Minería Multimedia. Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)
|
|
|
- Ángel Rojo Vargas
- hace 6 años
- Vistas:
Transcripción
1 Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos)
2 Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana Medellín, octubre 19 de 2017
3 Motivación
4 Motivación Generación de Datos Almacenamiento de Datos Analítica Analítica predictiva Analítica descriptiva
5 Minería de Datos Etracción de conocimiento a partir de fuentes masivas de datos. Estadística Inteligencia Artificial / Machine Learning Transformar datos en conocimiento!
6 Tipos de Análisis en Minería de Datos ANÁLISIS PREDICTIVO ANÁLISIS DESCRIPTIVO Predecir riesgos Predecir activación de nuevos clientes Series de tiempo Predecir inventario Perfil de los clientes Selección de factores Detección de anomalías Detección de reglas que condicionen la venta
7 Análisis Predictivo Predicción Discreta o Clasificación Estudio de categorías pre-definidas para catalogar cada nuevo elemento en alguna de las clases dadas. Predicción Continua o Regresión Estudio de datos numéricos estimados con el objetivo de predecir un evento futuro.
8 Análisis Descriptivo Clustering Organizar una población de datos heterogénea en un número de clúster homogéneos. Asociación Identificar las co-ocurrencias de los elementos que tienen algún nivel de asociación por medio de reglas. Selección de Factores Identificar los factores que influyen sobre alguna decisión.
9 Técnicas en la Minería de Datos ANÁLISIS PREDICTIVO Clasificación Predicción ANÁLISIS DESCRIPTIVO Clustering Asociación Selección de Factores
10 Tareas Realizadas por Plataformas de Minería de Datos Clasificación Asociación Predicción Selección de Factores Clustering
11 pero Qué pasa con los datos NO estructurados?
12 Datos Esperados en Internet
13 Necesidad: Plataformas para Minería Multimedia
14 Minería Multimedia Clasificación Tetos Predicción Imágenes Clustering Audios Asociación Videos Selección de Factores
15 Minería Multimedia Tetos Imágenes Audios Videos
16 Minería Multimedia Tetos Imágenes Indeamiento Audios Videos
17 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
18 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
19 Minería de Tetos
20 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características.
21 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords.
22 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces.
23 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características Frecuencia: tf
24 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características idf ( t i ) D log df ( t i )
25 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características
26 Minería de Tetos tf tf - idf
27 Aplicaciones de la Minería de Tetos Análisis Predictivo Análisis Descriptivo
28 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
29 Minería de Imágenes
30 Indeamiento de imágenes RGB CMYK: Cian - Magenta - Amarillo - Negro HSB: Matiz - Saturación Brillo YUV: Luminocidad Crominancia
31 Indeamiento de imágenes Características de Color: describen la distribución de color de una imagen, construyendo un histograma de frecuencias en diferentes espacios de color (RBG, YUV, y HSB).
32 Indeamiento de imágenes Características de Tetura: Caracterizan regiones homogéneas indicando suavidad, rugosidad o regularidad de una región de la imágen. Entropía: medida de la aleatoriedad en la matriz de coocurrencias. Energía: desviación típica de las sub-imágenes. Contraste: variaciones bruscas de color. Correlación: relación lineal entre intensidades de color.
33 Indeamiento de imágenes Características Lógicas: Contienen información acerca de los objetos en las imágenes. Tamaño: área, perímetro, altura máima, anchura máima, etc. Forma: curvatura, circularidad, rectangularidad, contorno, etc.
