Bases de datos y bases de conocimiento

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

Download "Bases de datos y bases de conocimiento"

Transcripción

1 Bases de datos y bases de conocimiento MSC-0202 Nombre de la asignatura: Bases de datos y bases de conocimiento Línea de trabajo: Tecnologías Web Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS Horas totales Créditos Historial de la asignatura. Fecha revisión / Participantes actualización Febrero de 2011 M. C. Rosa de Guadalupe Cano Anguiano Dr. Héctor Gonzalo Barbosa León Consejo de Posgrado del Departamento de Sistemas y Computación Observaciones, cambios o justificación 2. Pre-requisitos y correquisitos. Acreditar las materias básicas 3. Objetivo de la asignatura. Modelar e implementar aplicaciones relacionadas con bases de conocimiento, que permitan la recolección, organización y recuperación computarizada de conocimiento. 4. Aportación al perfil del graduado. Desarrollar estrategias y productos de software basados en el proceso de descubrimiento y generación de conocimiento a partir de bases de datos. Participar en el proceso de conformación de la inteligencia del negocio mediante diferentes técnicas para la extracción del conocimiento de las bases de datos organizacionales. Planear, diseñar y dirigir proyectos multidisciplinarios basados en la gestión de grandes volúmenes de información homogénea y/o heterogénea. Llevar al cabo actividades de consultoría en instituciones públicas o privadas para incrementar la competitividad y la innovación de las mismas. Generar soluciones innovadoras a los problemas y oportunidades de negocio de las empresas. Trabajar bajo los principios de la ética y el desarrollo sustentable.

2 Valorar y contribuir al trabajo colaborativo y al logro de objetivos de alto desempeño individual y grupal. Mantenerse en constante proceso de mejora continua. 5. Contenido temático. Unidad Temas Subtemas 1.1 Introducción Definición y objetivos Características Funcionamiento 1 Datawarehouse. 1.2 Estructura 1.3 Elementos Metadata Middleware Mecanismos de Extracción Mecanismos de Carga 1.4 Metodologías para el desarrollo 2.1. Qué es minería de datos? 2.2. Fundamentos 2.3. Áreas de aplicación 2.4. Proceso KDD (Knowledge Discovery in Databases) 2 Introducción a la minería de datos Introducción Procesos 2.5. La minería de datos y la inteligencia artificial 2.6. Ética en minería de datos 2.7. Extensiones de la minería de datos Minería de texto Minería web 3.1. Introducción 3.2. Algoritmos para minería de datos 3 Técnicas de minería de datos Taxonomía de técnicas de minería de datos 3.4. Técnicas no supervisadas y descriptivas 3.5. Técnicas supervisadas y predictivas 4.1. Introducción 4 Web mining Minería de uso web Preparación y transformación de la

3 información Descubrimiento de patrones Identificación de transacciones Análisis de patrones 4.3. Personalización web 4.4. Minería de contenido web Recuperación de información Minería de la estructura web Extracción de información Minería de texto 4.5. Algoritmos de clasificación y asociación 4.6. Sistemas de recomendación 4.7. Aplicaciones de la minería web 6. Metodología de desarrollo del curso. Exposición de contenidos mediante presentación o explicación por parte del profesor. Sesión supervisada donde los estudiantes trabajan en grupo y reciben asistencia y guía cuando sea necesaria. Situaciones en las que el alumno debe explorar y trabajar un problema práctico aplicando conocimientos interdisciplinarios. Exposición de ejercicios asignados a un grupo de estudiantes que necesita trabajo cooperativo para su conclusión. Actividades desarrolladas en espacios especiales con equipamiento especializado (laboratorio, aulas informáticas). Conjunto de pruebas escritas, orales, prácticas, proyectos, trabajos, etc. utilizados en la evaluación del progreso del estudiante. Preparación de actividades para exponer o entregar en las clases prácticas. Estudio de contenidos relacionados con las clases teóricas: Incluye cualquier actividad de estudio que no se haya computado en el apartado anterior (estudiar exámenes, trabajo en biblioteca, lecturas complementarias, hacer problemas y ejercicios, etc.). 7. Sugerencias de evaluación. Casos de estudio: Supone el análisis y la resolución de una situación planteada que presenta problemas de solución múltiple, a través de la reflexión y el diálogo para un aprendizaje grupal, integrado y significativo.

4 Proyecto semestral, donde se integren las diferentes herramientas y tecnologías vistas en clase para la resolución de un problema o una propuesta de mejora o innovación, real o hipotética. Tareas: actividades académicas específicas para cada una de las unidades del curso. Exámenes escritos de respuesta abierta. Lectura y análisis de artículos científicos relacionados con la temática de la materia. Porcentajes sugeridos: Casos de Estudio Proyecto Tareas Exámenes Lecturas 30% 30% 20% 10% 10% 8. Bibliografía y software de apoyo. Unidad 1 Inmon, W.H. "Building the Data Warehouse", John Wiley, Inmon, W.H. et al. "Managing the Data Warehouse", John Wiley, Inmon, W.H. et al. "Data Warehouse Performance", John Wiley, Kimball, R. "The Data Warehouse Toolkit", John Wiley, Kimball, R et al. "The Data Warehouse Lifecycle Toolkit", John Wiley, Giovinazzo, W. "Object-Oriented Data Warehouse Design", Prentice-Hall, Jarke, M. et al. "Fundamentals of Data Warehouses", Springer, Unidad 2 Berry M. J. A.; Linoff, G.S. Mastering Data Mining Wiley Giudici Paolo. Applied Data Mining: Statistical Methods for Business and Industry. Wiley, Berthold, M.; Hand, D. J. (Ed.) Intelligent Data Analysis. An Introduction Springer Dunham, M.H. Data Mining. Introductory and Advanced Topics Prentice Hall, Dzeroski, S.; Lavrac, N. Relational Data Mining Springer Fayyad, U. M.; Piatetskiy-Shapiro, G.; Smith, P.; Ramasasmy, U. Advances in Knowledge Discovery and Data Mining, AAAI Press / MIT Press, Fayyad, U. M.; Grinstein, G.; Wierse, A. Information Visualization in Data Mining and Knowledge Discovery Morgan Kaufmann, Harcourt Intl., Hand, D.J.; Mannila, H. and Smyth, P. Principles of Data Mining, The MIT Press, Hernández, J.; Ramírez, MJ.; Ferri, C. Introducción a la Minería de Datos Pearson Prentice Hall, 2004.

5 Unidad 3 Pyle, D. Data Preparation for Data Mining Morgan Kaufmann, Harcourt Intl., Thuraisingham, B. Data Mining. Technologies, Techniques, Tools, and Trends, CRC Press, Witten, I.H.; Frank, E. Tools for Data Mining, Morgan Kaufmann, Wong, P. C. Visual Data Mining, Special Issue of IEEE Computer Graphics and Applications, Sep/ Oct 1999, pp Han, J.; Kamber, M. Data Mining: Concepts and Techniques Morgan Kaufmann, Unidad 4 Bing Liu. WWW-2005 Tutorial Web Content Mining. The 14th International World Wide Web Conference. May 10-14, 2005, Chiba, Japan. Bamshad Mobasher. Web Usage Mining and Personalization. CRC Press LLC Jaideep Srivastava, Robert Cooley, Mukund Deshpande y Pang-Ning Tan. Web Usage Mining: Discovery and Applications of Usage Paterns from Web Data. SIGKDD Explorations, ACM. Enero Yuefeng Li, Ning Zhong. Mining Ontology for Automatically Acquiring Web User Information Needs. IEEE Transactions on Knowledge and Data Engineering, vol. 18 No. 4 Abril Páginas R. Cooley, B. Mobasher, J. Srivastava. Web Mining: Information and Pattern Discovery on the World Wide Web. Tools with Artificial Intelligence, Proceedings., Ninth IEEE International Conference on 3-8 Nov Páginas(s): Yuefeng Li, Ning Zhong. Mining Ontology for Automatically Acquiring Web User Information Needs. IEEE Transactions on Knowledge and Data Engineering, vol. 18 No. 4 Abril Páginas Kosala, R.; Blockeel, H. Web Mining Research: A Survey ACM SIGKDD Explorations, Newsletter of the ACM SIG on Knowledge Discovery and Data Mining, June 2000, Vol. 2, nº1, pp Bibliografía Complementaria: P. Cabena; P. Hadjinian; R. Stadler; J. Verhees y A. Zanasi, Discovering Data Mining. From Concept to Implementation, Prentice Hall, U.M. Fayyad, G. Piatetsky-Shapiro, P. Smyth y R. Uthurusamy Eds. Advances in Knowledge Discovery and Data Mining, AAAI Press, 1996.

6 R. Giraldez, J.C. Riquelme y J.S. Aguilar (eds.), Tendencias de la Minería de Datos en España, Red Española de Minería de Datos y Aprendizaje, J. Hernández, M.J. Ramírez y C. Ferri, Introducción a la Minería de Datos, Pearson Education, R.S. Michalski; I. Bratko y M. Kubat, Machine Learning and Data Mining, Johb Wiley and Sons, Mineset user s guide, v , 5/98, Silicon Graphics, S.M. Weiss y N. Indurkhya, Predictive Data Mining. A Practical Guide, Morgan Kaufmann Publishers, San Francisco, I.H. Witten y E. Frank, Data Mining. Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann, Páginas web: Revistas: Data Mining and Knowledge Discovery Decision Support Systems Data and Knowledge Engineering Expert Systems with Applications Artificial Intelligence Webs de interés: UCI Machine Learning Group KD nuggetstm Twiki Software de minería de datos Electronic Textbook StatSoft Software de apoyo: Weka Rapidminer

7 Orange R Knime Clementine Mathlab Mathematica Bases de datos de apoyo: Promise ISBSG FLOSS Ultimate Debian Database 9. Actividades propuestas. Se sugiere que las prácticas propuestas sean realizadas por equipos de tres personas para estar en concordancia con la finalidad de fomentar la discusión de ideas que plantea el curso y fomentar el trabajo colaborativo. En este sentido, se proponen los siguientes trabajos y prácticas por cada unidad del programa de esta asignatura: Unidad Actividades Propuestas Para cada una de las unidades el alumno deberá 1. Data warehouse. desarrollar las siguientes actividades: I Seguimiento de los fundamentos teóricos. 2. Introducción a la minería II Trabajo de investigación documental y/o de campo. de datos. III Lectura y análisis crítico de artículos científicos. 3. Técnicas de minería de IV Desarrollo de una aplicación o resolución de un caso de datos. estudio. V Divulgación y defensa de: resultados y de sus propuestas 4. Web mining. y conclusiones. 10. Nombre y firma del catedrático responsable. M. C. Rosa de Guadalupe Cano Anguiano

Área Académica: Sistemas Computacionales. Profesor: Felipe de Jesús Núñez Cárdenas

Área Académica: Sistemas Computacionales. Profesor: Felipe de Jesús Núñez Cárdenas Área Académica: Sistemas Computacionales Tema: Sistemas ROLAP y MOLAP Profesor: Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords: ROLAP, MOLAP,HOLAP Tema: Sistemas ROLAP y MOLAP Abstract

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

Área Académica: Sistemas Computacionales. Tema: Introducción a almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas

Área Académica: Sistemas Computacionales. Tema: Introducción a almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas Área Académica: Sistemas Computacionales Tema: Introducción a almacén de datos Profesor: Mtro Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords Almacén de Datos, Datawarehouse, Arquitectura

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

Tecnologías de la web semántica

Tecnologías de la web semántica Tecnologías de la web semántica MSC-0301 Nombre de la asignatura: Tecnologías de la Web Semántica Línea de trabajo: Tecnologías Web Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS

Más detalles

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software http://www.dsic.upv.es/~jorallo/docent/doctorat/index.html José Hernández Orallo jorallo@dsic.upv.es Mª. José Ramírez Quintana

Más detalles

Área Académica: Sistemas Computacionales. Tema: Arquitectura de un sistema de almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas

Área Académica: Sistemas Computacionales. Tema: Arquitectura de un sistema de almacén de datos. Profesor: Mtro Felipe de Jesús Núñez Cárdenas Área Académica: Sistemas Computacionales Tema: Arquitectura de un sistema de almacén de datos Profesor: Mtro Felipe de Jesús Núñez Cárdenas Periodo: Agosto Noviembre 2011 Keywords Almacen de Datos, Datawarehouse,

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

Computación paralela y distribuida

Computación paralela y distribuida Computación paralela y distribuida MSC-0302 Nombre de la asignatura: Computación paralela y distribuida Línea de trabajo: Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS

Más detalles

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software Mª. José Ramírez Quintana José Hernández Orallo Programa: Programación Declarativa e Ingeniería de la Programación Objetivos

Más detalles

Introducción a la Prospección de Datos Masivos ( Data Mining )

Introducción a la Prospección de Datos Masivos ( Data Mining ) Introducción a la Prospección de Datos Masivos ( Data Mining ) José Hernández Orallo jorallo@dsic.upv.es Transparencias y otra documentación en: http://www.dsic.upv.es/~jorallo/master/ Máster de Ingeniería

Más detalles

Introducción a la Prospección de Datos Masivos ( Data Mining )

Introducción a la Prospección de Datos Masivos ( Data Mining ) Temario Introducción a la Prospección de Datos Masivos ( Data Mining ) José Hernández Orallo jorallo@dsic.upv.es Transparencias y otra documentación en: http://www.dsic.upv.es/~jorallo/master/ Máster de

Más detalles

GUÍA DOCENTE TITULACIONES DE GRADO

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

Más detalles

DATA WAREHOUSE Y DATA MINING APLICADOS AL ESTUDIO DEL RENDIMIENTO ACADÉMICO Y DE PERFILES DE ALUMNOS

DATA WAREHOUSE Y DATA MINING APLICADOS AL ESTUDIO DEL RENDIMIENTO ACADÉMICO Y DE PERFILES DE ALUMNOS DATA WAREHOUSE Y DATA MINING APLICADOS AL ESTUDIO DEL RENDIMIENTO ACADÉMICO Y DE PERFILES DE ALUMNOS D. L. LA RED MARTINEZ, J. C. ACOSTA, L. A. CUTRO, V. E. URIBE, A. R. RAMBO Departamento de Informática

Más detalles

Grupo de investigación en Minería de Datos http://mida.usal.es

Grupo de investigación en Minería de Datos http://mida.usal.es Departamento de Informática y Automática Postgrado en Informática y Automática MÁSTER EN SISTEMAS INTELIGENTES ASIGNATURAS Introducción a la Minería de Datos Minería Web María N. Moreno García http://avellano.usal.es/~mmoreno

Más detalles

Bases de datos para toma de decisiones

Bases de datos para toma de decisiones 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bases de datos para toma de decisiones Lic. en Informática 3-2-8 2.- HISTORIA DEL

Más detalles

Aprendizaje Computacional. Eduardo Morales y Jesús González

Aprendizaje Computacional. Eduardo Morales y Jesús González Aprendizaje Computacional Eduardo Morales y Jesús González Objetivo General La capacidad de aprender se considera como una de los atributos distintivos del ser humano y ha sido una de las principales áreas

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

Data Warehouse y Data Mining Aplicados al Estudio del Rendimiento Académico

Data Warehouse y Data Mining Aplicados al Estudio del Rendimiento Académico Data Warehouse y Data Mining Aplicados al Estudio del Rendimiento Académico D. L. LA RED MARTINEZ, J. C. ACOSTA, L. A. CUTRO V. E. URIBE, A. R. RAMBO Dpto. Informática. FACENA. Univ. Nac. del Nordeste

Más detalles

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

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: ADMINISTRACIÓN DE BASES DE DATOS FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS:

Más detalles

Dirección General de Educación Superior Tecnológica

Dirección General de Educación Superior Tecnológica Dirección General de Educación Superior Tecnológica 1. Datos Generales de la asignatura Nombre de la asignatura: Clave de la asignatura: Créditos (Ht-Hp_ créditos): Carrera: Tópicos avanzados de bases

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

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

INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA)

INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA) INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA) 1.- Datos de la Asignatura Código 302436 Plan 2014 ECTS 3 Carácter OPCIONAL Curso 1º Periodicidad 2er SEMESTRE Área Departamento

Más detalles

Métodos Exploratorios en Minería de Datos

Métodos Exploratorios en Minería de Datos Métodos Exploratorios en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad de Stanford. Duración:

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

Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos

Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos Detección de Patrones de Bajo Rendimiento Académico y Deserción Estudiantil con Técnicas de Minería de Datos Ricardo Timarán Pereira, Ph.D. Departamento de Sistemas, Facultad de Ingeniería, Universidad

Más detalles

Carrera : Ingeniería Informática SATCA 1 3-2-5

Carrera : Ingeniería Informática SATCA 1 3-2-5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura : Inteligencia de Negocios Carrera : Ingeniería Informática Clave de la asignatura : IFF-1016 SATCA 1 3-2-5 2.- PRESENTACIÓN Caracterización de la asignatura.

Más detalles

Minería de Datos. Presentación de la asignatura. Fac. Ciencias Ing. Informática Otoño de 2012. Dept. Matesco, Universidad de Cantabria

Minería de Datos. Presentación de la asignatura. Fac. Ciencias Ing. Informática Otoño de 2012. Dept. Matesco, Universidad de Cantabria Minería de Datos Presentación de la asignatura Cristina Tîrnăucă Dept. Matesco, Universidad de Cantabria Fac. Ciencias Ing. Informática Otoño de 2012 Cuestiones Factuales De índole práctica Personal e

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

Introducción a la Minería de Datos y el Data Warehousing

Introducción a la Minería de Datos y el Data Warehousing Introducción a la Minería de Datos y el Data Warehousing Sergio R. Coria E-mail: sergio@mineriadedatos.com.mx Resumen. Para hallar patrones significativos en grandes volúmenes de datos se ha usado inicialmente

Más detalles

INTELIGENCIA DE NEGOCIO

INTELIGENCIA DE NEGOCIO Página 1de 9 GUIA DOCENTE DE LA ASIGNATURA INTELIGENCIA DE NEGOCIO MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO COMPLEMENTOS DE SISTEMAS DE INFORMACIÓN SISTEMAS DE INFORMACIÓN EN LA EMPRESA 4º 7º 6 Optativa

Más detalles

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes 1. DATOS DE LA ASIGNATURA Nombre de la Asignatura: Sistemas de Soporte a la Decisión Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0406 Horas teoría - horas práctica - créditos: 4-2-10

Más detalles

APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS

APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS Héctor F Gómez A *, Susana A Arias T **, Yuliana C Jiménez *** Universidad Técnica Particular de

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

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

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

Formalización de Web Mining como Conocimiento Estructurado

Formalización de Web Mining como Conocimiento Estructurado Formalización de Web Mining como Conocimiento Estructurado Gabriel R. Filocamo Carlos I. Chesñevar Laboratorio de Investigación y Desarrollo en Inteligencia Artificial (LIDIA) Departamento de Ciencias

Más detalles

Denominación: Negocios Inteligentes

Denominación: Negocios Inteligentes Denominación: Negocios Inteligentes Clave: Semestre: 7º 8º Carácter: Optativa de Elección Profesionalizante Tipo: Teórica Modalidad: Curso UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA

Más detalles

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos: Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD Líneas de trabajo: Ingeniería Estadística de Procesos Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases

Más detalles

Carrera: IFM - 0440 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.

Carrera: IFM - 0440 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Tópicos avanzados de bases de datos Licenciatura en Informática IFM - 0440 3-2-8

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

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

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;

Más 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

PROGRAMA DE ASIGNATURA

PROGRAMA DE ASIGNATURA PROGRAMA DE ASIGNATURA 01. Carrera Lic. En Administración de Negocios Internacionales Lic. En Dirección del Factor Humano Lic. En Comercialización x Lic. En Tecnología Informática Lic. En Administración

Más detalles

GUÍA DOCENTE DE LA ASIGNATURA

GUÍA DOCENTE DE LA ASIGNATURA GUÍA DOCENTE DE LA ASIGNATURA G655 - Introducción a los Sistemas Inteligentes Grado en Ingeniería Informática Obligatoria. Curso Grado en Matemáticas Optativa. Curso Curso Académico 2014-2015 1 1. DATOS

Más detalles

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación ESTUDIO DE TECNICAS DE DATA MINING APLICADAS AL ANALISIS DE DATOS GENERADOS CON LA METODOLOGIA BLENDED LEARNING Marcelo Omar Sosa, Sosa Bruchmann Eugenia Cecilia Departamento Computación/Facultad de Ciencias

Más detalles

Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información

Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información Marcelo López Nocera Programa de Maestría en Ingeniería de Sistemas de Información.

Más detalles

Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS Horas totales Créditos. Participantes

Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS Horas totales Créditos. Participantes Lenguajes web MSC-0203 Nombre de la asignatura: Lenguajes web Línea de trabajo: Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS TPS Horas totales Créditos 48 20 100 168

Más detalles

ENSIA 605 Inteligencia de Negocios y Minería de Datos

ENSIA 605 Inteligencia de Negocios y Minería de Datos ENSIA 605 Inteligencia de Negocios y Minería de Datos Profesor: Jaime Miranda P. E mail profesor: jmirandap@fen.uchile.cl OBJETIVOS DEL CURSO OBJETIVO GENERAL Estudiar, analizar, diseñar y aplicar tecnologías

Más detalles

Instituto Tecnológico de Cd. Victoria

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

Más detalles

Prontuario. I. Titulo del curso: Minería de Datos. II. Codificación: ESTA 5504. Horas / Crédito: 3 horas semanales / 3 Créditos

Prontuario. I. Titulo del curso: Minería de Datos. II. Codificación: ESTA 5504. Horas / Crédito: 3 horas semanales / 3 Créditos Universidad de Puerto Rico Recinto de Rio Piedras Facultad de Administración de Empresas 1 2 I. Titulo del curso: Minería de Datos Prontuario II. Codificación: ESTA 5504 III. Horas / Crédito: 3 horas semanales

Más detalles

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II 1. OBJETIVOS: Lograr que los alumnos conozcan los componentes y la arquitectura de las bases de datos relacionales. Brindar un curso internacionalmente actualizado respecto del ámbito académico, así como

Más detalles

SILABO DE TOMA DE DECISIONES

SILABO DE TOMA DE DECISIONES SILABO DE TOMA DE DECISIONES I. DATOS GENERALES 1.1. Carrera Profesional : Ingeniería de Sistemas 1.2. Área Académica : Ingeniería de Sistemas 1.3 Ciclo : VII 1.4. Semestre : 2014-I 1.5. Prerrequisito

Más detalles

GUÍA DOCENTE. Curso Académico 2015/16. Minería de Datos: Modelos Integrados de Extracción de

GUÍA DOCENTE. Curso Académico 2015/16. Minería de Datos: Modelos Integrados de Extracción de GUÍA DOCENTE Curso Académico 2015/16 1. Minería de Datos: Modelos Integrados de Extracción de Conocimiento en Bases de Datos 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura

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

(Procesos de Minería de Datos)

(Procesos de Minería de Datos) (rocesos de Minería de Datos) Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Titulación MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA Módulo Materia Asignatura Carácter SISTEMAS Y

Más detalles

Encuesta Permanente de Hogares

Encuesta Permanente de Hogares Minería de Datos Aplicada a la Encuesta Permanente de Hogares Disertante: Luis Alfonso Cutro Adscripto a la asignatura Diseño y Administración de Datos. Prof. Coordinador: Mgter. David Luís la Red Martínez

Más detalles

Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6

Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6 Nombre de la asignatura: ESTADISTICA MULTIVARIADA Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6 DOC: Docencia; TIS: Trabajo Independiente

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

Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos

Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos Cenidet Sistema Generador de Predicciones de Acceso para la Replicación n de Sitios de la Web en Dispositivos Inalámbricos Ing. Gabriel Hernández ndez MéndezM M.C.Juan Gabriel González Serna Ing. Juan

Más detalles

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

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

Más detalles

ASIGNATURA DE MÁSTER: MINERÍA DE LA WEB

ASIGNATURA DE MÁSTER: MINERÍA DE LA WEB ASIGNATURA DE MÁSTER: MINERÍA DE LA WEB Curso 2009/2010 (Código:101023) 1.PRESENTACIÓN Objetivos generales de la materia El curso se dirige a conocer las tecnologías existentes para extraer información

Más detalles

1. Historial de la asignatura

1. Historial de la asignatura Nombre de la asignatura: Ingeniería de Calidad y Manufactura (MPING-0108) Línea de trabajo: Sistemas de Gestión Empresarial e Innovación Tiempo de dedicación del estudiante a las actividades de: DOC- TIS-TPS

Más detalles

Nombre de la asignatura: Línea de investigación o de trabajo: Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos

Nombre de la asignatura: Línea de investigación o de trabajo: Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos ASIGNATURA: Robótica 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Línea de investigación o de trabajo: Robótica Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos 32 32 64

Más detalles

UN MODELO DE GESTION DEL CONOCIMIENTO EN LOS DEPARTAMENTOS ACADÉMICOS

UN MODELO DE GESTION DEL CONOCIMIENTO EN LOS DEPARTAMENTOS ACADÉMICOS UN MODELO DE GESTION DEL CONOCIMIENTO EN LOS DEPARTAMENTOS ACADÉMICOS Lucía I. Passoni *- Alicia Zanfrillo** *Miembro de AEGES. lpassoni@fi.mdp.edu.ar **alicia@mdp.edu.ar Centro de Investigaciones de la

Más detalles

Minería de datos (Presentación del curso)

Minería de datos (Presentación del curso) Minería de datos (Presentación del curso) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-O. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 10 Forma de evaluar

Más detalles

Nombre de la asignatura: DATA WAREHOUSE. Carrera: Participantes Academia de Sistemas y Computación (Ricardo Flores Oliveros Eleazar Pacheco Salazar)

Nombre de la asignatura: DATA WAREHOUSE. Carrera: Participantes Academia de Sistemas y Computación (Ricardo Flores Oliveros Eleazar Pacheco Salazar) 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: DATA WAREHOUSE Carrera: ING. EN SISTEMAS COMPUTACIONALES Clave de la asignatura: BDE - 0801 Horas teoría-horas práctica-créditos 4-2-10 2. HISTORIA DEL

Más detalles

(Data Analytics) Guía de Aprendizaje Información al estudiante

(Data Analytics) Guía de Aprendizaje Información al estudiante (Data Analytics) Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Titulación Grado en Matemáticas e Informática Módulo Materia Asignatura Carácter SISTEMAS Y SERVICIOS BASADOS EN EL

Más detalles

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES Actualmente se vive una época donde se tiene una enorme cantidad de datos que se generan diariamente (del orden de Terabytes, Petabytes 1 (Han, Kamber, & Pei, 2012))

Más detalles

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

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

Más detalles

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

ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL.

ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL. ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL. 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Introducción a la Inteligencia Artificial Línea de trabajo: Desarrollo y aplicación de tecnologías

Más detalles

6º Congreso Argentino de AgroInformática, CAI 2014. Plataforma web para la gestión Agro-ganadera

6º Congreso Argentino de AgroInformática, CAI 2014. Plataforma web para la gestión Agro-ganadera Plataforma web para la gestión Agro-ganadera David L. la Red Martínez Universidad Nacional del Nordeste 9 de julio 1449, (3400) Corrientes, Argentina Lisandro Yaccuzzi Universidad Nacional del Nordeste

Más detalles

Arquitectura del Data Warehouse

Arquitectura del Data Warehouse Arquitectura del Data Warehouse Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Titulación Grado en Ingeniería Informática Módulo Materia Asignatura ARQUITECTURA DEL DATA WAREHOUSE

Más detalles

GUÍA DOCENTE DE LA ASIGNATURA

GUÍA DOCENTE DE LA ASIGNATURA GUÍA DOCENTE DE LA ASIGNATURA M70 - Análisis Inteligente de Datos y Toma de Decisiones Máster Universitario en Ingeniería Informática Optativa. Curso Curso Académico 204-205 . DATOS IDENTIFICATIVOS Título/s

Más detalles

Dra. Gloria Arroyo Jiménez M.C. Alicia Prieto Uscanga M.C. Margarita Prieto Uscanga M.I.E. María Teresa López Ostria

Dra. Gloria Arroyo Jiménez M.C. Alicia Prieto Uscanga M.C. Margarita Prieto Uscanga M.I.E. María Teresa López Ostria Nombre de la Asignatura Tecnologías para la Gestión del Conocimiento (MPING 02110) Línea de trabajo: Sistemas de Gestión Empresarial e Innovación Tiempo de dedicación del estudiante a las actividades de:

Más detalles

CARACTERÍSTICAS GENERALES* DESCRIPCIÓN

CARACTERÍSTICAS GENERALES* DESCRIPCIÓN CARACTERÍSTICAS GENERALES* Tipo: DESCRIPCIÓN BREVE DESCRIPCIÓN Y JUSTIFICACIÓN La información y el correcto uso de la misma es cada vez mas esencial en cualquier empresa. El objetivo del curso es establecer

Más detalles

Línea de trabajo: Tiempo de dedicación del estudiante a las actividades de: DOC - TIS - TPS - Horas totales Créditos 48-20 - 100-168 - 6

Línea de trabajo: Tiempo de dedicación del estudiante a las actividades de: DOC - TIS - TPS - Horas totales Créditos 48-20 - 100-168 - 6 Nombre de la asignatura: SIG y Percepción Remota Línea de trabajo: Tiempo de dedicación del estudiante a las actividades de: DOC - TIS - TPS - Horas totales Créditos 48-20 - 100-168 - 6 DOC: Docencia;

Más detalles

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información

Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Proceso de Identificación de Errores de Apropiación de Conceptos Basado en Explotación de Información Saavedra-Martínez, P., Pollo-Cattaneo, F., Rodríguez, D., Britos, P., García-Martínez, R. Grupo de

Más detalles

Línea de investigación o de trabajo: Todas de Ciencias de la Computación. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos

Línea de investigación o de trabajo: Todas de Ciencias de la Computación. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos Nombre de la asignatura: Ingeniería de Software I Línea de investigación o de trabajo: Todas de Ciencias de la Computación Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos 22

Más detalles

Guía Docente Curso 2012-2013

Guía Docente Curso 2012-2013 ESCUELA TÉCNIICA SUPERIIOR DE IINGENIIERÍÍA Guía Docente Curso 2012-2013 Titulación Ingeniería Informática DATOS DE LA ASIGNATURA * * Asignatura en experiencia piloto de implantación del sistema de créditos

Más detalles

Propone la aplicación de herramientas diseñadas para provocar la generación de proyectos innovadores, tanto de manera individual como colectiva.

Propone la aplicación de herramientas diseñadas para provocar la generación de proyectos innovadores, tanto de manera individual como colectiva. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: APLICACIONES EMPRESARIALES Carrera: INGENIERIA EN SISTEMAS COMPUTACIONALES Clave de la asignatura: TIF-1301 (Créditos) SATCA 3-2-5 2.- PRESENTACIÓN Caracterización

Más detalles

Minería de Datos Aplicada a la Gestión de la Información Urbanística

Minería de Datos Aplicada a la Gestión de la Información Urbanística 6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 Minería de Datos Aplicada a la Gestión de la Información

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

Nombre del documento: Programa de estudio de Asignatura de Especialidad. Referencia a la Norma ISO 9001:2008 7.3 Página 1 de 6

