Inteligencia de Negocio
|
|
- Jesús Caballero Bustamante
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 4: Escalabilidad en Grandes Conjuntos de Datos Curso Cuarto Curso del Grado en Ingeniería Informática
2 Práctica 4 Escalabilidad en Grandes Conjuntos de Datos 1. Objetivos y Evaluación En esta cuarta práctica de la asignatura Inteligencia de Negocio veremos la eficiencia de algoritmos de clasificación al trabajar con grandes conjuntos de datos y estudiaremos métodos para facilitar la escalabilidad de dichos algoritmos. La práctica se calificará hasta un máximo de 1,75 puntos. Se valorará la calidad de los experimentos realizados, la interpretación de los resultados, la organización y redacción del informe, etc. 2. Descripción de los Problemas Trabajaremos con cuatro conjuntos de datos como se describe a continuación: 1. CoverType: Se trata de predecir el tipo de cobertura forestal a partir de variables cartográficas. El tipo de cobertura forestal real para una observación dada (celdas de 30 x 30 metros) se determinó a partir del Servicio Forestal de EE.UU. (USFS), Region 2 Resource Information System (RIS). Las variables independientes se obtuvieron a partir de datos procedentes originalmente de Geological Survey (USGS) y el USFS de EE.UU. Los datos contienen características que indican cualidades del terreno (altura, pendiente, distancia a superficies con agua, sombra en distintos momentos del día, etc.) así como características que indican la zona (cuatro áreas silvestres) y el tipo de suelo (40 valores posibles). Los datos corresponden a áreas silvestres ubicadas en el Parque Nacional Roosevelt del norte de Colorado que representan bosques con perturbaciones de origen humano mínimos, de modo que los tipos de cobertura forestal existentes son principalmente el resultado de procesos ecológicos y no de prácticas de gestión forestal. Los datos originales se encuentran en la dirección 1
3 3 Recomendaciones 2 Este conjunto de datos cuenta con instancias y 12 características (de las cuales 10 son numéricas y 2 nominales). La variable de clase tiene 7 categorías posibles. 2. KDDCup99: Se trata de una base de datos utilizada en The Third International Knowledge Discovery and Data Mining Tools Competition que se celebró conjuntamente con The Fifth International Conference on Knowledge Discovery and Data Mining (KDD 1999). En esa ocasión, la competición consistió en construir un detector de intrusiones en la red, es decir, un modelo predictivo capaz de distinguir entre malas conexiones (llamadas intrusiones o ataques) y conexiones normales buenas, empleando para ello tanto variables nominales como continuas. Se generaron datos de forma artificial que simulaban distintos tipos de conexiones. Los datos originales se encuentran en la dirección y http: //archive.ics.uci.edu/ml/datasets/kdd+cup+1999+data. Este conjunto de datos cuenta con instancias y 41 características (de las cuales 26 son reales y 15 nominales). La variable de clase tiene 23 categorías posibles. 3. PokerHand: Cada instancia de este conjunto de datos es un ejemplo de una mano de póker con cinco cartas procedentes de una baraja francesa de 52 naipes. Cada carta se describe mediante dos atributos (palo y número), habiendo por tanto un total de 10 características. El atributo de clase describe el tipo de mano de póker obtenido (parejas, color, full, etc.). Los datos originales se encuentran en la dirección uci.edu/ml/datasets/poker+hand. Este conjunto de datos cuenta con instancias y 10 características (de las cuales 5 son numéricas y 5 nominales). La variable de clase tiene 10 categorías posibles. 4. Protein: Este tercer problema consiste en predecir un mapa de contacto de proteínas. Del problema original, compuesto de 631 variables y 32 millones de instancias, se ha seleccionado un subconjunto para esta práctica consistente en 20 variables y un millón de instancias escogidas aleatoriamente. La variable de clase tiene 2 categorías posibles. A modo de referencia, experimentos realizados en una máquina Intel R Core TM i7 CPU 2,93GHz muestran que una ejecución de C4.5 sobre el total de datos de entrenamiento tarda en generar el modelo alrededor de 5 minutos en CoverType, 12 minutos en KDDCup99 y 30 minutos en PokerHand y Protein. 3. Recomendaciones Para un estudio de tiempos correcto, todos los experimentos deberán realizarse en la misma máquina evitando su sobrecarga con otros procesos durante las ejecuciones. En la documentación deberán indicarse las características del software y hardware utilizado (versión del sistema operativo y del resto del software utilizado, tamaño de memoria RAM, procesador, etc.). Se recomienda emplear versiones del sistema operativo, Weka y JRE de Java de 64 bits. Para
