Data Mining Aplicado a la Predicción y Tratamiento de Enfermedades

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

Download "Data Mining Aplicado a la Predicción y Tratamiento de Enfermedades"

Transcripción

1 Data Mining Aplicado a la Predicción y Tratamiento Enfermedas Carlos A Vega Investigación, Universidad Popular Autónoma l Estado Puebla, Puebla, Pue. C.P , México Genoveva Rosano Investigación, Universidad Popular Autónoma l Estado Puebla, Puebla, Pue. C.P , México Juan M López Investigación, Universidad Popular Autónoma l Estado Puebla, Puebla, Pue. C.P , México José L Cenjas Investigación, Instituto Tecnológico Morelia, Morelia, Mich. C.P , México Heberto Ferreira Investigación, Universidad Nacional Autónoma México, Campus Morelia. Morelia, Mich. C.P , México RESUMEN Éste artículo propone una metodología aplicación algoritmos predicción, utilizando técnicas minería datos, en la cual se incorporan mecanismos validación a partir los requerimientos l análisis los datos, incluyendo la verificación la significancia (selección y presentación los mismos) y mecanismos validación los resultados con base en métricas calidad la información, los cuales garantizan la efectividad en la construcción l conocimiento. Se utiliza como caso estudio el análisis clínico tratamiento síndrome doloroso abdominal, apoyándose una base datos estandarizada en esta área especialidad. Palabras Claves: Aplicación algoritmos Data Mining, cisiones, Data Mining aplicado a la predicción y tratamiento enfermedas, Algoritmos predicción, Data Mining aplicado al sector salud. INTRODUCCIÓN Hoy en día hay una cantidad excesiva información que necesita ser estudiada, analizada y purada para convertirla en conocimiento, dicha información es indispensable y necesaria para la búsqueda soluciones reales en la toma cisiones. Es por esto, que los sistemas información son tan importantes hoy en día, por que a través ellos se almacena esta información, en don es muy necesaria la medición la calidad los datos almacenados. [13] La gran pregunta es cómo puedo obtener éste conocimiento?, una respuesta es utilizando técnicas, algoritmos y mecanismos validación minería datos, la cual se encarga obtener la información analizada los patrones los cuales surge el conocimiento, es por esto que es indispensable medir la calidad la información que se analizarán con la minería datos. Las herramientas Data Mining barren las bases datos e intifican molos previamente escondidos en un sólo paso, posteriormente realizan un proceso la limpieza, o preparación los datos aquí se lleva a cabo la reducción y la transformación las bases datos, ya limpia se lleva a cabo la clasificación las bases datos, una valoración la información y finalmente se conforma la base l conocimiento y se puen tomar cisiones en base a la información clasificada. [14] Pero no sólo existe el Data Mining, si no también otras herramientas como son los algoritmos predicción, árboles cisión, teoría fractales y teorema bayes. Entre los algoritmos predicción más relevantes pomos stacar la lógica difusa ([9] fuzzy logic, la cual ha sido probada en diversos campos la ingeniería, ecología y psicología, y se trata un molo sistema inteligente conformado por una combinación los sistemas basados en reglas conocimiento y la inteligencia computacional que abarca a las res neuronales. Se pue emplear en cualquier área control inteligente o procesamiento datos en tiempo real), los algoritmos genéticos [8] (los cuales, generan una población genes con posibles soluciones y los hacen evolucionar para obtener genes más aptos con mejores soluciones) entre otros. En la actualidad son muchas las áreas l sector salud en las que ha incursionado la minería datos s aplicaciones muy complejas como el reconocimiento imágenes en el cerebro, hasta los procesos para la gestión los pacientes en hospitales, como por ejemplo en la predicción y el tratamiento

2 enfermedas especialidad analizando la sintomatología, las enfermedas y los resultados estos tratamientos, siendo un factor importante en la atención enfermedas tales como: cáncer, problemas l corazón, tratamiento y procesamiento imágenes, entre otras. [12] DESARROLLO Existen diferentes métodos estadísticos que aplican métricas para la calidad los datos, pero existe una carencia dicha medición utilizando algoritmos minería datos. [1] y [2] Definen tres pasos para evaluar la calidad los datos: 1) Obtener las reglas asociación. 2) Seleccionar las reglas asociación compatibles. 3) Agregar un factor confianza como criterios calidad los datos las transacciones. Cabe stacar que éste método presenta dos problemas: el primero, para extraer todas las reglas asociación necesita un análisis profundo y segundo no existen parámetros o fórmulas exactas para medir la calidad los datos. En la metodología propuesta en éste material trata resolver estos problemas bido a que se plantea un levantamiento requerimientos con la validación los especialistas en la materia la aplicación. [3] Propone un molo tres pasos para calcular la calidad los datos entrada las operaciones en su molo DQM (Data Quality Measurement using Data Mining). En el primer paso extraen las reglas asociación y estas son adaptadas por penncias funcionales (T), en el segundo paso separan las reglas asociación compatible e incompatible y finalmente en el paso tres calculan la calidad los datos con la Fórmula 1: Don: (Fórmula 1) nc es el número reglas compatibles, cf i es el factor confianza la i regla asociación compatible y, cf j es el factor confianza la regla asociación incompatible. Data Mining utiliza diferentes algoritmos predicción, a continuación se presenta una tabla comparativa los más relevantes y utilizados. Ver Tabla 1. Tabla 1: Comparación los algoritmos Data Mining más relevantes. Algoritmo predicción Valor Continuo Método Aplicación Poda Utiliza (Top Down Inducti on Trees) Permite ejemplos con valores sconocidos Utiliza métodos división J48 Post- Data J48Graft Post- Data BFTree Costo NBTree Costo C45 Post- Data Res Bayesianas Poliárbo les Aprendizaje exhaustivo Aprendizaje exhaustivo. Superior cisión Superior cisión cisión cisión METODOLOGÍA DE TRABAJO A continuación se presenta la metodología con la cual se realizó la presente investigación. Figura 1. Figura 1. Metodología la investigación Para el sarrollo l proyecto se diseñó una metodología en dón se realizaron procesos análisis investigaciones relacionadas a la temática aplicación Minería datos, se estableció una validación las fuentes información, se justificó la selección los algoritmos predicción para este tipo aplicaciones y se diseñó mecanismos validación la confiabilidad en los resultados obtenidos. A continuación se scribe brevemente las fases la propuesta investigación: i. Propuesta Investigación: i. Propuesta investigación: Se realizaron varias entrevistas con Médicos Especialistas, en las cuales se plantearon diversas problemáticas en el sector salud y las posibles soluciones aplicando las tecnologías la información con el apoyo técnicas minería datos. ii. Investigación: En el proceso investigación se analizaron distintas enfermedas especialidad e investigaciones realizadas en el área la salud, las cuales fueron abordadas con técnicas