Nombre del documento: Programa de estudio de Asignatura de Especialidad. Referencia a la Norma ISO 9001:2008 7.3 Página 1 de 6 142 Nombre del documento: Programa de estudio de Asignatura de Especialidad. Código: ITVH- AC-PO-011-02 Revisión: O Referencia a la Norma ISO 9001:2008 7.3 Página 1 de 6 1.- DATOS DE LA ASIGNATURA Nombre

Más detalles

TRANSFORMANDO DATOS EN CONOCIMIENTO: NUEVAS PRÁCTICAS Msc. Raúl Oscar Klenzi

TRANSFORMANDO DATOS EN CONOCIMIENTO: NUEVAS PRÁCTICAS Msc. Raúl Oscar Klenzi TRANSFORMANDO DATOS EN CONOCIMIENTO: NUEVAS PRÁCTICAS Msc. Raúl Oscar Klenzi Meglioli (5400). rauloscarklenzi@gmail.com Msc. María Alejandra Malberti Meglioli (5400). amalberti@gmail.com Msc. Graciela

Más detalles

Líneas de trabajo: Optimización y Simulación de Procesos Industriales. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Líneas de trabajo: Optimización y Simulación de Procesos Industriales. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos: Nombre de la asignatura: SIMULACIÓN Líneas de trabajo: Optimización y Simulación de Procesos Industriales Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos: 48 20 100 168 6 1.

Más detalles

Determinación de Perfiles de Rendimiento Académico en la UTN - FRRe

Determinación de Perfiles de Rendimiento Académico en la UTN - FRRe Determinación de Perfiles de Rendimiento Académico en la UTN - FRRe David L. la Red Martínez, Mirtha E. Giovannini, Noelia Pinto, Martín Frisone, M. Eugenia Báez Grupo de Investigación Educativa / Departamento

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1406 SEMESTRE: 4 (CUARTO) MODALIDAD

Más detalles

"Big Data Analysis" (Métodos especiales para bases de datos gigantes)

Big Data Analysis (Métodos especiales para bases de datos gigantes) "Big Data Analysis" (Métodos especiales para bases de datos gigantes) Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad

Más detalles

TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE

TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE TITULACIÓN: CURSO ACADÉMICO: 2012-2013 GUÍA DOCENTE 1. DATOS BÁSICOS DE LA ASIGNATURA NOMBRE: SISTEMAS INTELIGENTES DEL TRANSPORTE CÓDIGO: CURSO ACADÉMICO: 2012-2013 TIPO: OBLIGATORIA Créditos ECTS: 4CR.

Más detalles

MICRODISEÑO CURRICULAR Ingeniería de Sistemas. Créditos TPS TIS TPT TIT

MICRODISEÑO CURRICULAR Ingeniería de Sistemas. Créditos TPS TIS TPT TIT 1. IDENTIFICACIÓN Asignatura Visión Artificial Área Nivel IV Código Pensum Correquisito(s) Prerrequisito(s) Créditos TPS TIS TPT TIT 2. JUSTIFICACIÓN. La visión artificial es una de las disciplinas de

Más detalles

Business Intelligence para la mejora del control de gestión

Business Intelligence para la mejora del control de gestión 3rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Business Intelligence para la mejora

Más detalles

GUÍA DOCENTE EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS. UNIVERSIDADES ANDALUZAS DATOS BÁSICOS DE LA ASIGNATURA

GUÍA DOCENTE EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS. UNIVERSIDADES ANDALUZAS DATOS BÁSICOS DE LA ASIGNATURA GUÍA DOCENTE EPERIENCIA PILOTO DE CRÉDITOS EUROPEOS. UNIVERSIDADES ANDALUZAS DATOS BÁSICOS DE LA ASIGNATURA NOMBRE: Seguridad Informática CÓDIGO: 3104107 AÑO DE PLAN DE ESTUDIO: 2005 TIPO (troncal/obligatoria/optativa)

Más detalles

Créditos 48 20 100 168 6. Participantes. Participantes en la Cátedra e investigadores del área de Sistemas Distribuidos

Créditos 48 20 100 168 6. Participantes. Participantes en la Cátedra e investigadores del área de Sistemas Distribuidos Nombre de la Asignatura: Base de Datos I Línea de Investigación o trabajo: Sistemas Distribuidos e Ingeniería de Software Horas TIS TPS Horas totales Créditos 48 20 100 168 6 1. Historial de la Asignatura.

Más detalles

ASIGNATURA: Tecnologías de Información y Comunicación II

ASIGNATURA: Tecnologías de Información y Comunicación II ASIGNATURA: Tecnologías de Información y Comunicación II 53 HORAS DESCRIPCIÓN DE LA ASIGNATURA: Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación

Más detalles