Redes Bayesianas para predecir riesgo de plomo en sangre de puérperas y neonatos

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

Download "Redes Bayesianas para predecir riesgo de plomo en sangre de puérperas y neonatos"

Transcripción

1 Redes Bayesianas para predecir riesgo de plomo en sangre de puérperas y neonatos Autores A.M. Sancho 1,2 ; V. Messina 3 ; M. Cuevas 4 ; I. Sattolo 2 ; R.Dante 1 ; A. Ricca 1, y L. De Oto 2 RESUMEN Las redes Bayesianas son utilizadas como un modelo probabilístico gráfico que representa un conjunto de variables aleatorias y sus dependencias condicionales a través de un gráfico dirigido acíclico. En esta investigación, la red bayesiana fue aplicada para predecir los eventos de riesgo del plomo en puérperas y neonatos. Los resultados del estudio fueron evaluados mediante árboles de decisión y se compararon los algoritmos de aprendizaje para predecir el posible riesgo de plomo en la sangre 5µg/dL por los clasificadores (ADTree, IBK y J48, J48 P, Bayes Naves). ABSTRACT Bayesian networks is used as a probabilistic graphical model that represents a set of random variables and their conditional dependencies by a directed acyclic graph. In this research, Bayesian network was applied to predict lead risk in pregnant women and new born. Data analysis were evaluated using decision trees, comparing the learning algorithms to predict the possible risk of lead in blood (Lead in blood 5µg/dL) by classifiers (ADTree, IBK and J48, J48 P, Bayes Ships). INTRODUCCIÓN La Organización Mundial de la Salud (WHO, 2009) informó que los niveles de plomo en sangre deberían estar por debajo de 10µg/DL. Algunos investigadores reportaron que niveles de plomo en sangre por encima de 5 µg/dl en niños causan problemas de concentración en el aprendizaje, de mala conducta, etc. La exposición con plomo es un problema salud pública y esfuerzos para la prevención se deberían realizar. Las 1 Instituto Tecnología de Alimentos, Centro de Investigación de Agroindustria, INTA, 2 Universidad de Morón 3 Secretaría de Salud Ambiental 4 Hospital de Niños Vicente López

2 redes Bayesianas están siendo utilizadas como un modelo probabilístico gráfico que representa un conjunto de variables aleatorias y sus dependencias condicionales a través de un gráfico dirigido acíclico como DIAVAL, PROSANET, TRAIGLE (Abad- Graw, et al 2008 and Diez et al 1997). En esta investigación, la red bayesiana fue aplicada para predecir los eventos de riesgo del plomo en puérperas y neonatos. Los resultados del estudio fueron evaluados mediante árboles de decisión y se compararon los algoritmos de aprendizaje para predecir el posible riesgo de plomo en la sangre 5µg/dL por los clasificadores (ADTree, IBK y J48, J48 P, Bayes Naves). MATERIALES Y MÉTODOS Embarazadas residentes de dos zonas urbano industrial (Pilar y Vicente Lopez) fueron evaluadas (n=201, 96 y 105, respectivamente). El tamaño muestral de la población a evaluar se obtuvo mediante el programa EPI info6. Mediante la firma del consentimiento informado y el criterio de inclusión, se procedió a realizar una encuesta y la extracción de sangre venosa de la madre y sangre del cordón umbilical en el recién nacido. Las muestras de sangre fueron analizadas con un Analizador Perkin Elmer espectrofotómetro de absorción atómica. La sensibilidad y especificidad del método indicó asignar una probabilidad de 0.99 a los neonatos cuyos pesos fuesen menores a 1,5Kg y un periodo de gestación menor a 37 semanas. Siendo, asignado el valor 0.98 para los neonatos cuyo peso eran superior al 1.5 kg y con un periodo de gestación menor a 37 semanas. La metodología aplicada para el análisis de los datos fue BGM de Blanqué y García Martínez, (1992 y 2004), utilizando un algoritmo para seleccionar a las embarazadas. La metodología de García Martínez fue aplicada y consta de 5 etapas: Paso 1: Adquisición del conocimiento: Los factores involucrados, las probabilidades y bibliografía fueron suministradas por la experiencia del médico. Paso 2: se adquieren los conceptos más frecuentemente usados para clasificar las variables definir y Paso 3: Parametrización de los conceptos: Cada variable de estudio fue evaluada por el experto para determinar el alcance y la categoría de las variables cuantitativas y cualitativas, respectivamente. Dichas variables fueron: Fumador (SI NO); Anemia (Presente Ausente); Distancia a la zona industrial (Corta, Media y Larga); Nivel de concentración de plomo en sangre de la puérpera: MApb 5 µg/dl y <5 µg/dl; Nivel de concentración de plomo en sangre en cordón umbilical del neonato: BEpb 5µg/dL y <5 µg/dl, Peso bebe al nacer: 1,5 kg, (1-2,5) kg y >2,5 kg; Período de gestación: <37 semanas y 37 semanas. Además se establecieron las causalidades y la iimplementación mediante el cálculo de las probabilidades. Paso 4: En la red bayesiana cada uno de los nodos corresponde a una variable, que a su vez representa una entidad del mundo real, como el período de gestación del bebé, la presencia o ausencia de plomo en la sangre, etc. Se utilizaron el programa Elvira (proyecto: Entorno de Desarrollo para Gráficos probabilísticos Elvira TIC C04) y herramientas prácticas para el aprendizaje de máquinas Weka Paso 5: La aceptabilidad de la red se realizó con el experto en el campo de la medicina. Los casos de prueba fueron llevaron a cabo y comparados con casos reales. 2