3 minería datos. En pláticas realizadas con Médicos Especialistas se termino que el tratamiento la información, tiene que ser con datos verídicos, sin omisiones en la información l paciente y l medio en el que se requiere hacer el estudio dichos datos. iii. Estandarización la Información: Se revisó que la información cumpla con los requerimientos para su análisis, be ser consistente, sin omisiones y verídica. iv. Preparación la Información: Se crearon las estructuras y formatos necesarios en los archivos que serán analizados por las herramientas Data Mining. v. Aplicación l Algoritmo: Con la información lista para ser analizada se aplicaron las técnicas minería datos, haciendo uso algoritmos que generaron árboles cisiones. vi. Obtención Resultados: Se obtuvieron frecuencias los datos y la scomposición la información en árboles cisiones, estos datos fueron valorados por médicos especialistas. Al finalizar la metodología se tuvo una retroalimentación con los médicos especialistas. Existen diferentes herramientas minería datos, por lo que es necesario analizarlos y compararlos para elegir la mejor herramienta a utilizar. Para realizar ésta comparación se utilizarán [10] los once factores McCall (el cual evalúa tres áreas trabajo l software: 1) La operación l producto, el cual fine la rapiz su comprensión y operación por parte l usuario. 2) La revisión l producto, el cual se refiere al tiempo y trabajo necesario para corregir errores y la adaptación los sistemas. 3) La transición l producto, refiriéndose esto a la capacidad adaptarse a los rápidos cambios hardware y [11] el molo calidad FURPS, el cual fine a la funcionalidad, usabilidad, fiabilidad, rendimiento y capacidad soporte como los factores para finir la calidad l software. Para por terminar la solución software Data Mining mejor aplicabilidad se realizó una tabla comparativa entre los productos Orange, Weka, RapidMiner, Jhepwork y Knime utilizando los factores McCall y FURPS. Tabla 2. Tabla 2: Tabla comparativa los diferentes productos software Data Mining Software Total Datamini ng WEKA 50 ORAN GE 50 RAPID 47 MINER 38 JHEPW ORK KNIME 42 En la tabla 3 se presentan los elementos evaluados en la tabla comparativa. Tabla 3: Elementos o factores evaluación. Elementos a Evaluar 1 Flexibilidad 8 Fácil Configurar 2 Portabilidad 9 Amigable 3 Interoperabilidad 10 Íconos con Ayuda 4 Manual Técnico 11 Seguridad 5 Manual Usuario 12 Actualizaciones 6 Ayuda en Línea 13 Soporte Técnico 7 Fácil Instalar 14 Inpenncia Hw De la misma manera se realizó un estudio comparativo las funcionalidas las cinco herramientas software. Ver tabla 4. Tabla 4: Tabla comparativa las funcionalidas software Data Mining. Herramientas Procesa Molos Métodos Graficación Validación data miento Predictivos scripción l molo mining datos datos Weka Orange RapidMiner JHepWork Knime

4 Para por llevar a cabo el tratamiento la información en aplicaciones médicas, específicamente en análisis y tratamientos enfermedas, se requiere contar con bancos datos estandarizados a los requerimientos información los especialistas, con atributos finidos, y rangos valores permitidos, los cuales posibiliten la aplicación técnicas y algoritmos minería datos que permitan generar una mayor exactitud en predicción l conocimiento [13]. Hoy en día, se requieren herramientas que permitan importar y exportar datos en diferentes formatos, como lo son: bases datos especificas, documentos en hojas cálculo como Excel, archivos estándar en formatos Software Datamining como.arff, o incluso que permitan el registro la información directamente a una base datos estandarizada. Por lo anterior, para el proyecto se sarrollaron dos herramientas importación y exportación datos, que permiten la interacción la información con programas minería datos como WEKA [16] y Orange Canvas [17], lo cual permite aprovechar las bondas ambas herramientas para la generación los resultados manera gráfica a través árboles cisión. El trabajo propuesto consiste en dos etapas 1) la implementación un algoritmo para importar y exportar los datos fuentes locales y externas y 2) la generación arboles cisión. A diferencia l molo DQM el molo propuesto evalúa la calidad los datos al terminar la valiz los resultados con base a un análisis confiabilidad finiendo el coeficiente viabilidad nombre en base al comportamiento los datos. El objetivo es encontrar la tección apropiada las diferentes sintomatologías que se puen presentar en el Síndrome doloroso abdominal. Esta enfermedad pue rivarse en diferentes diagnósticos cierta gravedad salud, siendo estos normalmente, Apendicitis en sus diferentes grados complicación, Colecistitis, Piocolecisto, Embarazo Ectopico, Aborto incompleto, Peritonitis, Lesión Vesical Tratogenia, Psesis Abdominal, Irritación Peritonal, Absceso Hepáico Amibiano, Oclusión Intestinal, Quiste Bilateral, Infección y Fastitis pared abdominal, Abdomen Agudo, entre otras. Figura 2: Molo aplicación algoritmos predicción utilizando técnicas Data Mining El molo propone una tección acuada los requerimientos información, para el caso estudio los requerimientos que los especialistas terminen, la aplicación la verificación la significancia los datos, la preparación la información, la aplicación l algoritmo Data Mining, la obtención los resultados y la aplicación un mecanismo validación resultados con base a métricas calidad los datos, la cual garantiza la efectividad en la aplicación las herramientas minería datos. En este procedimiento se administran dos o más versiones algoritmos predicción Data Mining utilizando árboles cisiones. Las reglas aplicación son similares en contenido, validaciones y otras características. Este método genera resultados confiables si existe una correlación alta entre los resultados las diferentes aplicaciones. Los patrones los resultados puen variar un poco entre las aplicaciones pero las tenncias en las predicciones ben ser similares lo cual garantizaría su efectividad. RESULTADOS OBTENIDOS Una vez realizada la investigación se obtuvieron los siguientes datos, ver figura 3. DESARROLLO DEL MODELO En la figura 2 se presenta el molo preparación datos que es generado producto la investigación. Figura 3: Datos obtenidos por WEKA en el Caso Estudio Síndrome Doloroso Abdominal.

