESTO CONTABLE 4.1 Qué es Presupuesto
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detalles6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3)
6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) - Resultados y conclusiones Las tres variables contribuyen significativamente a caracterizar las clases de
Más detallesTOUCH MATH. Students will only use Touch Math on math facts that are not memorized.
TOUCH MATH What is it and why is my child learning this? Memorizing math facts is an important skill for students to learn. Some students have difficulty memorizing these facts, even though they are doing
Más detallesSistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador
Más detallesCAPITULO 4. Requerimientos, Análisis y Diseño. El presente capítulo explica los pasos que se realizaron antes de implementar
CAPITULO 4 Requerimientos, Análisis y Diseño El presente capítulo explica los pasos que se realizaron antes de implementar el sistema. Para esto, primero se explicarán los requerimientos que fueron solicitados
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesla red de Internet PRODIGY para poder tener acceso al sistema RAGNVALD vía Internet
Capítulo 5. Monitoreo Remoto En este capítulo se detallará lo referente a la configuración del instrumento virtual y la red de Internet PRODIGY para poder tener acceso al sistema RAGNVALD vía Internet
Más detallesEN / ES Airtribune Live tracking Instructions
Airtribune Live tracking Instructions 1. Activate the desired service plan: Personal GSM live tracking with pilots devices Personal GSM & satellite tracking GSM tracking with rented of own tracker set.
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesFCC Information : Warning: RF warning statement:
FCC Information : This device complies with Part 15 of the FCC Rules. Operation is subject to the following two conditions: (1) This device may not cause harmful interference, and (2) This device must
Más detallesMICROSOFT SQL SERVER 2008 Instalación de Microsoft SQL Server 2008 R2
MICROSOFT SQL SERVER 2008 Instalación de Microsoft SQL Server 2008 R2 Instalación de SQL Server 2008 R2 1- Al ejecutar el instalador de SQL Server aparecerá la ventana de SQL Server Installation Center.
Más detallesVamos a Multiplicar Al estilo maya!
Vamos a Multiplicar Al estilo maya! Resumen de la actividad Esta lección le permite a los estudiantes realizar multiplicación al estilo maya como una actividad de seguimiento a la herramienta interactiva
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesIMPORTANCIA DE LA DISPOSICIÓN DE OFICINAS
IMPORTANCIA DE LA DISPOSICIÓN DE OFICINAS De ella depende el buen desempeño de los empleados de una empresa. Es una herramienta importante en todo programa de simplificación del trabajo contribuyendo a
Más detallesEn Evaluaciones y Análisis Financiero, La TASA DE INTERES recibe diferentes
CLASES DE TASAS DE INTERES En Evaluaciones y Análisis Financiero, La TASA DE INTERES recibe diferentes Nombres según las Condiciones en que esté Operando, y es así como encontramos los siguientes Términos
Más detallesAdjectives. By Lic. Hector Chacon
Adjectives By Lic. Hector Chacon Use The adjectives are words that describe nouns. Examples Big Far Expensive Cheap Beautiful Comparatives & Superlatives Comparative Adjectives Comparative adjectives are
Más detallesCAPITULO IV. 1 Cuánto conoce acerca de la Historia de la Comunidad Segundo Montes?
CAPITULO IV 1. ANÁLISIS E INTERPRETACIÓN DE RESULTADOS Encuesta dirigida a docentes, responsables y empleados de los Centros de Desarrollo Infantiles, Centro de Ancianos, Centro Juvenil y Biblioteca de
Más detallesGuía paso a paso para el uso de CengageNOW
Guía paso a paso para el uso de CengageNOW 1.- Ingresar a la herramienta y pantalla de inicio. - Ingrese al sitio de internet http://login.cengage.com/sso/ - Ingrese su nombre de usuario ( Email Address
Más detallesREDES INFORMATICAS: Protocolo IP
REDES INFORMATICAS: Protocolo IP 1. PRINCIPIOS BÁSICOS DE IP El protocolo IP se basa en tres principios básicos: Un direccionamiento de los ordenadores. Un tipo de dato: el datragrama IP. Un algoritmo
Más detallesSierra Security System
Using Your SpreadNet Accessories With Your Sierra Security System Uso de Sus Accesorios SpreadNet Con Su Sistema de Seguridad Sierra SN990-KEYPAD SN961-KEYFOB SN991-REMOTE 1 SN990-KEYPAD The SN990-KEYPAD
Más detallesMatemáticas financieras y criterios de evaluación
Matemáticas financieras y criterios de evaluación 01/06/03 1 Momentos y períodos Conceptos generales Momento Momento Momento Momento Momento Momento 0 1 2 3 4 5 Período 1 Período 2 Período 3 Período 4
Más detallesAnálisis exploratorio sobre las publicaciones relacionadas con la comunicación organizacional en Pymes. Revista Publicando, 1(1),37-45
Análisis exploratorio sobre las publicaciones relacionadas con la comunicación organizacional en Pymes. Mauro Roberto Pazmiño Santacruz, Jorge. A. González Alonso Resumen Empleando Publish o Perish se
Más detallesFundamentos de contabilidad
Fundamentos de contabilidad Organización y Gestión de proyectos Partes de la contabilidad La contabilidad tiene diversos libros que son indispensables para toda empresa los cuales son: Diario Inventario
Más detallesEJEMPLO. Práctica de clustering
Práctica de clustering Preparación de los ficheros binarios Para operar los ficheros binarios se ha utilizado una aplicación en Delphi que permite montar los ficheros ".arff" que usa Weka. La aplicación
Más detalles