34 Minería de imágenes Características de Color Características de Tetura Características Lógicas
35 Aplicaciones de la Minería de Imágenes Análisis Predictivo Análisis Descriptivo
36 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
37 Minería de Audios
38 Indeamiento de Audio Características de bajo nivel: analizan características acústicas en el dominio del tiempo y en el dominio de la frecuencia. Dominio del tiempo Energy Zero crossing rate Silence ratio Dominio de la frecuencia Pitch Mel-frequency cepstral coefficients Linear prediction coefficients
39 Indeamiento de Audio Características de nivel intermedio: están asociadas a sonidos específicos de objetos. Características de nivel alto: establecen modelos semánticos en las diferentes escenas del audio. Sonidos de la naturaleza Música Personas hablando Carros
40 Minería de Audios Características acústicas Características de objetos Características semánticas
41 Aplicaciones de la Minería de Audios Análisis Predictivo Análisis Descriptivo
42 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
43 Minería de Videos Escenas (imágenes) Transcripción de voz (teto) Sonidos (audio)
44 Indeamiento de Video Características de Imágenes: Etraer características de frames imágenes estáticas como color y tetura. Etraer características de shots escenas relacionadas con aspectos temporales como varianza y movimiento.
45 Minería de Videos Características de teto Características de imágenes Características de audio
46 Aplicaciones de la Minería de Videos Análisis Predictivo Análisis Descriptivo
47 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
48 Desafío de la Minería Multimedia Objetos Multimedia Complejos
49 Ejemplo 1: Página Web
50 Ejemplo 2: Objeto de Aprendizaje
51 Ejemplo 3: Programa de TV Digital
52 Minería de Objetos Multimedia Complejos
53 Indeamiento de Objetos Multimedia Complejos Tet data
54 Minería de Objetos Multimedia Complejos Concatenar todas las características en un vector:
55 Minería de Objetos Multimedia Complejos Establecer una medida de similitud integrada: Similitud (teto) Similitud (img) Similitud (audio) Similitud (video) Objeto i Objeto j
56 Minería de Objetos Multimedia Complejos Implementar sistemas de votación: Análisis Predictivo Análisis Descriptivo
57 Casos de Estudio de Minería Multimedia Filtrado de páginas web pornográficas: teto - imágenes Detección de anomalías en ecografías: imágenes Detección del estado de recolección de frutos: imágenes Análisis de historias clínicas: teto Detección de temas en proceso de cocreación: teto Detección de tipos de videos: teto imágenes - audio
58 Conclusión Plataforma de Minería Multimedia!!
59 Contacto Bogotá: Medellín: Méico: Chile:
Minería Multimedia Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)
Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, noviembre 13 de 2014
Selección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
10212 Aplicaciones de la Ingeniería Electrónica II
Universitat de les Illes Balears Departament de Ciències Matemàtiques i Informàtica 10212 Aplicaciones de la Ingeniería Electrónica II Máster en Ingeniería Electrónica Imágenes en color:. Yolanda González
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
INTELIGENCIA ARTIFICAL COMO HERRAMIENTA EN LA TOMA DE DECISIONES. Tecnología i3b
INTELIGENCIA ARTIFICAL COMO HERRAMIENTA EN LA TOMA DE DECISIONES Tecnología i3b G R U P O I B E R M Á T I C A Introducción Objetivos Puntos de información y de estudio Tipos de análisis Análisis proactivo
Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
PRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS
PRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS Desarrollar un sistema capaz de supervisar un proceso y en caso necesario, intervenir para corregirlo si su evolución no es aceptable. Es necesario
INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I.