4 4 Tareas a Realizar 3 Java, podrá ser necesario emplear asignaciones de memoria (opción -Xmx****M o -Xmx*G) altas dentro de la disponibilidad de la máquina. Dado que se trabajará con conjuntos de datos de gran tamaño, la ejecución en software con entorno gráfico (GUI) puede ser considerablemente más lento e incluso inviable por cuestiones de consumo de RAM. Por tanto, se recomienda usar Weka en modo de línea de comandos (más información en Para su funcionamiento es necesario tener la variable de entorno CLASSPATH con la dirección del fichero weka.jar. Por ejemplo, la siguiente línea ejecuta C4.5 y vuelca el resultado en el fichero res.txt (entre los resultados obtenidos se incluye el tiempo de ejecución): java -Xmx2048M weka.classifiers.trees.j48 -t tra.arff -T tst.arff -i > res.txt A partir de la versión no se acepta la opción -i para obtener estadísticas detalladas, ya se proporcionan sin necesidad de usar esta opción. Los modelos se pueden guardar en un archivo con la opción -d y pueden leerse con -l (obteniendo así la categoría predicha para cada instancia), lo cual puede ser útil durante el desarrollo de la práctica. Para obtener la confianza de predicción en cada instancia puede emplearse la opción -p 0 junto con -l (se puede añadir -distribution si se desea la probabilidad de cada clase). Para el tratamiento de los datos y la visualización puede emplearse software adicional a elección del alumno. 4. Tareas a Realizar La práctica consiste en estudiar la escalabilidad de algoritmos de clasificación en grandes conjuntos de datos y aplicar una técnica de estratificación para reducir los tiempos de ejecución. Se deberán resolver adecuadamente las dos tareas descritas a continuación (escalabilidad y estratificación) para obtener la máxima calificación de 1,75 puntos. La primera sección se valora con 0,5 puntos (0,25 si se trabaja solo con CoverType y KDDCup99 más 0,25 si también se usa PokerHand y Protein) y la segunda con 1,25 puntos (0,75 puntos si se trabaja con CoverType y KDDCup99 y 0,5 adicionales si también se usa PokerHand y Protein). 1. Estudio de escalabilidad: Para esta tarea se probarán con distintos subconjuntos de datos de entrenamiento de diferente tamaño y se analizarán los resultados en cuanto a tiempo de ejecución, precisión y tamaño del modelo de clasificación. En cada problema, se dividirá el conjunto total en uno de entrenamiento (80 %) y otro de prueba (20 %), es decir, se seguirá un método hold out. Cada experimento se analizará siempre sobre el conjunto de prueba para estudiar la precisión del modelo obtenido. En cuanto al entrenamiento, este subconjunto se dividirá a su vez en conjuntos de diferente tamaño para así poder analizar el efecto de la dimensión del problema respecto al número de instancias frente al tiempo requerido para el aprendizaje y la calidad de las soluciones obtenidas. Se probarán con subconjuntos del conjunto de entrenamiento de tamaño 20 %, 40 %, 60 %, 80 % y 100 %. Cada subconjunto de tamaño mayor contendrá a los subconjuntos de tamaño inferior. Por tanto, se sugiere dividir en cinco grupos el conjunto de entrenamiento para luego usar el
5 5 Entrega 4 primero de ellos en el caso del 20 %, los dos primeros para el 40 %, los tres primeros para 60 %, etc. Todas las particiones de datos se harán conservando la distribución original de las categorías de la clase. Se estudiarán dos algoritmos de aprendizaje para clasificación: C4.5 y Random Forest (sin paralelización y con al menos 50 árboles, opción -I 50, aunque pueden emplearse más si el tiempo computacional lo permite). En cada caso se generarán gráficas que muestren el comportamiento del algoritmo según el tamaño del conjunto de entrenamiento. El algoritmo Random Forest es mucho más ineficiente que C4.5, por lo que es posible que llegue a requerir mucho tiempo de ejecución. Para este caso, se permite no llegar a estudiar el comportamiento en los casos de mayor tamaño si el tiempo para su ejecución excede de seis horas. 2. Estratificación: En esta segunda tarea se propone aplicar una técnica de estratificación que permita reducir los tiempos de entrenamiento. Consistirá en ejecutar de forma independiente el algoritmo objeto de estudio (C4.5 y Random Forest) sobre cada uno de los cinco subconjuntos en los que se dividió el conjunto de entrenamiento en la tarea anterior (es decir, con un tamaño del 16 % sobre el conjunto de datos total). Cada subconjunto se empleará para entrenar el algoritmo de clasificación obteniendo un modelo (un árbol en C4.5 o varios árboles en Random Forest) en cada caso. Para calcular la precisión de la solución global sobre el conjunto de prueba se aplicarán dos modos de voto. Una primera versión consistirá en un voto simple entre la predicción hecha por los cinco modelos para cada instancia. La segunda versión será un voto ponderado por la confianza de predicción estimada. En caso de empate (situación que puede darse sobre todo en la primera versión), la predicción se resolverá escogiendo la solución propuesta por el modelo que demostró ser el más preciso sobre su correspondiente conjunto de entrenamiento. Se realizará un estudio comparativo entre los dos modos de votación. En ambas tareas se valorará positivamente el empleo de recursos de visualización adecuados para mostrar los resultados obtenidos. 5. Entrega La fecha límite de entrega será el viernes 20 de enero de 2017 hasta las 23:59. La entrega se realizará a través de la web de la asignatura en En un único fichero zip se incluirá todo el material creado necesario para las ejecuciones y análisis de resultados, la documentación de la práctica realizada en pdf y cualquier otro archivo que el alumno considere relevante. El nombre del archivo zip será el siguiente (sin espacios): P4-apellido1-apellido2-nombre.zip. Es decir, la alumna María Teresa del Castillo Gómez subirá el archivo: P4-delCastillo-Gómez-MaríaTeresa.zip. El documento pdf contenido en él tendrá el mismo nombre.