5 La confiabilidad reaplicación las pruebas muestra hasta don los puntajes obtenidos en un instrumento puen ser generalizados a través l tiempo. En la medida que la confiabilidad es mayor, menos susceptibles son los puntajes ser modificados por las condiciones aleatorias asociadas con la situación medición o con los cambios los propios sujetos. El coeficiente confiabilidad obtenido es una medida la estabilidad la prueba. Como se observa en la figura 4, analizando los primeros 4 niveles scomposición los árboles cisión se encuentra que en el primer y segundo nivel la variación es mínima (con una sola diferencia en la predicción para cada nivel), teniendo una probabilidad l 86% lo cual muestra una alta confiabilidad para los algoritmos predicción utilizados, siguiendo con el análisis la tabla 6 en el tercer nivel la variación tien a aumentar por las diferentes combinaciones generadas durante la ramificación l árbol, sin embargo, la probabilidad es l 71% lo cual muestra ser elevada bido a que se encuentra un nivel superior scomposición y para el cuarto nivel analizado sube nuevamente la confiabilidad a un 86%. (Σx) 2 = suma total los valores X, elevada al cuadrado. (Σy) 2 = suma total los valores Y, elevada al cuadrado. Conteniendo la variable X los valores cada resultado encontrado la primer medición y Y el valor cada resultado las siguientes mediciones y sustituyendo los valores correspondientes en la fórmula, se encontró un resultado l 92%, lo cual indica que existe una alta correlación entre los resultados obtenidos la aplicación los 7 algoritmos predicción Data Mining utilizando arboles cisión, lo cual hace notar que la predicción l análisis los datos es confiable, en cuanto a la estabilidad las puntuaciones a través l tiempo con los datos existentes. Como parte l proceso comprobación l molo se realizó un comparativo entre el resultado generado sin la aplicación l molo obteniendo un 41% confiabilidad con los datos iniciales, en contraste con el 82% confiabilidad combinatoria en los 4 niveles utilizando el molo propuesto, lo cual garantiza una eficacia superior en su utilización y aplicación. Ver figura 5. Figura 4. Variación los niveles scomposición en los árboles cisión. Aplicando la fórmula para obtener el coeficiente correlación por el método los puntajes directos, el cual se expresa en la fórmula siguiente: (Fórmula 2) En don: r, es el coeficiente correlación entre las dos administraciones la prueba. N = número sujetos ΣXY = resultado sumar el producto cada valor X por su correspondiente valor en Y. ΣX = suma total los valores X (primera aplicación). ΣY = suma total los valores Y (segunda aplicación). Σx 2 = resultado sumar los valores X elevados al cuadrado. Σy 2 = resultado sumar los valores Y elevados al cuadrado. Figura 5. Comparativo Confiabilidad aplicación l molo Para validar los resultados la predicción l molo sobre un escenario prueba real, se tomaron en cuenta 10 registros aleatorios y se analizaron sus resultados. Este instrumento, a su vez, se repitió por 10 grupos pruebas encontrando una eficacia l 90% en los resultados. Es stacar, que en el caso estudio el dolor abdominal crónico, sólo había 110 registros en la base datos l Hospital Regional Tuxtla Gutiérrez, Chiapas, don como en varios hospitales encuestados, se tecta una falta información bido a la falta estandarización estas bases datos. Se recomienda para trabajos futuros obtener una base datos más completa, con un mayor número casos, con información estandarizada que permita replicar el molo y los escenarios prueba.