3 RESULTADOS Y DISCUSIÓN La red quedo formada por las probabilidades a priori (Figura 1). La sensibilidad demostró ser de clara la semántica, lo que permite procesar la información con el fin de diagnosticar, conocer, explicar y muchas de las tareas de inferencia de otra índole necesarias para las redes de los sistemas inteligentes, incluyendo la gráfica de los modelos probabilísticos según el conocimiento médico. Figura 1: Nodos de la red formada por las probabilidades a priori En Tabla I se observa con los resultados del funcionamiento de BEMA, el cual ha demostrado ser adecuado para calcular la probabilidad sometida a los factores evaluados. La sensibilidad demostró ser de clara la semántica, lo que permite procesar la información con el fin de diagnosticar, conocer, explicar y muchas de las tareas de inferencia de otra índole necesarias para las redes de los sistemas inteligentes, incluyendo la gráfica de los modelos probabilísticos. Tabla I: Resultados Probabilísticos con red BEMA. Caso Fuma Anemia Distancia a Valor Valor zona esperado en estimado Industrial puérpera por BEMA Peso neonato al nacer Periodo de Gestación neonato Valor Valor esperado en estimado por neonato BEMA 1 Si Presente Corto >=5µg/dL 0,98 <= 1,5 kg <37 semanas >=5µg/dL 0,98 2 No Presente Corto >=5µg/dL 0,97 > 2,5 kg >=37 semanas >=5µg/dL 0,83 3 No Presente Medio >=5µg/dL 0,93 > 2,5 kg >=37 semanas >=5µg/dL 0,80 3 Bis >=5µg/dL 0,72 <5µg/dL 0,08 5 No Ausente Corto >=5µg/dL 0,55 >1,5<=2,5 kg >=37 semanas >=5µg/dL 0,68 6 si Ausente Medio >=5µg/dL 0,35 > 2,5 kg < 37 semanas >=5µg/dL 0,33 6 Bis >=5µg/dL 0,93 0,79 8 No Ausente Larga <5µg/dL 0,04 > 2,5 kg >=37 semanas < 5µg/dL 0,18 3

4 Por otro lado, los resultados del estudio fueron evaluados mediante árboles de decisión (Guerra Hernández, 2004). Además, se realizó la comparación del desempeño de los algoritmos de aprendizaje para predecir el posible riesgo de plomo en la sangre 5µg/dL por los clasificadores (ADTree, IBK y J48, J48 P, Bayes Naves). En este sentido, la clasificación obtenida con los clasificadores evaluados con los datos, mostró que los casos fueron correctamente clasificados entre 69,2 y 77,1% para el recién nacido y un 61,6% y 66,6 para las mujeres embarazadas (Figura 2). Figura 2: Resultados de los clasificadores para neonatos y puérperas Además, en la Figura 3 se puede observar el resultado del índice Kappa, que indicó un grado de concordancia entre 0,38 y 0,48 para neonatos y 0,3 y 0,37 para puérperas. Este índice indica una fuerte concordancia cuando su valor se acerca más a 1. Figura 3: Resultados del índice Kappa para neonatos y puérperas CONCLUSIONES Si bien, la elección de un buen clasificador depende del conjunto de variables y la situación particular, los resultados sugieren que el clasificador J48P podría utilizarse 4

5 para evaluar los datos cuando se encuentren detectados todos los factores de posibles causas de riesgo. BEMA ha demostrado ser adecuada para el cálculo de la probabilidad de los factores evaluados. Las redes se utilizaron para construir modelos complejos a partir de componentes simples. Sin embargo, es necesario ampliar y perfeccionar la capacidad de las redes para el ajuste de las probabilidades contenidas en la misma. En este sentido, la incorporación de otros nodos de red (la contaminación ambiental, por ejemplo) podría extender su utilidad y proporcionar una guía para las medidas de prevención. BEMA puede considerarse como un aporte principal de los ordenadores a la ciencia médica que requiere aún más investigación. BIBLIOGRAFÍA Abad-Graw, M, Ierache, J., Cervino, C., Paola, S. (2008) Evolution and Challenges in the Design of computational Systems for Triagle Assistance in the Emergency Department. Special Issue of Journal of Biomedical Informatics on Computarized. Editorial Elseivier JBI-07-75R2. Elvia TIC C04 Diez, F.J., Mira, J., Iturralde, E. y S. Zubillaga (1997). A Bayesian Expert System for echocardiography. Artificial Intelligence in Medicine, 10, García Martínez, R. (1992) Construcción de Sistemas Expertos CEI-UBA. Argentina. García Martínez, R. y P. Britos (2004) Ingenieria de Sistemas expertos. Editorial Nueva Librería. 649 páginas. ISBN Guerra Hernández, A. (2004) Aprendizaje Automático: Árboles de Decisión. Universidad Veracruzana Facultad de Física e Inteligencia Artificial Maestría en Inteligencia Artificial Sebastián Camacho No. 5, Xalapa, México Classification via Decision Trees in WEKA. De Paul University Computes Science, Telecomunications and Information Systems ETC 584 Web Data Mining. 5