EVALUACIÓN EXTRAORDINARIA DE SEPTIEMBRE CURSO 2013-2014. Contenidos para la Prueba de Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I. UNIDAD 3: POLINOMIOS Y FRACCIONES ALGEBRAICAS Operaciones
INDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA
UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA I. DATOS INFORMATIVOS 1.1 Asignatura : Estadística para el Comunicador Social 1.2 Código : 1001-1023 1.3 Pre-requisito
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Sistemas de ordenación del color
Sistemas de ordenación del color 6-1 Introducción El sistema Munsell El sistema NCS Otros sistemas Sumario DIN, RGB, HTML, CMYK, HSB, HSL, Pantone 6-2 Introducción Sistema de ordenación: Criterio para
Sistemas de predicción Aprendizaje automático Data Mining & Machine Learning
Data Mining & Machine Learning Ibon B. Salbidegoitia ibon.salbidegoitia@meteoforenergy.com 1 Comunicación 2 Comunicación 3 Comunicación 4 Almacenamiento SIZE: byte kilobyte megabyte gigabyte terabyte petabyte
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Repaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Carrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Análisis de resultados de los modelos
Anexo 5 PONTIFICIA UNIVERSIDAD JAVERIANA Análisis de resultados de los modelos Alex Arias 2014-I 1. Introducción En el presente documento se muestran los patrones y tendencias obtenidas por los modelos
Fundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Contenidos mínimos Criterios de evaluación Ejemplos de preguntas
Contenidos mínimos Criterios de evaluación Ejemplos de preguntas 1º ESO Números naturales, enteros y decimales: operaciones elementales. Fracciones: operaciones elementales. Potencias de exponente natural.
Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
RECOLECCIÓN DE DATOS (ENFOQUE CUANTITATIVO) DRA. MIRIAM RODRÍGUEZ VARGAS Dr. JORGE ALBERTO PÉREZ CRUZ
RECOLECCIÓN DE DATOS (ENFOQUE CUANTITATIVO) DRA. MIRIAM RODRÍGUEZ VARGAS Dr. JORGE ALBERTO PÉREZ CRUZ Qué implica la etapa de recolección de datos? Definir de forma idónea de recolectar los datos de acuerdo
Análisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Matemáticas. Selectividad ESTADISTICA COU
Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries
Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores:
3. Espacios de color El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: El color es un poderoso descriptor que, en la mayoría de los casos simplifica la identificación
Normas ISO de codificación de contenidos audiovisuales. -MPEG 1, MPEG-2, MPEG-4, MPEG 7 y MPEG 21-
Normas ISO de codificación de contenidos audiovisuales -MPEG 1, MPEG-2, MPEG-4, MPEG 7 y MPEG 21-1 La familia MPEG MPEG 1 (1992): codificación digital de audio y vídeo hasta 1.5 Mbit/s para almacenamiento
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
Ajustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002
Ajustes de datos: transformación de datos. Capítulo 9 de McCune y Grace 2002 Razones estadísticas para transformar datos Mejorar las suposiciones de algunas técnicas estadísticas: normalidad, linealidad,
Carrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
ESTADÍSTICA DESCRIPTIVA CON STATA JUAN FRANCISCO ISLAS AGUIRRE FORTINO VELA PEÓN UAM-X
ESTADÍSTICA DESCRIPTIVA CON STATA JUAN FRANCISCO ISLAS AGUIRRE FORTINO VELA PEÓN UAM-X Abril, 2012 J. F. ISLAS / F. VELA CECAD-UAMX Objetivos Que el participante maneje el paquete estadístico Stataa nivel
Pruebas de modos y extensiones en una imagen
Lenguaje computacional Tarea 1 Pruebas de modos y extensiones en una imagen Lucas León 2do Diseño Gráfico Glosario RGB: Es un modelo de color basado en la síntesis aditiva, con el que es posible representar
1. GESTON LOGISTICA INVERSA Y VERDE 2. REDUCCION Y CONTROL DE LOS COSTOS LOGISTICOS