6 Por último, también se recomienda tomar los resultados l molo para evaluar y replicar este, con otro grupo enfermedas. DISCUSIÓN Y CONCLUSIONES Es importante stacar que los datos son la materia prima la minería datos y si éstos son incorrectos todo el análisis y por lo tanto el conocimiento generado también será incorrecto, lo que conlleva a una solución falsa que pue ocasionar una mala toma cisiones ntro una empresa o en nuestro caso en el tratamiento una enfermedad y pue llegar a causar la muerte las personas. Es cir, be haber una integridad la información entre la que se encuentra en la vida real y la que se encuentra registrada en las bases datos y sistemas información empresariales. En el caso estudio y con los datos iniciales el porcentaje confiabilidad era bajo sólo el 41%, bido principalmente a la falta una estandarización información con mediciones diferentes, campos incompletos, rangos valores no finidos, diferentes escalas valoración y diagnósticos con resultados diferentes. Al aplicar el molo el porcentaje confiabilidad se incremento a un 82% confiabilidad. El síndrome doloroso abdominal es una enfermedad muy común entre los pacientes, que tien a ser mal interpretada y muchas veces se trata con medicamentos generales que no ayudan a resolver el pacimiento especifico y se mal interpreta con enfermedas como Gastritis, Infecciones Estomacales, Inflamaciones en el abdomen por mencionar algunas, con el fin por brindar un mejor diagnóstico en el tratamiento esta enfermedad es necesario intificar y asociar sintomatologías especificas una apendicitis con la ayuda las herramientas minería datos para Reducir el riesgo en el tratamiento y diagnostico esta enfermedad. El Molo preparación datos para su aplicación en técnicas minería datos es una base importante para el sarrollo nuevas aplicaciones minería datos que puedan generar diagnósticos completos y prevenciones en enfermedas especialidad [18]. Conocimiento Especializado y Unidas Significación Especializada en Medicina., sin fecha. [5] Zavala Vaca, Hugo Alejandro., Ferreira Medina, Herberto., Análisis comparativo herramientas monitoreo y control res, utilizando software libre para Institutos Investigación., CIGA., CIECO., sin fecha. [6] Ruiz Bolívar, Carlos., Confiabilidad., Programa Interinstitucional Doctorado en Educación., sin fecha. [7] Segura Bolívar, John Alexanr., Obregón Neira, Nelson., Un molo lógica difusa y conjuntos difusos para el pronóstico los niveles medios diarios l río Magdalena, en la estación limnigráfica Puerto Salgar, Colombia., revista ingeniería #22 facultad ingeniería universidad los ans noviembre [8] Mathew, Tom V., Genetic Algorithm., Indian Institute of Technology Bombay., sin fecha. [9] I. Aydin, M. Karakose, E. Akin., The Prediction Algorithm Based on Fuzzy Logic Using Time Series Data Mining Method., World Acamy of Science, Engineering and Technology [10] Gillies, A Software Quality: Theory and Management., Thomson, London. [11] Grady, Robert B., 1992., Practical software metrics for project management and process improvement. [12] Villalobos J. Ángel, Expediente-e. Telemedicina, Minería Datos y apoyo por Teléfono, México, [13] Laudon Kennet, Sistema Información Gerencial. Administración la empresa digital, Pearson Educación, México, Octava Edición, 2004 [14] Ian H. Witten & Eibe Frank, Data Mining, Machine Learning tools and techniques, Editorial Morgan Kaufmann, San Francisco, CA, Segunda Edición, [16]Sitio la Universidad Waikato apartado software especializado en minería dato. [17] Sitio oficial l Software Orange Canvas. [18] D. Canlas Rubén. Data Mining in Healthcare: Current Applications and Issues. Carnegie Mellon University, Australia PAG 3-9. REFERENCIAS [1] Strong, D.M,Lee Y.W,wang, R.Y., Data Quality in Contex, communication of ACM, 40(5),1997. [2] Pipino,L.,lee,W., Wang,y., Data Quality Assessment, [3] Saeed Farzi, Ahmad Baraani Dastjerdi., Data Quality Measurement using Data Mining, International Journal of Computer Theory and Engineering, Vol. 2, No. 1 February, 2010 [4] Estopa, Rosa., Valero, Antoni., Adquisición

LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN

LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN LA MINERÍA DE DATOS EN LA EXTRACCIÓN DE CONOCIMIENTOS APLICADOS A PROBLEMAS RELACIONADOS CON LA EDUCACIÓN Blanca Maricela Ibarra Murrieta, Ricardo Blanco Vega y María Angélica García Fierro Departamento

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

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

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

Contextualizacion. La Actividad de Requisitos. La actividad de requisitos. Contextualización, gráficamente. Introducción

Contextualizacion. La Actividad de Requisitos. La actividad de requisitos. Contextualización, gráficamente. Introducción Contextualizacion La Actividad Requisitos Introducción Supongamos que este curso fuese un proyecto sarrollo software real. En qué estadio nos encontraríamos? Hemos finido el molo ciclo vida e instanciado

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

Weka como herramienta de data mining

Weka como herramienta de data mining Weka como herramienta de data mining Lic. Aldave Rojas Isaac Alberto Instituto Tecnológico Superior de Ciudad Serdán Abstract El presente trabajo muestra un ejemplo introductorio a la herramienta de Data

Más detalles

CAPÍTULO I FORMULACIÓN DEL PROBLEMA

CAPÍTULO I FORMULACIÓN DEL PROBLEMA CAPÍTULO I FORMULACIÓN DEL PROBLEMA 1.1 Tema de Investigación Propuesta de auditoría a los sistemas de información para evaluar la calidad del software. Caso de Estudio: Departamento Médico del Hospital

Más detalles

Mantenimiento del Software

Mantenimiento del Software Mantenimiento del Software S3 Francisco Ruiz, Macario Polo Grupo Alarcos Dep. de Informática ESCUELA SUPERIOR DE INFORMÁTICA UNIVERSIDAD DE CASTILLA-LA MANCHA http://alarcos.inf-cr.uclm.es/doc/mso/ Ciudad

Más detalles

MÉTRICAS DE SOFTWARE

MÉTRICAS DE SOFTWARE UNIVERSIDAD NACIONAL DE ENTRE RÍOS FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN LICENCIATURA EN SISTEMAS PLAN 2012 PROPUESTA DE CURSO PARA RÉGIMEN DE CRÉDITOS CURSO: MÉTRICAS DE SOFTWARE Docente a Cargo:

Más detalles

Ingeniería de software

Ingeniería de software Ingeniería de software MSC-0102 Nombre de la asignatura: Ingeniería de Software Línea de trabajo: Asignatura básica Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS Horas totales Créditos

Más detalles

Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil

Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil Osvaldo M. Spositto spositto@unlam.edu.ar Martín E. Etcheverry metcheverry@unlam.edu.ar

Más detalles

METODOLOGÍA DEL PROCESO DE PRUEBAS DEL GOBIERNO DEL PRINCIPADO DE ASTURIAS METESPA

METODOLOGÍA DEL PROCESO DE PRUEBAS DEL GOBIERNO DEL PRINCIPADO DE ASTURIAS METESPA METODOLOGÍA DEL PROCESO DE PRUEBAS DEL GOBIERNO DEL PRINCIPADO DE ASTURIAS METESPA INDICE 1 Ámbito... 3 2 Alcance... 3 3 Políticas y Estrategias... 3 4 Visión General (Estructura la metodología)... 3 4.1

Más detalles

Análisis automático de eventos y comportamientos en entornos monitorizados

Análisis automático de eventos y comportamientos en entornos monitorizados automático eventos y comportamientos en entornos monitorizados Aplicación técnicas Inteligencia Artificial a sistemas vigilancia http://oreto.inf-cr.uclm.es http://www.uclm.es Paseo la iversidad 4, 13071

Más detalles

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Módulo Titulación TÉCNICAS DE APRENDIZAJE AUTOMÁTICO COMPUTACIÓN TECNOLOGÍAS ESPECÍFICAS GRADO EN INGENIERÍA INFORMÁTICA Plan 545 Código 46932 Periodo de

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

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

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Minería de Datos Complementos de Computación Módulo Titulación Grado en Ingeniería Informática Plan 463 45220 Periodo de impartición 1 er Cuatrimestre Tipo/Carácter

Más detalles

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Ing. Juan Miguel Moine Ing. Cristian Germán Bigatti Ing. Guillermo Leale Est. Graciela Carnevali Est. Esther Francheli

Más detalles

GUÍA PRÁCTICA DE GESTIÓN DE CONFIGURACIÓN LNCS

GUÍA PRÁCTICA DE GESTIÓN DE CONFIGURACIÓN LNCS GUÍA PRÁCTICA DE GESTIÓN DE CONFIGURACIÓN LNCS Diciembre 2008 AVISO LEGAL CMMI es una marca registrada en la Oficina Marcas y Patentes EEUU por la Universidad Carnegie Mellon Las distintas normas ISO mencionadas

Más detalles

SIMULACION APLICADA A LA GESTION DE STOCKS

SIMULACION APLICADA A LA GESTION DE STOCKS SIMULACION APLICADA A LA GESTION DE STOCKS Christian Arzac, Javier Alves, Eloy Vera Bahima, Carlos Bohdan, Nora Nichio, Gerardo Santori, TECPRO, Departamento Ingeniería Producción, Facultad Ingeniería,

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

CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE MTRO. HÉCTOR DELGADO MARTÍNEZ VALOR EN CRÉDITOS FM 102 30 10 40 5

CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE MTRO. HÉCTOR DELGADO MARTÍNEZ VALOR EN CRÉDITOS FM 102 30 10 40 5 CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE 1.- DATOS DE IDENTIFICACIÓN CENTRO UNIVERSITARIO: DEPARTAMENTO: ACADEMIA: ÁREA DE FORMACIÓN: NOMBRE DE LA UNIDAD DE APRENDIZAJE:

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

Master de Ingeniería Biomédica Sistemas de ayuda al diagnóstico clínico

Master de Ingeniería Biomédica Sistemas de ayuda al diagnóstico clínico Master de Ingeniería Biomédica Sistemas de ayuda al diagnóstico clínico Emilio Soria Olivas! Antonio José Serrano López! Departamento de Ingeniería Electrónica! Escuela Técnica Superior de Ingeniería!

Más detalles

SISTEMAS DE INFORMACIÓN

SISTEMAS DE INFORMACIÓN Capítulo I SISTEMAS DE INFORMACIÓN 1.1. INTRODUCCIÓN Los sistemas información están creando muchas oportunidas para las empresas, pero son también fuentes nuevos problemas y cambios [94]. Aunque la tecnología

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

Al final del curso el estudiante:

Al final del curso el estudiante: UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD INGENIERÍA Clave: PROGRAMA DEL CURSO: Evolución y Calidad del Software DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia:

Más detalles

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Verónica Escobar González, Claudio Barrientos Ochoa, Sergio Barrientos Ochoa, Dirección de Modelamiento Geometalúrgico

Más detalles

Sistema de Predicción de la Demanda de Papel Fotográfico para Ecuacolor. Egresada de Licenciada en Sistemas de Información 2005. 2

Sistema de Predicción de la Demanda de Papel Fotográfico para Ecuacolor. Egresada de Licenciada en Sistemas de Información 2005. 2 Sistema de Predicción de la Demanda de Papel Fotográfico para Ecuacolor AUTORES: Teodora Sofía Argoti Doylet 1, Soraya Freire Oliveros 2, Carmen Orozco Roggiero 3, Juan Alvarado O. 4 1 Egresada de Licenciada

Más detalles

Calidad. Preparado por: Amelia Soriano. Referencias. Rational Unified Process Version 2003.06.12.01 Copyright 1987 2003 Rational Software Corporation

Calidad. Preparado por: Amelia Soriano. Referencias. Rational Unified Process Version 2003.06.12.01 Copyright 1987 2003 Rational Software Corporation Calidad Preparado por: Amelia Soriano Referencias Rational Unified Process Version 2003.06.12.01 Copyright 1987 2003 Rational Software Corporation Curso Rational Unified Process Rational University Curso

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

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

Ingeniería de Software Dr. Marcello Visconti Z. Ingeniería de Software

Ingeniería de Software Dr. Marcello Visconti Z. Ingeniería de Software Universidad Técnica Federico Santa María Departamento de Informática Ingeniería de Software Dr. Marcello Visconti Z. Programa Proceso de Software y Paradigmas de Desarrollo Gestión de Proyectos Fases del

Más detalles

Datos de la materia. Clave de la materia: Liga al programa de la asignatura: Competencias a desarrollar:

Datos de la materia. Clave de la materia: Liga al programa de la asignatura: Competencias a desarrollar: Instituto Tecnológico y Estudios Superiores Monterrey Campus Estado México Escuela Diseño, Ingeniería y Arquitectura Departamento Tecnologías Información y Computación Datos la materia Nombre la materia:

Más detalles

Tema 2º: Calidad del software

Tema 2º: Calidad del software Tema 2º: Calidad del software 2.1 Calidad del software 2.2 Aseguramiento de la calidad del software 2.3 Gestión de la calidad del software 2. 4 Control de la calidad del software 2.5 Sistema de calidad

Más detalles

Pruebas de Software. Ingeniería del Software I Universidad Rey Juan Carlos. Verificación de Software: Validación de Software:

Pruebas de Software. Ingeniería del Software I Universidad Rey Juan Carlos. Verificación de Software: Validación de Software: Pruebas Software Universidad Rey Juan Carlos César Javier Acuña cesar.acuna@urjc.es Introducción Verificación Software: Determinar si los productos una fase dada satisfacen las condiciones impuestas al

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

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

1. Introducción. 2. El concepto de calidad del software. 3. Estándares de calidad existentes. 4. La norma ISO 9000-3

1. Introducción. 2. El concepto de calidad del software. 3. Estándares de calidad existentes. 4. La norma ISO 9000-3 Contenido INGENIERIA DE SOFTWARE Tema 6: Administración de la calidad del software Presenta: David Martínez Torres Universidad Tecnológica de la Mixteca dtorres@mixteco.utm.mx Cubo 37 1. Introducción 2.

Más detalles

Ingeniería de Software. Nombre de la asignatura: Ingeniería De Software. Carrera: Ingeniería En Sistemas Computacionales

Ingeniería de Software. Nombre de la asignatura: Ingeniería De Software. Carrera: Ingeniería En Sistemas Computacionales Ingeniería de Software 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Ingeniería De Software Carrera: Ingeniería En Sistemas Computacionales Clave de la asignatura: TIM-0701 Horas teoría-horas práctica-créditos:

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

Manual de Instalación

Manual de Instalación Manual de Instalación MANUAL DE INSTALACIÓN... 1 1. REQUERIMIENTOS DEL SISTEMA... 2 1.1 Hardware... 2 1.2 Software... 2 2. MANUAL DE INSTALACIÓN... 3 2.1 Descargar instalador Weka... 3 2.2 Instalación

Más detalles

PROGRAMA MODELO POR SEMESTRES PARA LA CARRERA DE INFORMÁTICA MATEMÁTICA PRIMER SEMESTRE

PROGRAMA MODELO POR SEMESTRES PARA LA CARRERA DE INFORMÁTICA MATEMÁTICA PRIMER SEMESTRE PROGRAMA MODELO POR SEMESTRES PARA LA CARRERA DE INFORMÁTICA MATEMÁTICA Este es un ejemplo cómo cursar progresivamente el núcleo formación fundamental. En la misma dirección es un ejemplo sobre el número

Más detalles

SISTEMAS DE GESTIÓN LOGÍSTICA

SISTEMAS DE GESTIÓN LOGÍSTICA C/ Gutenberg, s/n - Isla la Cartuja - 41092 SEVILLA. - Tfno. 954 468010 - Fax 954 460407 www.iat.es/cpla SISTEMAS DE GESTIÓN LOGÍSTICA REQUISITOS Rev.1 Diciembre 2005 ÍNDICE 0. DEFINICIÓN DEL MODELO DE

Más detalles

Entrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios

Entrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios Entrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios Elaborado por: Luis Francisco Zaldívar, MSE Director www.modelacionderiesgos.com l.zaldivar@modelacionderiesgos.com

Más detalles

Carrera Plan de Estudios Contacto

Carrera Plan de Estudios Contacto Carrera Plan de Estudios Contacto La Ingeniería en es una licenciatura de reciente creación que responde a las necesidades tecnológicas de la sociedad y la comunicación. Cada teléfono móvil, tableta electrónica

Más detalles

DETECCIÓN DE PATRONES EN IMÁGENES MÉDICAS BASADOS EN TÉCNICAS DE EXPLOTACIÓN DE DATOS Proyecto de Tesis de Magíster en Ingeniería de Software

DETECCIÓN DE PATRONES EN IMÁGENES MÉDICAS BASADOS EN TÉCNICAS DE EXPLOTACIÓN DE DATOS Proyecto de Tesis de Magíster en Ingeniería de Software DETECCIÓN DE PATRONES EN IMÁGENES MÉDICAS BASADOS EN TÉCNICAS DE EXPLOTACIÓN DE DATOS Proyecto de Tesis de Magíster en Ingeniería de Software Tesista: Director propuesto: Ing. Gustavo A. Ferrero M. Ing.

Más detalles

Secretaría de Docencia Dirección de Estudios Profesionales

Secretaría de Docencia Dirección de Estudios Profesionales I. IDENTIFICACIÓN DEL CURSO PROGRAMA DE ESTUDIO POR COMPETENCIAS Minería de Datos ORGANISMO ACADÉMICO: FACULTAD DE INGENIERÍA Programa Educativo: Ingeniería en Computación Área de docencia: Tratamiento

Más detalles

1. Entender los principios de Business Intelligence y sus implicancias para la innovación en los negocios.

1. Entender los principios de Business Intelligence y sus implicancias para la innovación en los negocios. ENFIN748 Business Intelligence y Data Mining Financiero Profesor: PhD. David Díaz E-mail Profesor: ddiaz@unegocios.cl E-mail Tareas: BI-DM@unegocios.cl PRESENTACIÓN DEL CURSO El objetivo de éste curso

Más detalles

DESARROLLO DE UN MODELO DE MADUREZ EN REDES INTELIGENTES

DESARROLLO DE UN MODELO DE MADUREZ EN REDES INTELIGENTES DESARROLLO DE UN MODELO DE MADUREZ EN REDES INTELIGENTES Juan Manuel Gers, PH.D Gerente General, GERS S.A. Email: jmgers@gersusa.com 2853 Executive Park Drive, Suite 104 Weston, Florida 33331 José Enar

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

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

Tema 1 Introducción a los Sistemas Basados en el Conocimiento

Tema 1 Introducción a los Sistemas Basados en el Conocimiento Tema 1 Introducción a los Sistemas Basados en el Conocimiento Sistemas Basados en el Conocimiento Grado en Ingeniería Informática 1 Referencias Ingeniería del Conocimiento. A. Gómez, N. Juristo, C. Montes,

Más detalles

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS Tecnólogo en Informática Plan Estudios TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS 1. Tabla Contenido TECNÓLOGO EN INFORMÁTICA... 1 PLAN DE ESTUDIOS... 1 1. TABLA DE CONTENIDO... 1. OBJETIVOS GENERALES...