Práctica 5: Clasificación con número variable de ejemplos.
5º INGENIERÍA DE TELECOMUNICACIÓN INTELIGENCIA ARTIFICIAL Y RECONOCIMIENTO DE PATRONES Práctica 5: Clasificación con número variable de ejemplos. Objetivos: Utilización de conjuntos de entrenamiento y
Más detalles1.-DATOS DE LA ASIGNATURA
1.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Minería de Datos Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: ADM-0701 Horas teoría-horas práctica-créditos: 3-2-8 2.-HISTORIA
Más detallesPráctica 3: Almacenamiento de modelos con WEKA.
PROGRAMA DE DOCTORADO INTERUNIVERSITARIO APRENDIZAJE AUTOMÁTICO Y DATA MINING Práctica 3: Almacenamiento de modelos con WEKA. Objetivos: Almacenar modelos creados con WEKA. Utilizar un modelo previo para
Más detallesPRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR Convocatoria de 19 de junio de 2008 (Orden de 19 de febrero de 2008, BOA de 7/03/2008)
DATOS DEL ASPIRANTE Apellidos: Nombre: DNI: I.E.S. CALIFICACIÓN (Numérica de 0 a 10) PRUEBAS DE ACCESO A CICLOS FORMATIVOS DE GRADO SUPERIOR Convocatoria de 19 de junio de 2008 (Orden de 19 de febrero
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesMatemáticas UNIDAD 7 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz
CONSIDERACIONES METODOLÓGICAS Material de apoyo para el docente UNIDAD 7 Preparado por: Héctor Muñoz Diseño Gráfico por: www.genesisgrafica.cl TRATAMIENTO DE INFORMACIÓN CUANTITATIVA 1. DESCRIPCIÓN GENERAL
Más detallesCURSO NOCIONES BÁSICAS DE GVSIG
CURSO NOCIONES BÁSICAS DE GVSIG FICHA RESUMEN ACCIÓN FORMATIVA Nociones básicas de gvsig Duración 35 horas Modalidad Presencial Objetivo general Conocer y manejar las funcionalidades de gvsig básicas para
Más detallesEsquema Presentación Tarea3 Base de datos
Esquema Presentación Tarea3 Base de datos Profesor: Claudio Gutiérrez Ayudante: Luis G. Silvestre Quiroga V 2.0 (20-05-2011) A continuación se describe la estructura que debe tener el Informe Final de
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesANÁLISIS DE DATOS. Jesús García Herrero
ANÁLISIS DE DATOS Jesús García Herrero ANALISIS DE DATOS EJERCICIOS Una empresa de seguros de automóviles quiere utilizar los datos sobre sus clientes para obtener reglas útiles que permita clasificar
Más detallesF1131 Fundamentos de sistemas operativos 1/12
PROGRAMA DE ESTUDIO Fundamentos de sistemas operativos Programa Educativo: Licenciado en Informática Administrativa Área de Formación : Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Total
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesDISEÑO CURRICULAR COMPUTACIÓN GRÁFICA
DISEÑO CURRICULAR COMPUTACIÓN GRÁFICA FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas. CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 126243 01 03 03 VI PRE-REQUISITO ELABORADO
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:
Más detallesProyecto PropULSA: Estadística y Probabilidad Breviario Académico
Estadística y Probabilidad Breviario Académico Estadística: Es la ciencia que tiene por objetivo recolectar, escribir e interpretar datos, con la finalidad de efectuar una adecuada toma de decisiones en
Más detallesDiseño de algoritmos paralelos
Diseño de algoritmos paralelos Curso 2011-2012 Esquema del capítulo Visión general de algunos algoritmos serie. Algoritmo paralelo vs. Formulación paralela Elementos de un Algoritmo paralelo Métodos de
Más detallesREPASO DE UNIDAD II. ANÁLISIS DE ESFUERZOS POR ELEMENTOS FINITOS CON SOLIDWORKS Ingeniería Asistida por Computador. Módulo I
NOTA: REPASO DE UNIDAD II. ANÁLISIS DE ESFUERZOS POR ELEMENTOS FINITOS CON SOLIDWORKS Ingeniería Asistida por Computador. Módulo I Antes de realizar la práctica, y a modo de repaso, consulte el capítulo
Más detallesDOCUMENTO DE APOYO PARA PROYECTOS
DOCUMENTO DE APOYO PARA PROYECTOS Los ejemplos que a continuación se encuentran en este documento de apoyo al estudiante, tiene como objetivo dar una serie de ejemplos mínimos de algunas partes de los
Más detallesMINERÍA DE DATOS: PREPROCESAMIENTO Y CLASIFICACIÓN
GUIA DOCENTE DE LA ASIGNATURA MINERÍA DE DATOS: PREPROCESAMIENTO Y CLASIFICACIÓN MÓDULO MATERIA ASIGNATURA CURSO SEMESTRE CRÉDITOS CARÁCTER Módulo de Nivelación de Conocimientos Minería de datos: preprocesamie
Más detallesTEORÍA DE AUTÓMATAS Y LENGUAJES FORMALES TRABAJO DE PRÁCTICAS. Convocatoria de junio de 2013
TEORÍA DE AUTÓMATAS Y LENGUAJES FORMALES Ingeniería Técnica en Informática de Sistemas Segundo curso Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad de Córdoba
Más detallesSYLLABUS de la Asignatura. Programación INF1201
Sazie 2325, 3er Piso, Santiago +56 2 661 8256 SYLLABUS de la Asignatura Programación INF1201 1. Descripción de la asignatura El estudiante aprenderá a analizar un problema y plantear una solución racionalmente,
Más detallesEnlace del Plan de Auditoría con los Riesgos y Exposiciones
Enlace del Plan de Auditoría con los Riesgos y Exposiciones Estándar principalmente relacionado: 2320 Análisis y Evaluación Los auditores internos deben basar sus conclusiones y los resultados del trabajo
Más detallesIntroducción a la Programación de Videojuegos y Gráficos
Introducción a la Programación de Videojuegos y Gráficos GRADO EN INGENIERÍA INFORMÁTICA CURSO 2012/2013 PROFESORADO DE VIDEOJUEGOS Carlos Aguirre Maeso Despacho B-209 E-mail: carlos.aguirre@uam.es David
Más detallesI. Condiciones de ejecución
PLIEGO DE CONDICIONES TÉCNICAS PARA LA CONTRATACIÓN DE UN ESTUDIO SOBRE EL TIEMPO DE ATENCIÓN EN LAS OFICINAS DE LA SOCIEDAD ESTATAL CORREOS Y TELÉGRAFOS S.A. AÑO 2014 El estudio a realizar informará sobre
Más detallesESTADÍSTICA: CONCEPTOS Y CARACTERÍSTICAS
Y CARACTERÍSTICAS La estadística: campos e importancia La estadística es una rama de las matemáticas que (a través de un conjunto de técnicas, métodos, normas, reglas y procedimientos que se ocupan en
Más detallesCapítulo 3 WINDELSOL 1.0 COMO HERRAMIENTA DE TRABAJO
Capítulo 3 WINDELSOL 1.0 COMO HERRAMIENTA DE TRABAJO Debido al gran número de variables interrelacionadas que intervienen en el proceso de optimización de un SRC, el uso de herramientas informáticas resulta
Más detallesFundamentos de Programación. Sabino Miranda-Jiménez
Fundamentos de Programación Sabino Miranda-Jiménez MÓDULO 1. Introducción a la computación Temas: La computación en el profesional de ingeniería Desarrollo computacional en la sociedad Aplicaciones Software
Más detallesTareas de la minería de datos: clasificación. PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR
Tareas de la minería de datos: clasificación PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja o asocia datos
Más detallesTareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: clasificación CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja
Más detallesPROGRAMA DE ESTUDIO. Horas de Práctica
PROGRAMA DE ESTUDIO Nombre de la asignatura: DISEÑO DE EXPERIMENTOS Clave:MAT10 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: MARZO DE 2015 Horas Semestre Horas semana
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial
UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método
Más detallesProyecto docente de la asignatura
Proyecto docente de la asignatura Asignatura MATEMÁTICAS Y COMPUTACIÓN Materia MATEMÁTICAS Módulo FORMACIÓN BÁSICA Titulación GRADO EN INGENIERÍA FORESTAL: INDUSTRIAS FORESTALES Plan 462 Código 45123 Periodo
Más detallesINSTITUTO TECNOLOGICO SUPERIOR DE CIUDAD HIDALGO
INSTITUTO TECNOLOGICO SUPERIOR DE CIUDAD HIDALGO MATERIA: Administración de Base de Datos PROFESORA: Emma Yesenia Rivera Ruiz CARRERA: Ingeniería en Sistemas Computacionales GRUPO: 076C INTEGRANTES DEL
Más detallesPosibles trabajos HIA
Posibles trabajos HIA Posibles trabajos Comparar otras herramientas de Minería de Datos con Weka Estudiar la influencia del ruido en bagging y boosting Estudiar la influencia del parámetro de poda en J48
Más detallesA N E X O I ORDENANZA DE CONSEJO ACADEMICO Nº 038/13
A N E O I Rendimiento académico (Art. 20 punto 11) OCA 1560/11) correspondiente a: Asignatura: PROCESAMIENTO ANALITICO DE DATOS Ciclo Académico: 2015 Conceptos Total Inscriptos Método A (sin descontar
Más detallesSSD-AAPP Sistema de Soporte a la decisión de las Administraciones Públicas: su cultura, guías de uso y buenas prácticas
SSD-AAPP Sistema de Soporte a la decisión de las Administraciones Públicas: su cultura, guías de uso y buenas prácticas Manual de Instalación Ministerio de Política Territorial y Administración Pública.
Más detallesHerramientas Informáticas I Software: Sistemas Operativos
Herramientas Informáticas I Software: Sistemas Operativos Facultad de Ciencias Económicas y Jurídicas Universidad Nacional de La Pampa Sistemas Operativos. Es el software base que permite trabajar como
Más detallesManual de Usuario. Visualizador Geográfico - SNIESE
Visualizador Geográfico - SNIESE Julio del 2016 1. INTRODUCCION La Secretaría de Educación Superior, Ciencia, Tecnología e Innovación en el marco del libre acceso y transparencia de la información pone
Más detallesAnálisis de rendimiento de algoritmos paralelos
Análisis de rendimiento de algoritmos paralelos Joaquín Andrés López Molina josandlopmol@gmail.com Daniel Mauricio Rodríguez Alpizar danielmau231995@hotmail.com Estudiantes de Ingeniería en Computación
Más detallescuevogenet Paralelización en CUDA de la Dinámica Evolutiva de Redes Génicas Dirigido por: Fernando Díaz del Río José Luis Guisado Lizar
cuevogenet Paralelización en CUDA de la Dinámica Evolutiva de Redes Génicas Realizado por: Raúl García Calvo Dirigido por: Fernando Díaz del Río José Luis Guisado Lizar Objetivos Implementar un algoritmo
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detallesHERRAMIENTAS PARA LA COMPUTACIÓN Y VISUALIZACIÓN Guía de Aprendizaje Información al estudiante
1 HERRAMIENTAS PARA LA COMPUTACIÓN Y VISUALIZACIÓN Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Herramientas para la computación y visualización
Más detallesPLIEGO DE PRESCRIPCIONES TÉCNICAS CONTRATO DE SUMINISTRO
PLIEGO DE PRESCRIPCIONES TÉCNICAS CONTRATO DE SUMINISTRO Contrato de suministro de un cluster de computadores con destino al Instituto Carlos I de Física Teórica y Computacional de la Universidad de Granada.
Más detallesFICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 4. Técnicas de Dispersión. Definición y Manejo.
FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA Tema 4. Técnicas de Dispersión. Definición y Manejo. 1.- Introducción. 2.- Funciones de Dispersión. 3.- Saturación Progresiva. 4.- Empaquetado
Más detallesExperimentación distribuida basada en el sistema Condor
UNIVERSIDAD DE CÓRDOBA ESCUELA POLITÉCNICA SUPERIOR Experimentación distribuida basada en el sistema Condor Alumno: Directores: Prof. Dr. Sebastián Ventura Soto Prof. D. ª Amelia Zafra Gómez 1. DATOS PERSONALES
Más detallesD G I Dirección General de Informática Metodología de Desarrollo Versión 1.0
Sistema Integral de Atención Ciudadana () Guía del Usuario. Atención Ciudadana. Usuario: OIC. Versión 2.0 31/12/2009 Uso Interno Página 1 de 35 Fecha de Elaboración: 31/12/2009 Revisiones Fecha Versión
Más detallesTema 12: El sistema operativo y los procesos
Tema 12: El sistema operativo y los procesos Solicitado: Tarea 06 Arquitecturas de una computadora y el funcionamiento del software M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx
Más detallesUnidad 6. Primaria Ciencias Sociales 5 Programación
Primaria Ciencias Sociales 5 Programación Unidad 6 1. Presentación de la unidad 2. Objetivos didácticos 3. Contenidos de la unidad/criterios de evaluación/estándares de aprendizaje evaluables 4. Selección
Más detallesTarea 3 Búsqueda por Interpolación y Extrapolación
Tarea 3 Búsqueda por Interpolación y Extrapolación Jérémy Barbay, Mauricio Quezada 2011-04-27 Miércoles 2011-05-11 Miércoles CC4102: Diseño y Análisis de Algoritmos 2011 Profesor: Jérémy Barbay
Más detallesAdministración Informática. Unidad I. Tipos de sistemas y su clasificación A) Sistemas de información.
UNIVERSIDAD NACIONALDE INGENIERÁ UNI NORTE SEDE REGIONAL EN ETELI Ing. Mario Pastrana Moreno. Unidad I. Tipos de sistemas y su clasificación 10-09-2010 Administración Informática A) Sistemas de información.
Más detallesAPRENDER Manual de usuario
APRENDER 2016 Manual de usuario Sistema Abierto de Consulta Aprender 2016 1 Guía general de uso del Sistema Abierto de Consulta Aprender 2016 INTRODUCCIÓN E INFORMACIÓN DISPONIBLE Por medio del Sistema
Más detallesCurso 2016/17 Grados en Biología y Biología Sanitaria Departamento de Física y Matemáticas Marcos Marvá Ruiz ESTADÍSTICA
Curso 2016/17 Grados en Biología y Biología Sanitaria Departamento de Física y Matemáticas Marcos Marvá Ruiz ESTADÍSTICA Algunas ideas generales Una definición de Estadística: parte de las matemáticas
Más detallesEvolución del software y su situación actual
Evolución del software y su situación actual El software es el conjunto de programas que permite emplear la PC, es decir, es el medio de comunicación con la computadora, el control de sus funciones y su
Más detallesActividad Final SOFTWARE LIBRE
Actividad Final SOFTWARE LIBRE Implementación de un sistema de control de inventarios A. PRESENTACIÓN Para finalizar la asignatura de Software libre, tendrás que elaborar una actividad final en donde aplicarás
Más detallesTema 15: Combinación de clasificadores
Tema 15: Combinación de clasificadores p. 1/21 Tema 15: Combinación de clasificadores Abdelmalik Moujahid, Iñaki Inza, Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesReporte de la prueba de habilidad
Reporte de la prueba de habilidad Fecha: 19 Enero 2010 Reporte de la prueba de habilidad Este reporte proporciona la puntuación de las pruebas de verificación de habilidad de Sr. Sample Candidate. Si esta
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesLIBRO DE CALIFICACIONES. Ingresar Calificación
Manual de Blackboard Elaborado por: Mg. Luz Helena García Gómez HERRAMIENTAS DE SEGUIMIENTO LIBRO DE CALIFICACIONES Ingresar Calificación Ingrese a Administración de Cursos, haga clic en la opción Evaluación
Más detallesEs un conjunto de palabras y símbolos que permiten al usuario generar comandos e instrucciones para que la computadora los ejecute.
Los problemas que se plantean en la vida diaria suelen ser resueltos mediante el uso de la capacidad intelectual y la habilidad manual del ser humano. La utilización de la computadora en la resolución
Más detallesResultados del Estudiante 1. Diseño en Ingeniería
Universidad Nacional de Ingeniería Facultad de Ingeniería Electrónica, Eléctrica y Telecomunicaciones Escuela de Ingeniería de Telecomunicaciones Resultados del Estudiante 1. Diseño en Ingeniería Diseña
Más detallesDuración: 30 horas. Objetivo General: Conocer la aplicación Macromedia Dreamweaver 8, para ser capaz de. Programa. crear y administrar páginas Web.
Macromedia DreamWeaver 8 Se estudia la aplicación Macromedia Dreamweaver 8, incluida dentro de la suite Macromedia Studio 8, que se utiliza para diseñar, crear y administrar páginas web y sitios web. Dreamweaver
Más detallesDr. 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
Más detallesCurso online: Arquímedes
Curso online: Arquímedes Del 14 al 28 de junio del 2017 camins.cat www.camins.cat/serveis/formació Arquímedes permite la gestión del modelo económico de una obra. Es un programa consolidado dentro del
Más detallesLIBRO GUIA: INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha. Editorial Pearson Prentice Hall, 2004
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS: ELÉCTRICA, ELECTRÓNICA, FÍSICA Y CIENCIAS DE LA COMPUTACIÓN PROGRAMA INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
Más detallesCarga de trabajo (Workload)
La Carga de Trabajo Definición y Selección Prof. Mariela J. Curiel H. Carga de trabajo (Workload) Definición: El término carga de trabajo se usa para designar todos los requerimientos introducidos al sistema
Más detallesTECHNOLOGY, PROGRAMMING AND ROBOTICS CONTENIDOS 1º ESO
CONTENIDOS Conforme al DECRETO 48/2015, de 14 de mayo, del Consejo de Gobierno, por el que se establece para la Comunidad de Madrid el currículo de la Educación Secundaria Obligatoria. (BOCM 20 MAYO 2015),
Más detallesDuración (en horas) Evaluación de los aprendizajes
NÚCLEO: Sector Comercio y Servicios SUBSECTOR: Informática y comunicación Nombre del Módulo: ARQUITECTURA DE COMPUTADORES total: 60 horas Objetivo General: Explicar el funcionamiento interno de un equipo
Más detallesHELPPEOPLE CLOUD AGENT Manual de usuario de la Versión 2.0
HELPPEOPLE CLOUD AGENT Manual de usuario de la Versión 2.0 Elaborado por: Dirección de Aplicaciones y Servicios Helppeople Software Tabla de Contenido Generalidades... 3 Qué es helppeople Agent Cloud?...
Más detallesNombre de la asignatura : Sistemas de Computación Código : Nivel (semestre de la carrera) : 7 : Ingeniería Civil Informática Nº de créditos : 4
I IDENTIFICACION Nombre de la asignatura : Sistemas de Computación Código : 503429 Nivel (semestre de la carrera) : 7 Carrera : Ingeniería Civil Informática Nº de créditos : 4 Duración : Un semestre Pre-requisitos
Más detallesMicrosoft Excel Tabla dinámica
Microsoft Excel 2003 Tabla dinámica Una tabla dinámica es una hoja de cálculo interactiva que resume rápidamente grandes cantidades de datos usando el formato y los métodos de cálculo que se elijan. En
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesESTADÍSTICA CICLO 6 CAPACITACIÓN 2000
INTRODUCCIÓN La estadística día a día esta ocupando un lugar importante en nuestra sociedad colaborando así al progreso humano y su bienestar. Aunque en sus comienzos era aplicada únicamente a asuntos
Más detallesINGENIERO EN COMPUTACION TEMA 1.2: PRESENTACIÓN GRÁFICA DE DATOS
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACION TEMA 1.2: PRESENTACIÓN GRÁFICA DE DATOS ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: Agosto de 2016
Más detallesRDD-1301 SATCA 1 : Carrera:
1. Datos Generales de la asignatura Nombre de la asignatura: Distribuciones Linux Clave de la asignatura: RDD-1301 SATCA 1 : 2-3-5 Carrera: Ingeniería En Sistemas Computacionales 2. Presentación Caracterización
Más detalles4º E.S.O. Matemáticas A
4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con
Más detalles1. Secuencia y temporalización de los contenidos.
1. Secuencia y temporalización de los contenidos. Secuencia de los contenidos Bloque 1. La sociedad de la información y el ordenador Las tecnologías de la información y la comunicación. Campos de aplicación.
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO Instituto de Ciencias Básicas e Ingeniería SISTEMAS BASADOS EN CONOCIMIENTO Ing. Henry Patricio Paz Arias Maestría en Ciencias Computacionales Sistemas Basados
Más detallesIntroducción a los Sistemas de Información
25/09/2012 de Introducción a los Sistemas de Información Grupo de Ingeniería del Software y Bases de Datos Universidad de Sevilla septiembre 2012 de Objetivos de este tema Entender los conceptos de sistema,
Más detallesSISTEMAS OPERATIVOS MONOPUESTO 1. CONTENIDOS MÍNIMOS PARA LA EVALUACIÓN POSITIVA
1ª evaluación DEPARTAMENTO MATERIA CURSO INFORMATICA SISTEMAS OPERATIVOS MONOPUESTO 1º S.M.R 1. CONTENIDOS MÍNIMOS PARA LA EVALUACIÓN POSITIVA Caracterización de sistemas operativos: Utilización de sistemas
Más detallesHoja de respuestas. Examen tipo A
Hoja de respuestas. Examen tipo A Cuestiones 1. La memoria virtual nos permite: Emular la RAM mediante la utilización de los dispositivos de almacenamiento Tener una memoria de capacidad infinita en nuestro
Más detallesTECNOLOGÍAS DE LA INFORMACIÓN Y LA COMUNICACIÓN I
TECNOLOGÍAS DE LA INFORMACIÓN Y LA COMUNICACIÓN I MATERIALES: Como referencia para el seguimiento de la asignatura se utilizará el texto de la editorial ANAYA. Título: Tecnologías de la Información y la
Más detallesNVeiler Video Filter
Plug-in para VirtualDub que oculta rostros y objetos NVeiler Video Filter 1 NVeiler Video Filter Plug-In para VirtualDub que oculta rostros y objetos Documento actualizado el 20 de junio de 2012 CONTENIDO
Más detallesUNIVERSIDAD MILITAR NUEVA GRANADA INVITACIÓN PÚBLICA No. ANEXO T7 REQUERIMIENTOS TÉCNICOS DE LA SOLUCIÓN DE SERVIDORES
1 REQUERIMIENTOS TÉCNICOS DE LA Adquirir una plataforma de servidores capaz de sostener todos los servicios actualmente en funcionamiento en la Universidad, los servidores a ser adquiridos se catalogan
Más detallesEI MT1008 Programación II
GRADO EN INGENIERÍA INFORMÁTICA GRADO EN MATEMÁTICA COMPUTACIONAL EI1008 - MT1008 Programación II Curso 2010-2011 Departamento de Lenguajes y Sistemas Informáticos 1. Datos de la asignatura Carácter: Formación
Más detallesVIII Jornadas de Usuarios de R
VIII Jornadas de Usuarios de R Análisis del Abandono en el Sector Bancario Predicción del abandono de clientes Albacete, 17 de Noviembre de 2016 I. INDICE : Modelo Abandonos I. COMPRENSIÓN DEL NEGOCIO
Más detallesIntroducción. Requisitos para el inicio. Derechos de acceso. Elaboración de informes. Information Server Instrucciones de uso.
Requisitos para el inicio El SIMATIC Information Server permite agrupar, analizar y representar gráficamente los valores de proceso, avisos y datos de recetas de un sistema de control de procesos. El Information
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesCAPÍTULO 0. Guía del lector Organización del libro Orden de presentación de los temas Recursos en Internet y en la Web
CAPÍTULO 0 Guía del lector 0.1. Organización del libro 0.2. Orden de presentación de los temas 0.3. Recursos en Internet y en la Web 2 Sistemas operativos. Aspectos internos y principios de diseño Este
Más detallesPROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES
PROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES Certificado de profesionalidad IFCT0112 PROGRAMACIÓN CON LENGUAJES ORIENTADOS A OBJETOS Y BASES DE DATOS RELACIONALES Familia
Más detallesAsignaturas antecedentes y subsecuentes Probabilidad y Estadística Matemática
PROGRAMA DE ESTUDIOS MUESTREO Área a la que pertenece: ÁREA DE FORMACION INTEGRAL PROFESIONAL Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0082 Asignaturas antecedentes y subsecuentes Probabilidad
Más detallesINTELIGENCIA ARTIFICIAL II
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO PERIODO ABR. /SEP.-2015 INTELIGENCIA ARTIFICIAL II TEMA: RESUMEN#2: - OTROS ALGORITMOS DE BÚSQUEDA
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesMAPA DIGITAL PARA ESCRITORIO, AVANCE TECNOLÓGICO A SU SERVICIO
MAPA DIGITAL PARA ESCRITORIO, AVANCE TECNOLÓGICO A SU SERVICIO La constante evolución del mundo actual hace cada vez más complejas las necesidades de información en todos los sectores de la sociedad. En
Más detallesDESCRIPCIÓN ESPECÍFICA. Nombre del Módulo: Administración del Salario Código: CSAD 0160 Duración total: 40 horas
DESCRIPCIÓN ESPECÍFICA NÚCLEO: SECTOR COMERCIO Y SERVICIOS SUBSECTOR: ADMINISTRACIÓN Nombre del Módulo: Administración del Salario Código: CSAD 0160 total: 40 horas Objetivo General: Realizar el ajuste
Más detallesUniversidad Tecnológica Nacional Facultad Regional San Francisco. Ingeniería en Sistemas de Información. Sistemas de Gestión
Universidad Tecnológica Nacional Facultad Regional San Francisco Ingeniería en Sistemas de Información PLANIFICACIÓN CICLO LECTIVO 2015 ÍNDICE ÍNDICE... 2 PROFESIONAL DOCENTE A CARGO... 3 UBICACIÓN...
Más detallesPROYECTO 2 Parte 1 BASES DE DATOS. Curso (2 Semestre) Grupos 4F2M y 4F1M-1 (aula 5102) CONSULTAS REMOTAS EN JAVA A UNA BASE DE DATOS
PROYECTO 2 Parte 1 BASES DE DATOS Curso 2014-15 (2 Semestre) Grupos 4F2M y 4F1M-1 (aula 5102) CONSULTAS REMOTAS EN JAVA A UNA BASE DE DATOS Pág. 1 de 8 1. Objetivos Generales Acceder a una Base de Datos
Más detallesIO - Introducción a los Ordenadores
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 300 - EETAC - Escuela de Ingeniería de Telecomunicación y Aeroespacial de Castelldefels 701 - AC - Departamento de Arquitectura
Más detallesEl Computador y sus Partes INTRODUCCIÓN A LAS TECNOLOGÍAS INFORMÁTICAS
El Computador y sus Partes INTRODUCCIÓN A LAS TECNOLOGÍAS INFORMÁTICAS Contenido El Sistema de Cómputo Software y Licencias Soporte Físico 2010 EISC - Introducción a las Tecnologías Informáticas 2 El Sistema
Más detalles