Aprendizaje de redes bayesianas híbridas con mixturas de funciones base truncadas

Aprendizaje de redes bayesianas híbridas con mixturas de funciones base truncadas Aprendizaje de redes bayesianas híbridas con mixturas de funciones base truncadas Doctoranda: Inmaculada Pérez-Bernabé Director: Antonio Salmerón Cerdán Departamento de Matemáticas, Universidad de Almería,

Más detalles

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Emmanuel Anguiano-Hernández Abril 29, 2009 Abstract Tratando de mejorar el desempeño de un clasificador Naive

Más detalles

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

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

Más detalles

Aplicación de Redes bayesianas usando Weka.

Aplicación de Redes bayesianas usando Weka. Aplicación de Redes bayesianas usando Weka. Cynthia Lorena Corso 1, Fabian Gibellini 1 1 Universidad Tecnológica Nacional, Facultad Regional Córdoba Laboratorio de Sistemas de Información Maestro M. López

Más detalles

código Java Solicitudes Reportes AJI resultados API

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

Más detalles

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

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

Más detalles

Visión global del KDD

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

Más detalles

DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT

DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza

Más detalles

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

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

Más detalles

código Java Solicitudes Reportes AJI resultados API

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

Más detalles

LINEAS DE INVESTIGACION DEL LABORATORIO DE SISTEMAS INTELIGENTES. García-Martínez, R., Britos, P., Ierache, J., Merlino, H., Ochoa, M. Fernández, E.

LINEAS DE INVESTIGACION DEL LABORATORIO DE SISTEMAS INTELIGENTES. García-Martínez, R., Britos, P., Ierache, J., Merlino, H., Ochoa, M. Fernández, E. LINEAS DE INVESTIGACION DEL LABORATORIO DE SISTEMAS INTELIGENTES García-Martínez, R., Britos, P., Ierache, J., Merlino, H., Ochoa, M. Fernández, E. Laboratorio de Sistemas Inteligentes Facultad de Ingeniería.

Más detalles

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. 1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS

Más detalles

LAS REDES BAYESIANAS COMO SISTEMAS DE SOPORTE A LA DECISIÓN EN LA EMPRESA

LAS REDES BAYESIANAS COMO SISTEMAS DE SOPORTE A LA DECISIÓN EN LA EMPRESA LAS REDES BAYESIANAS COMO SISTEMAS DE SOPORTE A LA DECISIÓN EN LA EMPRESA Mar Abad Grau María Visitación Hurtado Torres Rosana Montes Soldado Miguel J. Hornos Barranco Lenguajes y Sistemas Informáticos

Más detalles

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

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

Más detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

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

Más detalles

Impacto de la ironía en la minería de opiniones basada en un léxico afectivo

Impacto de la ironía en la minería de opiniones basada en un léxico afectivo Impacto de la ironía en la minería de opiniones basada en un léxico afectivo Yolanda Raquel Baca-Gómez a, Delia Irazú Hernández Farías b, Paolo Rosso b, Noé Alejandro Castro-Sánchez a, Alicia Martínez

Más detalles

GUÍA DOCENTE TITULACIONES DE GRADO

GUÍA DOCENTE TITULACIONES DE GRADO GUÍA DOCENTE TITULACIONES DE GRADO TITULACIÓN: GRADO EN INGENIERIA INFORMATICA DE SISTEMAS DE INFORMACIÓN CURSO 2015/2016 ASIGNATURA: MINERÏA DE DATOS Nombre del Módulo o Materia al que pertenece la asignatura.

Más detalles

METODOLOGÍA DE SELECCIÓN DE HERRAMIENTAS DE EXPLOTACION DE DATOS

METODOLOGÍA DE SELECCIÓN DE HERRAMIENTAS DE EXPLOTACION DE DATOS METODOLOGÍA DE SELECCIÓN DE HERRAMIENTAS DE EXPLOTACION DE DATOS Britos, P. 1, Fernández, E. 1,2, Ochoa, M. 1,2, Merlino, H. 1,2,, Diez, E. 1,2 y García Martínez, R. 1 1 Centro de Ingeniería del Software

Más detalles

OPTATIVA I: MINERIA DE DATOS

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

Más detalles

Evaluación de Algoritmos de Ruteo de Paquetes en Redes de Computadoras. Fax: 54-2652-430224 Fax: 34-91-3367426

Evaluación de Algoritmos de Ruteo de Paquetes en Redes de Computadoras. Fax: 54-2652-430224 Fax: 34-91-3367426 Evaluación de Algoritmos de Ruteo de Paquetes en Redes de Computadoras Berón, Mario Marcelo Gagliardi, Edilma Olinda Departamento de Informática Facultad de Ciencias Físico, Matemáticas y Naturales Universidad

Más detalles

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

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

Más detalles

CAPÍTULO 3: METODOLOGÍA DE LA INVESTIGACIÓN

CAPÍTULO 3: METODOLOGÍA DE LA INVESTIGACIÓN CAPÍTULO 3: METODOLOGÍA DE LA INVESTIGACIÓN En este capítulo se explican los procedimientos e instrumentos que se utilizaron para obtener la información necesaria en la investigación. De acuerdo a Naresh

Más detalles

Finanzas e Investigación de Mercados"

Finanzas e Investigación de Mercados DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de

Más detalles

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

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

Más detalles

ANÁLISIS DE LA PRODUCTIVIDAD MEDIANTE REDES BAYESIANAS EN UNA PYME DESARROLLADORA DE TECNOLOGÍA

ANÁLISIS DE LA PRODUCTIVIDAD MEDIANTE REDES BAYESIANAS EN UNA PYME DESARROLLADORA DE TECNOLOGÍA Revista Mexicana de Economía y Finanzas, Vol. 10, No. 1, (2015), pp. 61-71 61 ANÁLISIS DE LA PRODUCTIVIDAD MEDIANTE REDES BAYESIANAS EN UNA PYME DESARROLLADORA DE TECNOLOGÍA Griselda Dávila-Aragón Universidad

Más detalles

Usos de Data Mining y KDD en Marketing Research

Usos de Data Mining y KDD en Marketing Research Usos de Data Mining y KDD en Marketing Research Charla Alumnos Maestría Minería de Datos y Explotación Conocimiento - Facultad Ciencias Exactas y Naturales UBA Buenos Aires - Noviembre 2008 Temario Los

Más detalles

Introducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012

Introducción 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 detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base 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 detalles

forma de entrenar a la nuerona en su aprendizaje.

forma de entrenar a la nuerona en su aprendizaje. Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo

Más detalles

MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL

MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS Yegny Amaya, Edwin Barrientos, Universidad Francisco de Paula Santander, Colombia Diana Heredia Vizcaíno, Universidad

Más detalles

Evaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial

Evaluación, 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 detalles

TÓPICOS AVANZADOS DE BASES DE DATOS

TÓPICOS AVANZADOS DE BASES DE DATOS TÓPICOS AVANZADOS DE BASES DE DATOS 1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: TÓPICOS AVANZADOS DE BASES DE DATOS Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: Modulo

Más detalles

Modelado de relaciones existentes en un equipo de proyecto de software Modeling relationships in a software project team

Modelado de relaciones existentes en un equipo de proyecto de software Modeling relationships in a software project team Modelado de relaciones existentes en un equipo de proyecto de software Modeling relationships in a software project team Rafael Rodríguez-Puente 1, Eliana B. Ril-Valentin 2 1 Departamento de Técnicas de

Más detalles

Un Enfoque de Red Social para Identificar Sospechosos Policiales Claves

Un 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 detalles

EL IMPACTO DE LOS EGRESADOS DE LOS PROGRAMAS DE EDUCACIÓN A DISTANCIA EN EL SECTOR EMPRESARIAL

EL IMPACTO DE LOS EGRESADOS DE LOS PROGRAMAS DE EDUCACIÓN A DISTANCIA EN EL SECTOR EMPRESARIAL EL IMPACTO DE LOS EGRESADOS DE LOS PROGRAMAS DE EDUCACIÓN A DISTANCIA EN EL SECTOR EMPRESARIAL Área Temática: La formación a distancia y el teleaprendizaje en el sector empresarial Erosa Martín, Victoria

Más detalles

EPB 603 Sistemas del Conocimiento

EPB 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 detalles

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

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

Más detalles

Apuntes de Metodología de la Investigación en Turismo

Apuntes de Metodología de la Investigación en Turismo Apuntes de Metodología de la Investigación en Turismo DIRECCIÓN Amparo Sancho Perez COLABORACIÓN Bernardí Cabrer Borrás Gregorio Garcia Mesanat Juan Manuel Perez Mira Otras colaboraciones: Pilar González

Más detalles

Evaluación de modelos para la predicción de la Bolsa

Evaluación de modelos para la predicción de la Bolsa Evaluación de modelos para la predicción de la Bolsa Humberto Hernandez Ansorena Departamento de Ingeniería Telemática Universidad Carlos III de Madrid Madrid, España 10003975@alumnos.uc3m.es Rico Hario

Más detalles

Bibliografía Anotada

Bibliografía Anotada Maestría en Ingeniería de Sistemas y Computación Universidad Nacional de Colombia Bogotá D.C. June 2, 2006 Contenido Tema Amplio 1 Tema Amplio 2 3 4 5 Tema Tema Amplio Extracción de información y obtención

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: MÉTODOS DE INVESTIGACIÓN EN PSICOLOGÍA II FECHA DE ELABORACIÓN: MARZO 2005 ÁREA DEL PLAN DE ESTUDIOS:

Más detalles

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas

Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Aproximación evolutiva a la inducción constructiva basada en expresiones algebraicas Manuel Baena García, Rafael Morales Bueno y Carlos Cotta Porras Workshop MOISES Septiembre 2004 1/15 Contenido Inducción

Más detalles

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación 5.5.1. Denominación: Introducción a la Minería de Datos 5.5.2. Breve Descripción del Contenido: Introducción a la minería de datos. Aprendizaje supervisado, modelos no paramétricos y modelos generalizados

Más detalles

9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de decisión.

9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de decisión. TEMA 9 TÉCNICAS DE INTELIGENCIA ARTIFICIAL PARA EL ANÁLISIS DE LA INFORMACIÓN CONTABLE 9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de

Más detalles

Aplicación de Vectores Estadísticos de Características y Ensambles para el Reconocimiento Automático del Llanto de Bebés

Aplicación de Vectores Estadísticos de Características y Ensambles para el Reconocimiento Automático del Llanto de Bebés Aplicación de Vectores Estadísticos de Características y Ensambles para el Reconocimiento Automático del Llanto de Bebés Amaro Camargo Erika, Reyes García Carlos A. Instituto Nacional de Astrofísica, Óptica

Más detalles

PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Datamining y Aprendizaje Automático

PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Datamining y Aprendizaje Automático CENTRO UNIVERSITARIO DE TECNOLOGÍA Y ARTE DIGITAL PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE Datamining y Automático 1. DATOS DE IDENTIFICACIÓN DE LA ASIGNATURA. Título: Facultad: Grado en

Más detalles

GUÍA DOCENTE TITULACIONES DE GRADO

GUÍA DOCENTE TITULACIONES DE GRADO GUÍA DOCENTE TITULACIONES DE GRADO GRADO EN MARKETING CURSO 2015/2016 ASIGNATURA: ESTADÍSTICA Nombre del Módulo al que pertenece la materia Métodos cuantitativos para las ciencias sociales ECTS Carácter

Más detalles

REDES BAYESIANAS APLICADAS A LA INGENIERÍA DE SOFTWARE

REDES BAYESIANAS APLICADAS A LA INGENIERÍA DE SOFTWARE REDES BAYESIANAS APLICADAS A LA INGENIERÍA DE SOFTWARE Carlos Said, Rosana Piergallini, Nelson Di Grazia, Sabrina Pompei. Escuela de Tecnología, Universidad Nacional del Noroeste de la Provincia de Buenos

Más detalles

Modeling the Retrieval Process for an Information Retrieval System using an Ordinal Fuzzy Linguistic Approach

Modeling the Retrieval Process for an Information Retrieval System using an Ordinal Fuzzy Linguistic Approach JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE AND TECHNOLOGY, 52(6):460-475, 2001 Modeling the Retrieval Process for an Information Retrieval System using an Ordinal Fuzzy Linguistic Approach

Más detalles

INFO 2008 IV Seminario Internacional sobre Estudios Cuantitativos y Cualitativos de la Ciencia y la Tecnología, Prof. Gilberto Sotolongo Aguilar.

INFO 2008 IV Seminario Internacional sobre Estudios Cuantitativos y Cualitativos de la Ciencia y la Tecnología, Prof. Gilberto Sotolongo Aguilar. INFO 2008 IV Seminario Internacional sobre Estudios Cuantitativos y Cualitativos de la Ciencia y la Tecnología, Prof. Gilberto Sotolongo Aguilar. Análisis de redes de citaciones de patentes. Impacto en

Más detalles

Prototipo de virtualización de un caso de estudio para fundamentar la virtualización en el SNEST

Prototipo de virtualización de un caso de estudio para fundamentar la virtualización en el SNEST L u n a G a r c í a F e l i p e - M a r t í n e z Z a m u d i o M a r í a d e L o u r d e s V Í N C U L O S J U L I O D E 2 0 1 3 VOLUMEN 10 NÚMERO 2 Prototipo de virtualización de un caso de estudio para

Más detalles

Sistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico

Sistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Indice 1) Motivavión, Identificación y Estructuración del problema 2) Análisis Paramétrico: Medidas basadas en distancias de umbral

Más detalles

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

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

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Tema AA 1: Introducción a al Aprendizaje Automático

Tema AA 1: Introducción a al Aprendizaje Automático Razonamiento Automático Curso 200 2002 Tema AA : Introducción a al Aprendizaje Automático José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial

Más detalles

EL PAPEL DE LAS REDES BAYESIANAS EN LA TOMA DE DECISIONES Miller Rivera Lozano miller.rivera@urosario.edu.co

EL PAPEL DE LAS REDES BAYESIANAS EN LA TOMA DE DECISIONES Miller Rivera Lozano miller.rivera@urosario.edu.co EL PAPEL DE LAS REDES BAYESIANAS EN LA TOMA DE DECISIONES Miller Rivera Lozano miller.rivera@urosario.edu.co RESUMEN Cuando se trata de estructuras de modelos de decisiones muy grandes y complejas, se

Más detalles

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos Anteproyecto de Tesis de Magíster en Ingeniería del Software Tesista: Lic. Matilde

Más detalles

Doctoral Consortium: Bayesian Networks for High Dimensional and Big Data domains over new distributed computing paradigms

Doctoral Consortium: Bayesian Networks for High Dimensional and Big Data domains over new distributed computing paradigms Doctoral Consortium: Bayesian Networks for High Dimensional and Big Data domains over new distributed computing paradigms Jacinto Arias Departamento de Sistemas Informáticos, Universidad de Castilla-La

Más detalles

OBJETIVOS GENERALES: Al finalizar este programa el alumno deberá ser capaz de:

OBJETIVOS GENERALES: Al finalizar este programa el alumno deberá ser capaz de: ASIGNATURA : INVESTIGACIÓN DE MERCADO I CODIGO : MER 162 CREDITOS : TRES (3) CUATRIMESTRE : SEPTIMO (7mo.) PRE REQUISITOS : MAT 250 FECHA DE ELABORACION : ABRIL 2006 OBJETIVOS GENERALES: Al finalizar este

Más detalles

Inteligencia Artificial. Grado en INFORMÁTICA 4º curso. Modalidad: Presencial

Inteligencia Artificial. Grado en INFORMÁTICA 4º curso. Modalidad: Presencial Grado en INFORMÁTICA 4º curso Modalidad: Presencial Sumario Datos básicos 3 Breve descripción de la asignatura 4 Requisitos previos 4 Objetivos 4 Competencias 5 Contenidos 6 Metodología 6 Criterios de

Más detalles

Relación entre variables cuantitativas

Relación 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 detalles

1. DATOS DE LA ASIGNATURA

1. DATOS DE LA ASIGNATURA 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Curso Avanzado de Estadística Titulación: Máster en Matemáticas y aplicaciones Código Breve Descripción: El curso está centrado en dos temas relativamente

Más detalles

APROBACIÓN DE CRÉDITOS BANCARIOS UTILIZANDO INTELIGENCIA ARTIFICIAL

APROBACIÓN DE CRÉDITOS BANCARIOS UTILIZANDO INTELIGENCIA ARTIFICIAL APROBACIÓN DE CRÉDITOS BANCARIOS UTILIZANDO INTELIGENCIA ARTIFICIAL Israel Cueva Hidalgo Mayo, 2010 I. INTRODUCCIÓN II. Hoy en día son muchas las instituciones que conceden créditos a sus clientes; pero

Más detalles

RESUMEN 1. INTRODUCCIÓN

RESUMEN 1. INTRODUCCIÓN Análisis de dominio orientado a las características (FODA) para el desarrollo de una metodología para la evaluación personal en la especificación de requerimientos de software Manuel A. Murillo Madera,

Más detalles

Instituto Tecnológico de Cd. Victoria

Instituto Tecnológico de Cd. Victoria Instituto Tecnológico de Cd. Victoria Maestría en Sistemas Computacionales Nombre de la asignatura: INGENIERÍA DE SOFTWARE ORIENTADA A PROCESOS. Línea de Trabajo: Ingeniería de Software Tiempo de dedicación

Más detalles

Dr. Guillermo de León Adams

Dr. Guillermo de León Adams 1 Datos personales Apellidos y nombre: de León Adams, Guillermo Fecha de nacimiento: 16 de Junio de 1949 e-mail gdeleon@uv.mx 2 Títulos académicos Licenciatura: Actuario (1967-1970), Facultad de Ciencias

Más detalles

Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Abril 2013. monica.lopez.raton@usc.es

Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Abril 2013. monica.lopez.raton@usc.es Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Abril 2013 monica.lopez.raton@usc.es Selección de puntos de corte óptimos en los tests diagnósticos Índice 1. Motivación

Más detalles

Materia: INGENIERÍA DE EXPLOTACION DE INFORMACIÓN. Docente Titular: Dra. Paola Britos Dr. Ramon Garcia-Martinez

Materia: INGENIERÍA DE EXPLOTACION DE INFORMACIÓN. Docente Titular: Dra. Paola Britos Dr. Ramon Garcia-Martinez Carrera: Magister en Sistemas de Información Materia: INGENIERÍA DE EXPLOTACION DE INFORMACIÓN Area: Asignaturas Obligatorias Docente Titular: Dra. Paola Britos Dr. Ramon Garcia-Martinez Año: 2014 Cuatrimestre:

Más detalles

UNIVERSIDAD CARLOS III DE MADRID

UNIVERSIDAD CARLOS III DE MADRID : Grupo de Planificación y Aprendizaje PLG I V E R S ID A D U N I D III R D A M D E I C A R L O S II UNIVERSIDAD CARLOS III DE MADRID Grupo de Planificación y Aprendizaje Planificación de misiones espaciales

Más detalles

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

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

Más detalles

RED BAYESIANA CON ASPECTO DE MAPA CONCEPTUAL: UNA PERSPECTIVA PARA LOS SISTEMAS DE ENSEÑANZA/APRENDIZAJE INTELIGENTES

RED BAYESIANA CON ASPECTO DE MAPA CONCEPTUAL: UNA PERSPECTIVA PARA LOS SISTEMAS DE ENSEÑANZA/APRENDIZAJE INTELIGENTES EDU081 RED BAYESIANA CON ASPECTO DE MAPA CONCEPTUAL: UNA PERSPECTIVA PARA LOS SISTEMAS DE ENSEÑANZA/APRENDIZAJE INTELIGENTES RESUMEN MSc. Natalia Martínez Sánchez, Lic. Maikel León Espinosa, Lic. Denysde

Más detalles

Cómo gestionar proyectos en condiciones de riesgo

Cómo gestionar proyectos en condiciones de riesgo 1 de 8 CLAVES PARA EL ÉXITO DE LOS PROYECTOS Cómo gestionar proyectos en condiciones de riesgo Las empresas necesitan desarrollar proyectos que exigen estructuras y tratamientos distintos a los tradicionales.