Más detalles

Propuesta de Métricas para Proyectos de Explotación de Información

Propuesta de Métricas para Proyectos de Explotación de Información Propuesta de Métricas para Proyectos de Explotación de Información Diego Martín Basso 1. Maestría en Ingeniería de Sistemas de Información. Universidad Tecnológica Nacional, FRBA Buenos Aires, Argentina

Más detalles

Minería de datos: predicción de la deserción escolar mediante el algoritmo de árboles de decisión y el algoritmo de los k vecinos más cercanos

Minería de datos: predicción de la deserción escolar mediante el algoritmo de árboles de decisión y el algoritmo de los k vecinos más cercanos Minería de datos: predicción de la deserción escolar mediante el algoritmo de árboles de decisión y el algoritmo de los k vecinos más cercanos Sergio Valero Orea 1, Alejandro Salvador Vargas 1, Marcela

Más detalles

TOTAL 34 3 3 25 3 510 33. Duración del cuatrimestre. Hora teórica presencial. Hora práctica presencial. Hora teórica no presencial

TOTAL 34 3 3 25 3 510 33. Duración del cuatrimestre. Hora teórica presencial. Hora práctica presencial. Hora teórica no presencial Tipo s / no no Objetivo la asignatura Justificación la asignatura PRIMER CUATRIMTRE TIS I 22 0 0 22 0 330 21 los fundamentos teóricos y prácticos para la realización una propuesta investigación, herramientas

Más detalles

Madurez de una PYME en Gestión de Proyecto

Madurez de una PYME en Gestión de Proyecto Madurez de una PYME en Gestión de Proyecto Cassanelli, Aníbal, N. (p) ; Muñoz, Maximiliano. Universidad Nacional de Mar del Plata, Argentina. (1) acassane@fi.mdp.edu.ar Resumen La actividad por proyecto

Más detalles

Carrera: IQF-1001 SATCA 1 3 2-5

Carrera: IQF-1001 SATCA 1 3 2-5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Calve de asignatura: SATCA 1 Análisis de Datos Experimentales Ingeniería Química IQF-1001 3 2-5 2.- PRESENTACION Caracterización de la asignatura.

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

Universidad Juárez del Estado de Durango Facultad de Ciencias Forestales

Universidad Juárez del Estado de Durango Facultad de Ciencias Forestales Universidad Juárez del Estado de Durango Facultad de Ciencias Forestales Programa de Unidad de Aprendizaje Con enfoque en Competencias Profesionales Integrales I. DATOS GENERALES DE LA UNIDAD DE APRENDIZAJE

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

El monitoreo de una variable física requiere supervisión permanente de señales que

El monitoreo de una variable física requiere supervisión permanente de señales que Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,

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

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

RECOMENDACIONES. HALLAZGOS Objetivos especifico Justificación/Norma ANEXO

RECOMENDACIONES. HALLAZGOS Objetivos especifico Justificación/Norma ANEXO HALLAZGOS HALLAZGOS Objetivos especifico Justificación/Norma 1 No se estiman los presupuestos y calendario l proyecto En el objetivo específico 7 Verificar si se asigna los recursos necesarios para el

Más detalles

Beatriz Amado Sánchez a, Fabiola Wences Díaz a, Verónica Sánchez López a y Lilia Sánchez Billares a

Beatriz Amado Sánchez a, Fabiola Wences Díaz a, Verónica Sánchez López a y Lilia Sánchez Billares a Validación de un instrumento para medir el grado de asociatividad entre los factores internos y externos que impiden la certificación de CCNA en la UTEZ Beatriz Amado Sánchez a, Fabiola Wences Díaz a,

Más detalles

PROGRAMA DE CURSO. Personal 6 10 3.0 0 7. Electivo para ICC FI2002 Electromagnetismo. Competencia a la que Tributa el Curso. Propósito del Curso

PROGRAMA DE CURSO. Personal 6 10 3.0 0 7. Electivo para ICC FI2002 Electromagnetismo. Competencia a la que Tributa el Curso. Propósito del Curso PROGRAMA DE CURSO Código Nombre CC5206 Introducción a la Minería de Datos Nombre en Inglés Introduction to Data Mining SCT es Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal

Más detalles

A continuación se describe con mayor detalle cada una de las unidades: UNIDAD 2: Calidad en el desarrollo, adquisición, operación y mantenimiento del

A continuación se describe con mayor detalle cada una de las unidades: UNIDAD 2: Calidad en el desarrollo, adquisición, operación y mantenimiento del 1. OBJETIVOS: Incorporar los conceptos de indicador, métrica, medida, escala de medición, y proceso de medición. Entender la importancia de los indicadores de desempeño de procesos, su medición y seguimiento.

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA

TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGIAS RENOVABLES EN COMPETENCIAS PROFESIONALES ASIGNATURA DE CALIDAD Y ESTADISTICA 1. Competencias Formular proyectos de energías renovables mediante diagnósticos energéticos

Más detalles

Gestión por procesos y definición de indicadores para un agente participante en la Trading Agent Competition SCM

Gestión por procesos y definición de indicadores para un agente participante en la Trading Agent Competition SCM II International Conference on Industrial Engineering and Industrial Management XII Congreso Ingeniería Organización September 3-5, 2008, Burgos, Spain Gestión por procesos y finición indicadores para

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

M t é rica c s a s de d l e Pr P oc o e c s e o s o de d Ing n e g n e i n er e ía a de d e So S f o twa w r a e e y y de d P od o u d c u t c o

M t é rica c s a s de d l e Pr P oc o e c s e o s o de d Ing n e g n e i n er e ía a de d e So S f o twa w r a e e y y de d P od o u d c u t c o Proceso de Ingeniería de Software Métricas del Proceso de Ingeniería de Software y de Producto 4. Métricas del proceso y el producto 4.1. Métricas del proceso 4.2. Métricas del producto 4.3. Calidad y

Más detalles

PROCEDIMIENTO PARA LA REALIZACION DE COPIAS DE SEGURIDAD (BACKUP)

PROCEDIMIENTO PARA LA REALIZACION DE COPIAS DE SEGURIDAD (BACKUP) Código AP-GA PR28 Pagina: 1 6 1. OBJETIVO Garantizar el resguardo en forma segura toda la información digital que ntro l sarrollo las funciones se consire documental e importante y crítica, generada en

Más detalles

ASPECTOS DE LA CALIDAD Y DIFICULTADES DURANTE LA GESTION DE PROYECTOS Estudio exploratorio

ASPECTOS DE LA CALIDAD Y DIFICULTADES DURANTE LA GESTION DE PROYECTOS Estudio exploratorio ASPECTOS DE LA CALIDAD Y DIFICULTADES DURANTE LA GESTION DE PROYECTOS Estudio exploratorio Jorge Mazón Naranjo 1, José Alvear Cervantes 2, Gipsy Bracco Vera 3. 1 Egresado de Ingeniería en Computación,