1. GESTON LOGISTICA INVERSA Y VERDE OBJETIVO GENERAL: Evaluar y estudiar el impacto ambiental en las operaciones logísticas desde Analizar los procesos más importantes en la recuperación, clasificación,
ESTADÍSTICA DESCRIPTIVA CON STATA JUAN FRANCISCO ISLAS AGUIRRE FORTINO VELA PEÓN UAM-X
ESTADÍSTICA DESCRIPTIVA CON STATA JUAN FRANCISCO ISLAS AGUIRRE FORTINO VELA PEÓN UAM-X J. F. ISLAS / F. VELA CECAD-UAMX Objetivos Que el participante maneje el paquete estadístico Stata a nivel básico
Estadística I PLAN DE DISCIPLINA
Estadística I PLAN DE DISCIPLINA Licenciatura en Contaduria Pública GESTIÓN II 2016 LIC. JUAN CHAPI MAMANI Universidad Salesiana de Bolivia Carrera de Contaduria Pública Bolivia, La Paz. A 13 de septiembre
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C)
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C) I.E.S. Universidad Laboral de Málaga Curso 2015/2016 PROGRAMACIÓN DE LA
CENTRO UNIVERSITARIO UTEG DIRECCIÓN ACADÉMICA
Objetivo general de la materia/asignatura El alumno se familiarizará con: a) La simbología, b) Los conceptos, c) y el lenguaje utilizado en la estadística, apreciará la importancia que tiene la probabilidad
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Compresión de Datos Multimedia
Tema 3 Compresión de Datos Multimedia Introducción La compresión es una manipulación o transformación de la información de entrada, que se realiza antes de transmitirla. El objetivo es enviar la información
Análisis Inteligente de Datos: Introducción
Análisis Inteligente de Datos: cvalle@inf.utfsm.cl Departamento de Informática - Universidad Técnica Federico Santa María Santiago, Marzo 2009 Temario 1 Temario 1 Preguntas Relevantes Por qué análisis
Estadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
10. CALENDARIO DE IMPLANTACIÓN
Graduado o Graduada en Ingeniería en Tecnologías y por la Universidad de Oviedo 10. CALENDARIO DE IMPLANTACIÓN Cronograma de implantación de la titulación Se hará una implantación progresiva de la nueva
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
>> Tecnologías clave << Captura de de información. Infraestructura. Técnicas de de Prototipado rápido
es una de diseño e implementación de avanzadas de software de Inteligencia Artificial, desarrollada por ITAINNOVA. Permite resolver diferentes problemáticas de negocio con volúmenes de (BIG DATA). Con
Mapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
CURSO ESTRATEGIAS PARA REDES SOCIALES
CURSO ESTRATEGIAS PARA REDES SOCIALES INFORMACION GENERAL Horas de clases: 16 horas Fecha: 16 y 17 de diciembre Horario: 09.00 a 13.00 y de 15.00 a 19.00 Lugar: Laboratorio de computación Valor: $280.000
EJERCICIOS ESTADÍSTICA DESCRIPTIVA
EJERCICIOS ESTADÍSTICA DESCRIPTIVA 1.- Dada la siguiente distribución de frecuencias de variable discreta. Calcular: a) Mediana b) Moda c) Media d) Varianza y desviación típica x i f i 47 1 48 3 49 2 50
INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Sumario. Presentación... 15
Sumario Presentación... 15 1. INTRODUCCIÓN A LA TELEVISIÓN... 17 1.0. Introducción... 17 1.1. El contexto de la televisión... 18 1.2. Resumen histórico... 21 1.3. Estructura general del sistema de televisión...
Porqué analizar imágenes?
Porqué analizar imágenes? Medidas que requieren estudiar un número demasiado elevado de imágenes. Análisis cuantitativo: La visión humana no cuantifica por si sola. El análisis automático es más repetitivo
5.3. Histograma. Herramienta 3: Histograma
Herramienta 3: Histograma El histograma es una herramienta muy potente en SilverFast, con la que puede examinar los datos de la imagen y optimizarlos manualmente. Ya se ha utilizado el histograma en el
Introducción a la Minería de Datos
Introducción a la Minería de Datos Introducción a la Minería de Datos Estamos viviendo en la era de la información Vivimos en la era de los datos WWW ( Tera o Pentha bytes de data) Almacenamiento de datos
Estadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS.
SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS. MTIE. Erik Guerrero Bravo. Universidad Tecnológica Tula - Tepeji. Introducción Sistemas Transaccionales
DEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
ESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
5. Clasificación de las formas del relieve. Modelización y análisis del terreno
5. Clasificación de las formas del relieve los elementos del relieve pozo cresta planicie pico canal collado ladera formas elementales: crestas la pendiente no es un curvatura nula convexidad criterio
El Cálculo en el Procesamiento de Imágenes
Humberto Madrid Josefina M. Cribeiro José Luis Fraga Universidad Autónoma de Coahuila México Resumen. La detección de bordes tiene un papel fundamental en el Procesamiento de Imágenes y los algoritmos
FINANZAS CORPORATIVAS
FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real
3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
FORMATO ELABORACIÓN DE SYLLABUS SYLLABUS DE ESTADISTICA. Horas de trabajo autónomo del estudiante
PÁGINA: 1 DE 5 SYLLABUS DE ESTADISTICA Fecha de Actualización: 21/07/2015 a. DATOS GENERALES DE LA ASIGNATURA Nombre de la ESTADÍSTICA Asignatura Nro. Código Horas de trabajo directo con el docente Créditos
IFCD0210 Desarrollo de Aplicaciones con Tecnologías Web
IFCD0210 Desarrollo de Aplicaciones con Tecnologías Web Cualificaciones Profesionales y Certificados de Profesionalidad Ficha Técnica Categoría Informática y Comunicaciones Referencia Precio Horas 9777-1302
JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Modelos de Color. Junio, esmitt ramírez
Modelos de Color Junio, 2016 Luz electromagnética Rojo Naranja Amarillo Verde Azul Índigo Violeta Conceptos básicos Matiz (Hue) : Se refiere al color Color Monocromático: Creado a partir de una sola longitud
BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA GUÍA TEMÁTICA DEL ÁREA DE INGENIERÍAS Y CIENCIAS EXACTAS. Ingeniería y Ciencias Exactas 2013.
BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA GUÍA TEMÁTICA DEL ÁREA DE INGENIERÍAS Y CIENCIAS EXACTAS Ingeniería y Ciencias Exactas 2013. 1 ÁREA DE INGENIERIAS Y CIENCIAS EXACTAS INTRODUCCIÓN El propósito
FACULTAD: Facultad de Ciencias de la Educación
INFORMACIÓN GENERAL FACULTAD: Facultad de Ciencias de la Educación CURSO: ESTADISTICA INFERENCIAL Carrera: LICENCIATURA EN ADMINISTRACIÓN EDUCATIVA Nombre del Curso: ESTADISTICA INFERENCIAL Pre-requisito:
Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision
Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision Procesos de desarrollo de SAD Hay dos formas de desarrollar SAD: Programar un SAD a medida: se puede emplear un lenguaje convencional como
Photoshop. Conceptos Básicos
Photoshop Conceptos Básicos Qué es Photoshop? Tratamiento de imágenes Retoque fotográfico Pintura Posee gran versatilidad Herramienta de post-producción (separación de colores y medios tonos) La ventana
CÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Manuales de imagen. corporativa
Manuales de imagen corporativa No importa si es impreso o en pantalla, es preferible usar la versión en colores todas las veces que sea posible. La versión en color puede ser impresa en litográfico, en
Sistema de Comunicaciones Automatización Control Integración. CASO DE ÉXITO
Sistema de Comunicaciones Automatización Control Integración. CASO DE ÉXITO La automatización moderna de los centros comerciales está basada en el gerenciamiento de la red de datos, como el administrador
Curso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 6. Descripción numérica (2) Capítulo 5 del manual Tema 6 Descripción numérica (2) Introducción 1. La mediana 2. Los cuartiles 3. El rango y el
MATEMÁTICAS 2º DE BACHILLERATO
MATRICES 1. Matrices y tipos de matrices 2. Operaciones con matrices 3. Producto de matrices 4. Matriz traspuesta 5. Matriz inversa 6. Rango de matrices DETERMINANTES 7. Determinantes de orden 2 y 3 8.