Más detalles

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

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

Más detalles

Construcción de un árbol balanceado de subclasificadores para SVM multi-clase

Construcción de un árbol balanceado de subclasificadores para SVM multi-clase Construcción de un árbol balanceado de subclasificadores para SVM multi-clase Waldo Hasperué 1,2, Laura Lanzarini 1, 1 III-LIDI, Facultad de Informática, UNLP 2 Becario CONICET {whasperue, laural}@lidi.info.unlp.edu.ar

Más detalles

DISEÑO DE UN SISTEMA DE GESTIÓN EN CONTROL Y SEGURIDAD BASADO EN LA NORMA BASC PARA LA EMPRESA TRANSPORTES Y SERVICIOS ASOCIADOS SYTSA CÍA. LTDA.

DISEÑO DE UN SISTEMA DE GESTIÓN EN CONTROL Y SEGURIDAD BASADO EN LA NORMA BASC PARA LA EMPRESA TRANSPORTES Y SERVICIOS ASOCIADOS SYTSA CÍA. LTDA. DISEÑO DE UN SISTEMA DE GESTIÓN EN CONTROL Y SEGURIDAD BASADO EN LA NORMA BASC PARA LA EMPRESA TRANSPORTES Y SERVICIOS ASOCIADOS SYTSA CÍA. LTDA. Erika Moncayo, Mauricio Campaña, Fernando Solís 1 Universidad

Más detalles

CATÁLOGO DE INFERENCIAS

CATÁLOGO DE INFERENCIAS Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre

Más detalles

Nombre de la asignatura: Inteligencia Artificial. Créditos: 2-2 - 4. Aportación al perfil

Nombre de la asignatura: Inteligencia Artificial. Créditos: 2-2 - 4. Aportación al perfil Nombre de la asignatura: Inteligencia Artificial Créditos: 2-2 - 4 Aportación al perfil Diseñar e implementar interfaces hombre- máquina y máquinamáquina para la automatización de sistemas. Identificar

Más detalles

Neuronas Artificiales

Neuronas Artificiales Modelos básicos b de Redes de Neuronas Artificiales Julián n Dorado Departamento de Tecnologías de la Información n y las Comunicaciones Universidade da Coruña Contenidos Tema 10: Procesado temporal mediante

Más detalles

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

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

Más detalles

Validez y Fiabilidad

Validez y Fiabilidad Curso de introducción a la metodología de la investigación (II) Validez y Fiabilidad Laura Martínez García Centre Cochrane Iberoamericano 9 de Febrero de 2011 Guión Validez interna Validez externa Precisión

Más detalles

IMPACTO DEL USO DEL SOFTWARE CMAP-TOOLS EN LA TÉCNICA DE LOS MAPAS CONCEPTUALES

IMPACTO DEL USO DEL SOFTWARE CMAP-TOOLS EN LA TÉCNICA DE LOS MAPAS CONCEPTUALES Ciencia Amazónica, 2012, Vol. 2, No. 2, 157-161 IMPACTO DEL USO DEL SOFTWARE CMAP-TOOLS EN LA TÉCNICA DE LOS MAPAS CONCEPTUALES Susy Karina Dávila Panduro 1*, Carlos Antonio Li Loo Kung 2 1 Facultad de

Más detalles

Estadística. Material docente de la UOC. Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944

Estadística. Material docente de la UOC. Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944 Estadística Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944 Material docente de la UOC CC-BY-SA PID_00159944 Estadística Ángel A. Juan Blanca de la Fuente Alicia Vila Licenciado en Matemáticas

Más detalles

UOG Journal Club: Enero 2015

UOG Journal Club: Enero 2015 UOG Journal Club: Enero 2015 Screening de trisomía 21, 18 & 13 con DNAf en sangre materna a las 10 11 semanas y el test combinado a las 11 13 semanas. M. S. Quezada, M. M. Gil, C. Francisco, G. Oròsz and

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

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

Más detalles

AUTOR: GILBERT CERVANTES JURO ESTUDIANTE DE LA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

AUTOR: GILBERT CERVANTES JURO ESTUDIANTE DE LA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS PERFIL DEL NIVEL DE GESTIÓN DEL DOMINIO PLANEAR Y ORGANIZAR DE LAS TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIONES (TIC) EN HOSPITAL NIVEL II JORGE REÁTEGUI DELGADO - ESSALUD, PIURA 2014. PROFILE MANAGEMENT

Más detalles

INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA. Dr. Ramón GARCIA MARTINEZ

INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA. Dr. Ramón GARCIA MARTINEZ INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA Dr. Ramón GARCIA MARTINEZ INTELIGENCIA ARTIFICIAL Es la disciplina que estudia la forma de diseñar procesos que exhiban características que comunmente se

Más detalles

CUIDADOS Y RIESGOS EN USUARIOS DE COCAINA INHALADA.

CUIDADOS Y RIESGOS EN USUARIOS DE COCAINA INHALADA. XI Jornadas de Investigación. Facultad de Psicología - Universidad de Buenos Aires, Buenos Aires, 2004. CUIDADOS Y RIESGOS EN USUARIOS DE COCAINA INHALADA. María Pía Pawlowicz, Diana Rossi, Graciela Touzé,

Más detalles

ACCIDENTES DEL HOGAR EN NIÑOS DE 0 A 9 AÑOS

ACCIDENTES DEL HOGAR EN NIÑOS DE 0 A 9 AÑOS Revista "Archivo Médico de Camagüey" 1998;2(3) ISSN 1025-0255 Policlínico Comunitario Docente "Ignacio Agramonte y Loynaz".Camagüey ACCIDENTES DEL HOGAR EN NIÑOS DE 0 A 9 AÑOS Dra. Gisela María Hernández*,

Más detalles

Métricas de complejidad para la transformación del problema de detección de cáncer basado en

Métricas de complejidad para la transformación del problema de detección de cáncer basado en Índice para la transformación del problema de detección de cáncer basado en mamografías Alumna: Núria Macià Antoĺınez Asesora: Ester Bernadó Mansilla Núria Macià Antoĺınez PFC: 1/49 Índice 1 Planteamiento

Más detalles

La definición del software a utilizar para la ejecución de Data Mining, permitirá desarrollar la herramienta informática de forma automatizada.

La definición del software a utilizar para la ejecución de Data Mining, permitirá desarrollar la herramienta informática de forma automatizada. 3.1 Sistema de Hipótesis 3.1.1 Hipótesis General El diseño del manual empleando Data Mining (Minería de Datos) predecirá el potencial de desarrollo de las empresas en la zona oriental asociadas a la Comisión

Más detalles

ESTIMACIÓN EN GESTIÓN DE PROYECTOS DE SOFTWARE BASADA EN EXPLOTACIÓN DE INFORMACIÓN

ESTIMACIÓN EN GESTIÓN DE PROYECTOS DE SOFTWARE BASADA EN EXPLOTACIÓN DE INFORMACIÓN ESTIMACIÓN EN GESTIÓN DE PROYECTOS DE SOFTWARE BASADA EN EXPLOTACIÓN DE INFORMACIÓN Bogado, Verónica 1, Dapozo, Gladys 1 ; García Martínez, Ramón 2 1. Departamento de Informática. Facultad de Ciencias

Más detalles

CRM Gestión de Oportunidades Documento de Construcción Bizagi Process Modeler

CRM Gestión de Oportunidades Documento de Construcción Bizagi Process Modeler Bizagi Process Modeler Copyright 2011 - Bizagi Tabla de Contenido CRM- Gestión de Oportunidades de Venta... 4 Descripción... 4 Principales Factores en la Construcción del Proceso... 5 Modelo de Datos...

Más detalles

STELLA MARIS SALVATIERRA Curriculum Vitae

STELLA MARIS SALVATIERRA Curriculum Vitae STELLA MARIS SALVATIERRA Curriculum Vitae Datos Personales Nombre y Apellido: Stella Maris Salvatierra DNI: 73.485.073-G Fecha de nacimiento: 1 de mayo de 1965 Domicilio: Urbanización Itaroa, 55 31620

Más detalles

Comparación de métodos de clasificación aplicados a textos Científicos y No Científicos

Comparación de métodos de clasificación aplicados a textos Científicos y No Científicos I. Barbona - Comparación de métodos de clasificación aplicados a textos Científicos y No Científicos Comparación de métodos de clasificación aplicados a textos Científicos y No Científicos Comparison among

Más detalles

Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján

Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján Business Intelligence (Inteligencia de Negocios) Bases de Datos Masivas (11088) Universidad Nacional de Luján Qué es Business Intelligence (BI)? Se entiende por Business Intelligence al conjunto de metodologías,

Más detalles

METODOLOGIA DE ANALISIS DE RIESGO. 1.1 Entrevistas. 1.2 Evaluación de Riesgo. Autor: Rodrigo Ferrer CISSP SISTESEG.

METODOLOGIA DE ANALISIS DE RIESGO. 1.1 Entrevistas. 1.2 Evaluación de Riesgo. Autor: Rodrigo Ferrer CISSP SISTESEG. METODOLOGIA DE ANALISIS DE RIESGO Autor: Rodrigo Ferrer CISSP Bogotá Colombia A continuación haremos una descripción detallada de los pasos con que cuenta nuestra metodología de análisis de riesgo, la

Más detalles

Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de Cuidados Intensivos Neonatales (UCIN)

Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de Cuidados Intensivos Neonatales (UCIN) Mesa de investigadores IDIC Presentación de Informes Finales de Proyectos 2013 4, 11 y 25 de abril de 2014 Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de

Más detalles

Carrera: 2-2-6. Participantes

Carrera: 2-2-6. Participantes 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Investigación de Operaciones Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar

Más detalles

Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI

Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention

Más detalles

ALGUNOS RESULTADOS EXPERIMENTALES DE LA INTEGRACIÓN DE AGRUPAMIENTO E INDUCCIÓN COMO MÉTODO DE DESCUBRIMIENTO DE CONOCIMIENTO

ALGUNOS RESULTADOS EXPERIMENTALES DE LA INTEGRACIÓN DE AGRUPAMIENTO E INDUCCIÓN COMO MÉTODO DE DESCUBRIMIENTO DE CONOCIMIENTO ALGUNOS RESULTADOS EXPERIMENTALES DE LA INTEGRACIÓN DE AGRUPAMIENTO E INDUCCIÓN COMO MÉTODO DE DESCUBRIMIENTO DE CONOCIMIENTO Kogan, A. 1, Rancan, C. 2,3, Britos, P. 3,1, Pesado, P. 2,4, García-Martínez,

Más detalles