Más detalles

Carrera: TID-1015 SATCA1 2-2 - 4

Carrera: TID-1015 SATCA1 2-2 - 4 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: SATCA1 Ingeniería del Conocimiento Ingeniería en Tecnologías de la Información y Comunicaciones TID-1015 2-2 - 4 2.-

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

SISTEMAS DE INFORMACIÓN III TEORÍA

SISTEMAS DE INFORMACIÓN III TEORÍA CONTENIDO: QUÉ ES CALIDAD DEL SOFTWARE? ASEGURAMIENTO DE LA CALIDAD DEL SOFTWARE CONTROL DE LA CALIDAD DEL SOFTWARE AUDITORÍA DE LA CALIDAD DEL SOFTWARE CALIDAD DEL PRODUCTO DE SOFTWARE CALIDAD DEL PROCESO

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 b) Título que se otorga Ingeniero/a en Sistemas Inteligentes c) Espacio donde se imparte

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS

HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES Página 1 de 22 HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la Asignatura Calidad y estadística 2. Competencias Formular proyectos

Más detalles

Nombre de la asignatura: Proceso Personal para el Desarrollo de - --------------------------------------------------Software

Nombre de la asignatura: Proceso Personal para el Desarrollo de - --------------------------------------------------Software 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Proceso Personal para el Desarrollo de - --------------------------------------------------Software Carrera: Clave de la asignatura: Ingeniería en Sistemas

Más detalles

EVALUACIÓN DEL CUESTIONARIO BCSE

EVALUACIÓN DEL CUESTIONARIO BCSE EVALUACIÓN DEL CUESTIONARIO BCSE RESUMEN DE LA VALORACIÓN DEL TEST Descripción general Nombre del test Autor Características Autor de la adaptación española Editor de la adaptación española Fecha de la

Más detalles

Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5

Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5 1. DATOS DE LA ASIGNATURA Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5 2.- PRESENTACIÓN Caracterización de la asignatura. Probabilidad y estadística descriptiva Ingeniería en gestión

Más detalles

Inteligencia de Negocio

Inteligencia 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 detalles

SEGUNDO CONCURSO IBEROAMERICANO DE BUENAS PRÁCTICAS EN PROMOCIÓN DE LA SALUD EN EL ÁMBITO ESCOLAR

SEGUNDO CONCURSO IBEROAMERICANO DE BUENAS PRÁCTICAS EN PROMOCIÓN DE LA SALUD EN EL ÁMBITO ESCOLAR SEGUNDO CONCURSO IBEROAMERICANO DE BUENAS PRÁCTICAS EN PROMOCIÓN DE LA SALUD EN EL ÁMBITO ESCOLAR Formulario de Inscripción y Descripción de Experiencias 1. INFORMACIÓN GENERAL Identificación Nombre de

Más detalles

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES

UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES José Alejandro Chiri Aguirre RESUMEN La predicción de recidiva en pacientes que han sido

Más detalles

DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas 1114. ASIGNATURA: BASE DE DATOS Año 2011

DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas 1114. ASIGNATURA: BASE DE DATOS Año 2011 DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas Código Asignatura 1114 ASIGNATURA: BASE DE DATOS Año 2011 FUNDAMENTACIÓN Base de datos contribuye a la formación del Ingeniero en Informática por

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

Carrera: ISH-1203 1-3 - 4

Carrera: ISH-1203 1-3 - 4 1.DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas practica-créditos: Proceso Personal para el Desarrollo de Software. Ingeniería en Sistemas Computacionales

Más detalles

Taller de Informática I Contador Público CPC-1040 2-2-4

Taller de Informática I Contador Público CPC-1040 2-2-4 1.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la Asignatura: Créditos: Taller de Informática I Contador Público CPC-1040 2-2-4 2.-PRESENTACIÓN Caracterización de la asignatura. La

Más detalles

ATENEA. Especificación de Requerimientos Software. 15 de Abril de 2013. Katerin Bejarano Serna Alisson Rodríguez Beltrán

ATENEA. Especificación de Requerimientos Software. 15 de Abril de 2013. Katerin Bejarano Serna Alisson Rodríguez Beltrán ATENEA Especificación Requerimientos Software 15 Abril 2013 Katerin Bejarano Serna Alisson Rodríguez Beltrán HISTORIAL DE CAMBIOS Versión Fecha Descripción cambios Responsable (S) 1.0.0 09-02 -2013 Se

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES Pág. 1 de 16 TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control estadístico del proceso 2. Competencias Administrar

Más detalles

Carrera: GND-1302 2-3 5

Carrera: GND-1302 2-3 5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA1 Tecnología para la Gestión II Ingeniería en Gestión Empresarial GND-1302 2-3 5 2.- PRESENTACIÓN Caracterización

Más detalles

CALIDAD DEL SOFTWARE TESTS DE EXAMEN ACTUALIZADO SEP. 2010 TEMA 3 NORMALIZACIÓN Y CERTIFICACIÓN: NORMA ISO 9001:2000

CALIDAD DEL SOFTWARE TESTS DE EXAMEN ACTUALIZADO SEP. 2010 TEMA 3 NORMALIZACIÓN Y CERTIFICACIÓN: NORMA ISO 9001:2000 TEMA 3 NORMALIZACIÓN Y CERTIFICACIÓN: NORMA ISO 9001:2000 1. NORMALIZACIÓN Y CERTIFICACIÓN 01 [Feb. 2005] Qué organización internacional propone gran cantidad de normativas en numerosos campos tecnológicos?

Más detalles

Centro de Conocimiento Compartido de Tecnologías de Fuentes Abiertas. Tecnimap 2010. Zaragoza

Centro de Conocimiento Compartido de Tecnologías de Fuentes Abiertas. Tecnimap 2010. Zaragoza Centro Conocimiento Compartido Tecnologías Fuentes Abiertas Tecnimap 2010. Zaragoza 1 SITUACIÓN DE PARTIDA CENATIC es el Centro Nacional Referencia para la aplicación las Tecnologías Fuente Abierta. Esta

Más detalles