Unidad 1. Obtención, Medición y Representación de Datos. Estadística E.S.O.
Unidad 1 Obtención, Medición y Representación de Datos Estadística E.S.O. Objetivos Distinguir, localizar y manejar las fuentes de información estadística más usuales que proporcionan información útil.
so de Photoshop Cur Copyleft - Jorge Sánchez 2006
Curso de Photoshop Copyleft - Jorge Sánchez 2006 Imágenes Según la RAE. Imagen= Figura, representación, semejanza y apariencia de algo. Otra definición (WIKIPEDIA): Forma dibujada, pintada o esculpida,
ELEMENTOS DEL DISEÑO GRÁFICO IMAGEN DIGITAL
Unidad 2 ELEMENTOS DEL DISEÑO GRÁFICO IMAGEN DIGITAL Vectores Mapa de bits» Profundidad de color» Tamaño y resolución» Alisado» Formatos y compresión Imagen digital: Es una representación visual de un
Métodos Predictivos en Minería de Datos
Métodos Predictivos en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad de Stanford. Duración: Cuatro
Medidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
LICENCIATURA EN ADMINISTRACIÓN PLANIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I
LICENCIATURA EN ADMINISTRACIÓN PLANIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I EQUIPO DOCENTE: PROFESORA RESPONSABLE: DRA: MARTA PECE PROFESOR ADJUNTO: ING. MARCELO DIAZ J.T.P.: LIC. SONIA SUAREZ AÑO 2007
Tema 1. Elementos de un sistema de Visión por Computador. Esquema general de un sistema de visión por computador
Tema 1 Elementos de un sistema de Visión por Computador Índice Esquema general de un sistema de visión por computador Esquema de un proceso de visión por computador Estructura típica de un sistema Fundamentos
GRADO EN INGENIERÍA AEROESPACIAL EN AERONAVEGACIÓN
GRADO EN INGENIERÍA AEROESPACIAL EN AERONAVEGACIÓN Campos Electromagnéticos (I) Teoría de la Señal y Comunicaciones (I) Fundamental Principles of Telecommunications Systems 3 1 Estadística (I) AER SIEMAS
Tipografía, color e imágenes. [12.1] Cómo estudiar este tema? [12.3] El color aditivo y el color sustractivo
![Tipografía, color e imágenes. [12.1] Cómo estudiar este tema? [12.3] El color aditivo y el color sustractivo](/thumbs/26/9121167.jpg "Tipografía, color e imágenes. [12.1] Cómo estudiar este tema? [12.3] El color aditivo y el color sustractivo")
Tipografía, color e imágenes [12.1] Cómo estudiar este tema? [12.2] Tipos y fuentes [12.3] El color aditivo y el color sustractivo [12.4] El sistema pantone [12.5] Creación, edición y obtención de imágenes
Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
TEMARIO DE PROFESORES DE ENSEÑANZA SECUNDARIA MATEMÁTICAS
HOJA INFORMATIVA A.5.2.33 TEMARIO DE PROFESORES DE ENSEÑANZA SECUNDARIA MATEMÁTICAS Publicado en el B.O.E. de 21 de Septiembre de 1.993 MARZO 1998 MATEMÁTICAS 1. Números naturales. Sistemas de numeración.
Regresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Departamento de Matemáticas. 1º BACHILLERATO Ciencias y Tecnología CONVOCATORIA EXTRAORDINARIA DE SEPTIEMBRE 2014
IES SAN BENITO Departamento de Matemáticas 1º BACHILLERATO Ciencias y Tecnología CONVOCATORIA EXTRAORDINARIA DE SEPTIEMBRE 2014 PRUEBA EXTAORDINAORIA: La Prueba de septiembre será únicamente de contenidos
Visión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Repaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
PROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Probabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad