Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos

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

Download "Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos"

Transcripción

1 Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos Angel Kuri-Morales Instituto Tecnológico Autónomo de México

2 Agenda 1. Qué es Big Data 1. Big Data está aquí para quedarse 2. El dilema tecnológico 2. Solución Conceptual al dilema 1. Información 2. Entropía 3. Modelado 3. Solución Técnica al dilema 4. Aplicación Caso de Estudio

3 Qué es Big Data En este seminario ya se ha definido el fenómeno Big Data. Datos Altamente distribuidos Sin estructura aparente De gran volumen

4 Big Data está aquí para quedarse Grandes volúmenes de datos nacidos de: Ciencias Meteorología Genómica Física Astronomía Biología Finanzas Negocios Economía Banca Análisis Estadísticos Redes Sociales Facebook Twitter

5 El Dilema Tecnológico En esencia, el fenómeno Big Data se suscita por dos razones históricas: Los sistemas de cómputo y telecomunicaciones (C&T) se han abaratado en órdenes de magnitud Los sistemas de C&T se han hecho más eficientes y poderosos Esto origina un efecto de bola de nieve Aumenta el número de usuarios Se invierte más en I&D Los sistemas se hacen mejores y más baratos

6 El efecto Bola de Nieve Lo anterior demanda mejores herramientas para el almacenamiento, transmisión y tratamiento de los datos Estas herramientas demandan mejores desarrollos Estos redundan en más datos

7 Soluciones tecnológicas Arquitecturas Procesamiento en paralelo en sistemas fuertemente conectados Redes de Benes Redes de Batcher

8 Nuevas tecnologías Tecnologías: Cómputo paralelo Optimización de algoritmos de agrupamiento Cómputo distribuído Computación Grid

9 Nuevos paradigmas Ópticas (Láser) Criogénicas (Supercondutores) Biológicas (Computación con ADN) Cuánticas (Qubits)

10 Enfoque tecnológico En todos estos casos, sin importar qué tan eficientes sean las tecnologías implicadas, se alcanzará un límite físico y, eventualmente, será indispensable encontrar un nuevo enfoque para tratar Big Data

11 No es lo mismo Data que Información Hay que exprimir los datos para obtener jugo

12 Pero una gran naranja no necesariamente implica mucho jugo

13 La entropía y la información En las disciplinas de cómputo es necesaria una definición precisa de lo que entendemos por información. La definición de entropía (información promedio) es En donde X es el mensaje, p i es la probabilidad de que aparezca un símbolo, m es el número de símbolos y n es la cantidad de datos.

14 Y es posible exprimir los datos para quedarnos con la información relevante H(bmp) Esta naranja pesa 369,994 bytes. H(jpg) Esta, en cambio, pesa solamente 21,895 bytes 17:1!

15 Reducción de los Datos como Alternativa Práctica Una posible alternativa es tratar de ser más eficientes en el tratamiento de la información. En, prácticamente, todos los casos la información contenida en las bases de datos puede preservarse sin necesidad de usar todos los datos.

16 La idea clave es En vez de trabajar con una gran cantidad de datos, trabajemos con la información equivalente. Extraigamos la muestra mínima que nos proporcione la misma información que los datos originales

17 Determinación del tamaño de la muestra mínima Podemos entonces plantear la siguiente hipótesis: La información contenida en una muestra aleatoria (tomada de una gran base de datos D) de tamaño M es aproximadamente igual a la de D cuando las entropías son similares. Y El comportamiento de las variables de M debe ser similar al de las variables de D.

18 Los dos pasos Paso 1: Encontrar una muestra reducida con las misma cantidad de información Paso 2: Modelar las variables del sistema para certificar que en ambos conjuntos de datos (D y M) las variables se inter-relacionan de manera análoga.

19 Paso 1: Encontrar la entropía equivalente

20 Paso 2: Modelar las variables

21 Publicaciones académicas Kuri-Morales, A., "An Automated Search Space Reduction Methodology for Large DataBases", Springer, Editor(s)): Perner, Petra, ISBN: , ISSN: , 16/07/2013. Kuri-Morales, A., "Application of a Method Based on Computational Intelligence for the Optimization of Resources Determined from Multivariate Phenomena", MICAI 2012, Springer, Unpublished, Editor(s)): Batryshin, I. et al, ISBN: , ISSN: , 15/11/2012. Kuri-Morales, A., Lozano, A., "Sampling for Information and Structure Preservation when Mining Large Data Bases", Springer, , Editor(s)): Angel Kuri-Morales, ISBN: , ISSN: , 03/11/2010. Kuri-Morales, A., Erazo-Rodríguez, F., "A Search Space Reduction Methodology for Data Mining in Large Databases", Engineering Applications of Artificial Intelligence, Elsevier, 57-65, ISBN: , ISSN: , 01/02/2009. Kuri-Morales, A., Rodríguez-Erazo, F., "A Search Space Reduction Methodology for Large Databases: A Case Study", Advances in Data Mining: Theoretical Aspects and Applications, LNAI 4597, Best Paper Award, Springer, , Editor(s)): Petra Perner, ISBN: , ISSN: , 14/07/2007.

22 CASO de Estudio Se efectuó un proyecto de minería de datos para una empresa multi-nacional (a la que nos referiremos como La Compañía ). La Compañía tiene grandes bases de datos incluyendo datos acerca de servicios prestados, facturación (registrados en períodos de varios años) y otros muchos datos pertinentes.

23 Validación Estadística Modelo 1: obtenido de la muestra Modelo 2: obtenido de los datos originales Clust. Modelo 1 (%) Modelo 2 (%) Dif. (%) A B C D E F

24 Validación Estadística Identificación del conjunto de datos a partir del modelo muestral. Cluster Muestra (%) Datos originales (%) Diferencia (%) A B C D E F

25 Aplicación Práctica A raíz del estudio descrito, la Compañía disminuyó los tiempos de proceso de sus datos de 35 días a 10. Consecuentemente, las decisiones estratégicas de la Compañía pueden efectuarse con mayor eficiencia. Los directivos de la Compañía pueden efectuar análisis personales sin necesidad de acceder a las bodegas de datos y/o a la red de servidores.

26 Aplicación Práctica Una vez que se constató la efectividad del método propuesto, la determinación y uso de la muestra óptima se pusieron a prueba, a nivel internacional, durante 6 meses. Debido a los resultados positivos obtenidos, esta estrategia se adoptó como un estándar en la Compañía.

27 Conclusiones La generación de Big Data es un proceso irreversible. Las tecnologías de punta irán siendo remplazadas conforme los volúmenes de datos se hagan cada vez mayores. Una alternativa interesante consiste en identificar la información valiosa cuando la toma de decisiones estratégicas así lo amerite.

28 Conclusiones Al identificar solamente la información valiosa, es posible eficientar los procesos de manejo de información. Claramente, los detalles puntuales dejan de estar al acceso de los tomadores de decisiones. Típicamente estos detalles no influyen en el establecimiento de políticas de información. Como un beneficio adicional, se evitan problemas asociados a la confidencialidad y la privacía que subyacen a Big Data y se reduce el efecto Big Brother.

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

A N G E L F E R N A N D O K U R I M O R A L E S

A N G E L F E R N A N D O K U R I M O R A L E S A N G E L F E R N A N D O K U R I M O R A L E S Profesor de Tiempo Completo del Departamento Académico de Computación DOMICILIO Río Hondo No. 1 Tizapán San Angel México 01000, D.F. Tel: +52 (55) 5628-4000

Más detalles

Grado en Ingeniería Informática

Grado en Ingeniería Informática Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular recomendado ENSEÑANZAS Cálculo

Más detalles

JOSÉ OCTAVIO GUTIÉRREZ GARCÍA

JOSÉ OCTAVIO GUTIÉRREZ GARCÍA JOSÉ OCTAVIO GUTIÉRREZ GARCÍA Profesor de Tiempo Completo del Departamento Académico de Computación DOMICILIO Río Hondo No. 1 Progreso Tizapán México 01080, D.F. Tel: +52 (55) 5628-4000 Ext. 3645 Fax:

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

Programa Internacional Business Intelligence

Programa Internacional Business Intelligence Fecha de inicio: 18 de junio de 2012 Programa Internacional Business Intelligence En un ambiente globalizado y de alta competitividad entre las empresas, la adecuada administración del capital intelectual

Más detalles

Jornadas INCATEC 2015

Jornadas INCATEC 2015 Jornadas INCATEC 2015 Dr. Pedro Nolasco Bonillo Ramos Ingeniero en Computación. USB Magíster en Ingeniería de Sistemas. USB Magíster en Gerencia de las Finanzas. UNY Doctor en Ciencias de la Computación.

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

ASIGNATURA FECHA HORA AULA. Matemática Discreta 25-ene 16,00-19,00 LAB. 7. Álgebra Lineal 06-feb 09,00-12,00 LAB. 7

ASIGNATURA FECHA HORA AULA. Matemática Discreta 25-ene 16,00-19,00 LAB. 7. Álgebra Lineal 06-feb 09,00-12,00 LAB. 7 EXÁMENES FEBRERO - CURSO 2015-2016 PRIMER CURSO - GRUPO B Matemática Discreta 25-ene 16,00-19,00 LAB. 7 Álgebra Lineal 06-feb 09,00-12,00 LAB. 7 EXÁMENES JUNIO - CURSO 2015-2016 PRIMER CURSO - GRUPO B

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

Grado en Ingeniería Informática

Grado en Ingeniería Informática Grado en Ingeniería Informática ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular recomendado ENSEÑANZAS

Más detalles

Programación Orientada a Objetos Inteligencia Artificial Programación Lógica Lógica Matemática Tecnicas para el derrallo de sistemas artificiales

Programación Orientada a Objetos Inteligencia Artificial Programación Lógica Lógica Matemática Tecnicas para el derrallo de sistemas artificiales ANEXO D. INSTITUCION: PLANES DE ESTUDIOS DE OTRAS IES INSTITUTO POLITECNICO NACIONAL CIENCIAS DE LA COMPUTACIÓN Inteligencia artificial Programación Orientada a Objetos Inteligencia Artificial Programación

Más detalles

INSTITUTO TECNOLÓGICO SUPERIOR DE MISANTLA MAPA CURRICULAR MAESTRÍA EN SISTEMAS COMPUTACIONALES

INSTITUTO TECNOLÓGICO SUPERIOR DE MISANTLA MAPA CURRICULAR MAESTRÍA EN SISTEMAS COMPUTACIONALES INSTITUTO TECNOLÓGICO SUPERIOR DE MISANTLA MAESTRÍA EN SISTEMAS COMPUTACIONALES MAPA CURRICULAR Mapa Curricular de la Maestría en Sistemas Computacionales Semestre I Semestre II Semestre III Semestre IV

Más detalles

SERVICIOS: EXPLORACIONES EN SOA y WEB.

SERVICIOS: EXPLORACIONES EN SOA y WEB. SERVICIOS: EXPLORACIONES EN SOA y WEB. López, G. 1 ; Jeder, I 1.; Echeverría, A 1.; Grossi, M.D. 2 ; Servetto, A 2.; Fierro, P. (PhD.) 3 1. Laboratorio de Informática de Gestión - Facultad de Ingeniería.

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

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

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

ETL: Extractor de datos georreferenciados

ETL: Extractor de datos georreferenciados ETL: Extractor de datos georreferenciados Dr. Juan Pablo Díaz Ezcurdia Doctor Honoris Causa Suma Cum Laude Master en Telecomunicaciones Master en Gestión Educativa Coordinador de la comisión de CSIRT de

Más detalles

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa MÁSTER

Más detalles

RODRIGO TAPIA SANTIS (rtapiasantis@gmail com) has a. non-transferable license to use this Student Guide

RODRIGO TAPIA SANTIS (rtapiasantis@gmail com) has a. non-transferable license to use this Student Guide Introducción Objetivos del Curso Al finalizar este curso, debería estar capacitado para: Instalar, crear y administrar Oracle Database 11g Versión 2 Configurar la base de datos para una aplicación Utilizar

Más detalles

Carlo Yovani Aguilar Avendaño (1). Instituto Tecnológico de Tuxtla Gutiérrez. cyovani.aguilar@gmail.com.

Carlo Yovani Aguilar Avendaño (1). Instituto Tecnológico de Tuxtla Gutiérrez. cyovani.aguilar@gmail.com. Aplicación móvil para el recorrido asistido en instalaciones basado en planos arquitectónicos, caso de estudio en el Instituto Tecnológico de Tuxtla Gutiérrez, Chiapas, México (UbicaTec). Mobile application

Más detalles

ARTÍCULOS Y REFLEXIONES

ARTÍCULOS Y REFLEXIONES ARTÍCULOS Y REFLEXIONES Soporte a la toma de decisión a través de Business Intelligence. Ing. Sandra Aída Pérez Estrada Alumna de la Maestría en Administración de Tecnologías de Información, Universidad

Más detalles

GUÍA DOCENTE. Curso Académico 2015/16. Técnicas de Análisis Estadístico basado en Inteligencia

GUÍA DOCENTE. Curso Académico 2015/16. Técnicas de Análisis Estadístico basado en Inteligencia GUÍA DOCENTE Curso Académico 2015/16 1. Técnicas de Análisis Estadístico basado en Inteligencia Artificial 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura Carácter de la

Más detalles

2.- Su profesión está ligada a la carrera en la que aquí da clases? Licenciatura Ingeniería Total SI 21 18 39 NO 0 0 0 21 18 39

2.- Su profesión está ligada a la carrera en la que aquí da clases? Licenciatura Ingeniería Total SI 21 18 39 NO 0 0 0 21 18 39 Resultados de la encuesta aplicada a los profesores de la Facultad de Ciencias de la Computación Comisión de Evaluación y Seguimiento Curricular Otoño 2008 1.- Tipo de contratación? TC 16 15 31 MT 3 2

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

Comité de Aspectos Contables y Presupuestales del CEMLA. Julio de 2009

Comité de Aspectos Contables y Presupuestales del CEMLA. Julio de 2009 Comité de Aspectos Contables y Presupuestales del CEMLA Julio de 2009 1. Introducción 2. Metodología utilizada 3. Lista de los bancos centrales que respondieron la encuesta 4. Resultados 4.1 Generalidades

Más detalles

2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS

2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS 2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS Autores: 142-2-12.08 242 OBJETIVO Proceedings del XXIX Encuentro Nacional de Facultades de Administración

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

Clasificación de Áreas y Subáreas para las inscripciones al Doctorado en Ciencias Informáticas

Clasificación de Áreas y Subáreas para las inscripciones al Doctorado en Ciencias Informáticas Área Algoritmos y Estructuras de Datos Arquitectura de computadoras Subárea - Algoritmos - Análisis de algoritmos - Estructuras de Datos - Verificación y certificación de programas - Lógicas para el desarrollo

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

http://www.statum.biz http://www.statum.info http://www.statum.org

http://www.statum.biz http://www.statum.info http://www.statum.org ApiaMonitor Monitor de Infraestructura BPMS Por: Ing. Manuel Cabanelas Product Manager de Apia Manuel.Cabanelas@statum.biz http://www.statum.biz http://www.statum.info http://www.statum.org Abstract A

Más detalles

Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos. Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO

Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos. Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO Capitulo 6 Perspectivas en Administración de Bases de Datos El presente y futuro de las Bases de datos Msc. Miguel Ángel Niño Zambrano manzamb@unicauca.edu.co Profesor: Msc. MIGUEL ANGEL NIÑO ZAMBRANO

Más detalles

ASIGNATURA FECHA HORA AULA. Matemática Discreta 20-ene 08,00-11,00 0,10H / 1,4H. Antropología Aplicada 22-ene 09,00-11,00 0,10H / 1,4H

ASIGNATURA FECHA HORA AULA. Matemática Discreta 20-ene 08,00-11,00 0,10H / 1,4H. Antropología Aplicada 22-ene 09,00-11,00 0,10H / 1,4H EXÁMENES FEBRERO - CURSO 2015-2016 PRIMER CURSO Matemática Discreta 20-ene 08,00-11,00 0,10H / 1,4H Antropología Aplicada 22-ene 09,00-11,00 0,10H / 1,4H Programación de Robots I 25-ene 11,00-13,00 0,10H

Más detalles

6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera:

6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera: Universidad Católica San Pablo Facultad de Ingeniería y Computación Programa Profesional de Ciencia de la Computación SILABO CS360. Computación Bioinspirada (Electivo) 2012-2 1. DATOS GENERALES 1.1 CARRERA

Más detalles

Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación.

Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación. PERFIL PROFESIONAL Analizar, desarrollar y programar modelos matemáticos, estadísticos y de simulación. Reconocer y guiarse por los aspectos sociales, profesionales y éticos en su entorno. Dirigir y coordinar

Más detalles

INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO

INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO INGENIERIA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES CLAVE MATERIA OBJETIVO SCE - 0418 SCM - 0414 SCC-0428 ACM - 0403 SCB - 0421 SCV - 0407 ACU-0402 Introducción a la ingeniería en sistemas computacionales

Más detalles

Licenciatura. en Ingeniería en Sistemas Computacionales

Licenciatura. en Ingeniería en Sistemas Computacionales Licenciatura en Ingeniería en Sistemas Computacionales Licenciatura en Ingeniería en Sistemas Computacionales La Ingeniería en Sistemas Computacionales es la disciplina que desarrolla las aplicaciones

Más detalles

Diplomado en Big Data

Diplomado en Big Data 160 horas Diplomado en Big Data BROCHURE, 2015 Contenido Quienes somos?... 3 Presentación del Programa... 4 Perfíl del Facilitador. 5 Objetivos.. 6 Información General.. 7 Plan de Estudio... 8-9 Plan de

Más detalles

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC José Luis Guisado Lizar http://cum.unex.es/profes/profes/jlguisado Grupo de Evolución Artificial (GEA) Universidad de Extremadura

Más detalles

ADMINISTRACIÓN DE ENERGÍA INTELIGENTE. Administre consumo. Analice tarifas. Reduzca costos.

ADMINISTRACIÓN DE ENERGÍA INTELIGENTE. Administre consumo. Analice tarifas. Reduzca costos. ADMINISTRACIÓN DE ENERGÍA INTELIGENTE. Administre consumo. Analice tarifas. Reduzca costos. Los costos de energía en el siglo veintiuno representan un gran gasto para cualquier organización. Ahora más

Más detalles

Clase 1 Módulo: Data Warehouse & Datamart Docente: Gustavo Valencia Zapata

Clase 1 Módulo: Data Warehouse & Datamart  Docente: Gustavo Valencia Zapata v.1.0 Clase 1 Docente: Gustavo Valencia Zapata Temas Clase 1: El Rol de TI en BI BI Retos de TI en BI Evolución de la Información Arquitectura de BI Referencias www.gustavovalencia.com Evolución de la

Más detalles

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

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

Más detalles

HPC y Supercómputo Aplicado a la Evaluación de Recursos

HPC y Supercómputo Aplicado a la Evaluación de Recursos HPC y Supercómputo Aplicado a la Evaluación de Recursos Julián Ortiz Álvaro Parra Exequiel Sepúlveda 5 Seminario de Acercamiento Tecnológico Codelco Digital: Minería del Futuro Temas Contexto ALGES Laboratorio

Más detalles

XDR. Big Data solution.

XDR. Big Data solution. XDR Big Data solution. Objetivo Principal Xdr es una solución que utiliza una arquitectura sencilla, de bajo costo y totalmente integrada a la infraestructura de los negocios de las empresas de Telecomunicaciones.

Más detalles

Metodologías híbridas para desarrollo de software: una opción factible para México Eréndira Miriam Jiménez Hernández y Sandra Dinora Orantes Jiménez

Metodologías híbridas para desarrollo de software: una opción factible para México Eréndira Miriam Jiménez Hernández y Sandra Dinora Orantes Jiménez Revista Digital Universitaria 1 de enero 2012 Volumen 13 Número 1 ISSN: 1067-6079 Metodologías híbridas para desarrollo de software: una opción factible para México Eréndira Miriam Jiménez Hernández y

Más detalles

Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya

Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya Software & Servicios Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya Juan Carlos Morán Software & Servicios Saytel E-mail: jcmoran@saytel.es Agenda Qué es Big

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

Diplomado en Inteligencia de Clientes y Data Mining

Diplomado en Inteligencia de Clientes y Data Mining Diplomado en Inteligencia de Clientes y Data Mining Maximizando la información de clientes en las organizaciones. 2DO SEMESTRE 2015 Marketing y Ventas www.unegocios.cl Torre FEN, Facultad de Economía y

Más detalles

Construcción de sistemas de soporte a la toma de decisiones

Construcción de sistemas de soporte a la toma de decisiones INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Construcción de sistemas de soporte a la toma de decisiones M. En C. Eduardo Bustos Farías 1 Desarrolla en Sistemas de Apoyo de Decisión Como

Más detalles

INTELIGENCIA DE NEGOCIO 2015-2016

INTELIGENCIA DE NEGOCIO 2015-2016 INTELIGENCIA DE NEGOCIO 2015-2016 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

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

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

Más detalles

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

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

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Maestría en Ciencia de Datos

Maestría en Ciencia de Datos Maestría en Ciencia de Datos José Luis Morales http://mcienciadatos.itam.mx/ Seminario Internacional: BIG DATA Para la información oficial y la toma de decisiones. INEGI 2014 sólo datos? Tablilla de Venus

Más detalles

Porqué Oracle Database?

Porqué Oracle Database? Oracle Database 11g R2 Producto estrella de Oracle es usado por millones de compañías que buscan estabilidad y eficacia en la gestión de la información. Existen versiones orientadas según el tamaño y necesidades

Más detalles

CENIT (Consorcios Estratégicos Nacionales de Investigación Técnica) DENISE Distribución Energética Inteligente Segura Eficiente

CENIT (Consorcios Estratégicos Nacionales de Investigación Técnica) DENISE Distribución Energética Inteligente Segura Eficiente CENIT (Consorcios Estratégicos Nacionales de Investigación Técnica) DENISE Distribución Energética Inteligente Segura Eficiente Presentación del Proyecto Madrid, 17 de Julio de 2006 Índice 1 Razones y

Más detalles

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Big Data: retos a nivel de desarrollo Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Cámara de Comercio de Bogotá Centro Empresarial Chapinero Agenda Introducción Bases de datos NoSQL Procesamiento

Más detalles

LISTADO DE CURSOS DE DE GRADO Y POSGRADO

LISTADO DE CURSOS DE DE GRADO Y POSGRADO LISTADO DE CURSOS DE DE GRADO Y POSGRADO 2013 Programa de Incentivos a los Docentes Investigadores (PI) Secretaría de Ciencia, Tecnología y Posgrado UNIVERSIDAD TECNOLÓGICA NACIONAL Esp. Nombre Plan Nombre

Más detalles

INTELIGENCIA EN REDES DE COMUNICACIONES

INTELIGENCIA EN REDES DE COMUNICACIONES INTELIGENCIA EN REDES DE COMUNICACIONES MINERÍA DE DATOS EN EL DEPORTE PROFESIONAL Jorge Carrasco Troitiño NIA 100029724 Grupo 91-5 Ingeniería Superior de Telecomunicación INTRODUCCIÓN: Las técnicas de

Más detalles

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora Juan Carlos Olarte B Innovation and Business Development Management BIG DATA & ANALYTICS: El Futuro es Ahora Temas a Tratar Evolución y Tendencias Big Data & Analytics Data Mining, Data Science y Big Data

Más detalles

Presentación. 29/06/2005 Monografía de Adscripción 1

Presentación. 29/06/2005 Monografía de Adscripción 1 Presentación Alumno: Uribe, Valeria Emilce Profesor Director: Mgter. David Luis La Red Martínez. Asignatura: Diseño y Administración de Datos. Corrientes 2005. 29/06/2005 Monografía de Adscripción 1 MONOGRAFIA

Más detalles

Creación de un Cluster de Linux utilizando Knoppix

Creación de un Cluster de Linux utilizando Knoppix Creación de un Cluster de Linux utilizando Knoppix Autores: Alicia Guadalupe Valdez Menchaca Maestra en Tecnologías de Información Facultad de Ingeniería Mecánica y Eléctrica Universidad Autónoma de Coahuila

Más detalles

INTELIGENCIA DE NEGOCIO 2014-2015

INTELIGENCIA DE NEGOCIO 2014-2015 INTELIGENCIA DE NEGOCIO 2014-2015 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

Optimización inspirada en la naturaleza

Optimización inspirada en la naturaleza Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados

Más detalles

Panel: Minería de datos para la administración tributaria

Panel: Minería de datos para la administración tributaria Panel: Minería de datos para la administración tributaria Leopoldo Gutiérrez Socio líder de Tax Data Analytics en EY Especialista en diseño, desarrollo e implementación de modelos analíticos orientados

Más detalles

BIG DATA. Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013. Copyright 2011 EMC Corporation. Todos los derechos reservados.

BIG DATA. Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013. Copyright 2011 EMC Corporation. Todos los derechos reservados. BIG DATA Alex Gimenez, CTO EMC España @alexgimenezf 7 Mayo 2013 1 !!!!!!!!! Big data tiene menos que ver con el tamaño y más con la libertad Techcrunch!!! YA ESTÁ AQUÍ!!!!!!!!!!!! Big data es real, en

Más detalles

ERP Crecimiento Planificado de Sistemas de Información

ERP Crecimiento Planificado de Sistemas de Información ERP Crecimiento Planificado de Sistemas de Información INTRODUCCIÓN En el marco de competencia actual y con los retos que implican una economía global, es necesario que las empresas vean en los sistemas

Más detalles

Tema AA 1: Introducción a al Aprendizaje Automático

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

Más detalles

Framework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización

Framework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Laboratorio de Inteligencia Artificial Framework basado en Colonias de Hormigas artificiales para la resolución de problemas

Más detalles

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

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

Más detalles

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

Coordinación de SS y ER. Anteproyectos del CA TCyE

Coordinación de SS y ER. Anteproyectos del CA TCyE Coordinación de SS y ER Junio 2014 Anteproyectos del CA TCyE Cuerpo Académico Tecnología Computacional y Educativa Nombre del trabajo recepcional Estudio de las redes de conceptos bajo un enfoque de SNA

Más detalles

GRADO EN MATEMÁTICAS

GRADO EN MATEMÁTICAS GRADO EN MATEMÁTICAS Cuarto curso: ITINERARIO DE CIENCIAS DE LA COMPUTACIÓN ITINERARIOS DE MATEMÁTICA PURA Y APLICADA 60 ECTS 60 ECTS Itinerario I Itinerario II GRADO EN MATEMÁTICAS Cuarto curso: ITINERARIO

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

Business Intelligence

Business Intelligence BUSINESS INTELLIGENCE El poder de la información. Business Intelligence Los mercados actuales son cada vez más competitivos, lo que obliga a las empresas a aumentar su capacidad de reacción y adaptación

Más detalles

Data & Text Mining. III Reunión de la RedDES(GT de Tecnología de la BVS6) Exponentes:

Data & Text Mining. III Reunión de la RedDES(GT de Tecnología de la BVS6) Exponentes: Data & Text Mining Exponentes: - Dr. Jorge Bacallao Guerra - Ing. Ramón Martinez - Ing. José Villanueva Agosto del 2012 Introducción o Porqué es necesario utilizar data mining o Que ésdata miningy qué

Más detalles

BUSINESS INTELLIGENCE. www.sbi-technology.com

BUSINESS INTELLIGENCE. www.sbi-technology.com BUSINESS INTELLIGENCE www.sbi-technology.com SBI Technology SRL Maipú 1492 Piso 2 S2000CGT - Rosario Rep. Argentina Tel: (54 341) 530 0815 www.sbi-technology.com Copyright - SBI Technology SRL - Todos

Más detalles

PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 9. IMPLEMENTACION LA ADMINISTRACIÓN DE LA RELACIÓN CON EL CLIENTE (CRM).

PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 9. IMPLEMENTACION LA ADMINISTRACIÓN DE LA RELACIÓN CON EL CLIENTE (CRM). PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 9. IMPLEMENTACION LA ADMINISTRACIÓN DE LA RELACIÓN CON EL CLIENTE (CRM). Objetivo: Al finalizar la unidad el alumno conocerá el proceso de desarrollo

Más detalles

Dilemas del Big Data Analytics

Dilemas del Big Data Analytics Dilemas del Big Data Analytics Iván Amón Uribe Colombia MSc en Ingeniería Ingeniería de Sistemas Coordinador Especialización en Inteligencia de Negocios UPB Coordinador Maestría

Más detalles

ITC09-ITC11 BCT09- BCT11 LISTADO DE TÓPICOS AGOSTO -DICIEMBRE 2015 TÓPICOS EN EL ÁREA DE TECNOLOGÍA

ITC09-ITC11 BCT09- BCT11 LISTADO DE TÓPICOS AGOSTO -DICIEMBRE 2015 TÓPICOS EN EL ÁREA DE TECNOLOGÍA ITC09-ITC11 BCT09- BCT11 LISTADO DE TÓPICOS AGOSTO -DICIEMBRE 2015 TÓPICOS EN EL ÁREA DE TECNOLOGÍA Hay algunas materias que NO se ofrecerán en Agosto-Diciembre 2015 (a menos que haya un número mínimo

Más detalles

2 Métodos. Guadalupe Martínez, Ángel Luis Pérez, Mª Isabel Suero & Pedro J. Pardo, Universidad de Extremadura, España Email: mmarbor@unex.

2 Métodos. Guadalupe Martínez, Ángel Luis Pérez, Mª Isabel Suero & Pedro J. Pardo, Universidad de Extremadura, España Email: mmarbor@unex. Concept Maps: Making Learning Meaningful Proc. of Fourth Int. Conference on Concept Mapping Viña del Mar, Chile, 2010 COMPARACIÓN DEL INCREMENTO DE APRENDIZAJE OBTENIDO AL UTILIZAR MAPAS CONCEPTUALES Y

Más detalles

La empresa, el conocimiento y las redes sociales Fernando Piera 1

La empresa, el conocimiento y las redes sociales Fernando Piera 1 Número 48. Diciembre 2013 La empresa, el conocimiento y las redes sociales Fernando Piera 1 Resumen Nos encontramos en el tiempo de la explosión de los datos. Hasta se está hablado de la ciencia de los

Más detalles

DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES

DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES Autores: Alicia Guadalupe Valdez Menchaca Facultad de Ingeniería Mecánica y Eléctrica Monclova, Coahuila, 25750, México

Más detalles

Conceptualizando la integración de la Inteligencia Colectiva y Artificial con I3geo

Conceptualizando la integración de la Inteligencia Colectiva y Artificial con I3geo Conceptualizando la integración de la Inteligencia Colectiva y Artificial con I3geo Pedro Robles, Juan Daniel Castillo, María Amparo Núñez y Josep María Monguet BarcelonaTech Introducción. Objetivo. Agenda

Más detalles

Javier Arratíbel Hernández

Javier Arratíbel Hernández Javier Arratíbel Hernández Gerente IT jarratibel@acciona.com @javierarratibel Septiembre 2014 Pasos prácticos en Big Data (III) Vig Data empresarial Del concepto de Big Data al Vig Data empresarial Sociedad

Más detalles

Nuestro desafío: Hacia la minería del futuro.

Nuestro desafío: Hacia la minería del futuro. Visiones de Telefónica. Paper Nº III, año 2012. Nuestro desafío: Hacia la minería del futuro. Marco Orellana Silva, Gerente de Tecnologías de la Información, Telecomunicaciones y Automatización de CODELCO.

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

Optimización de rutas logísticas para ganar competitividad

Optimización de rutas logísticas para ganar competitividad Autor: Whitepaper patrocinado por: José Antonio Martínez Fernández Profesor Dirección de Empresas de la Universidad Pablo de Olavide, Sevilla Optimización de rutas logísticas para ganar competitividad

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

CURSO DE LA TITULACIÓN IMPARTIDA EN EL CURSO ACADÉMICO QUE SE INDICA 1º 1º Y 2º

CURSO DE LA TITULACIÓN IMPARTIDA EN EL CURSO ACADÉMICO QUE SE INDICA 1º 1º Y 2º 10. CALENDARIO DE IMPLANTACIÓN DE TITULACIÓN CURSO DE LA TITULACIÓN IMPARTIDA EN EL CURSO ACADÉMICO QUE SE INDICA TITULACIÓN 2013/14 2014/15 MÁSTER UNIVERSITARIO EN MATEMÁTICA INDUSTRIAL 1º 1º Y 2º 10.1

Más detalles

PROGRAMA DE CÁTEDRAS CONACYT 2015

PROGRAMA DE CÁTEDRAS CONACYT 2015 PROGRAMA DE CÁTEDRAS CONACYT 2015 DATOS GENERALES Título / Nombre del proyecto: Métodos analíticos y cuantitativos en finanzas. Institución: Centro de Investigación en Matemáticas, A.C. Dependencia del

Más detalles

Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales.

Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales. PERFIL PROFESIONAL Diseñar, analizar, adaptar, operar y construir sistemas analógicos y digitales. Crear, innovar, adaptar y transferir tecnología en el ámbito de ingeniería electrónica mediante la aplicación

Más detalles

GLOSARIO DE TÉRMINOS

GLOSARIO DE TÉRMINOS MINISTERIO DE EDUCACIÓN, CULTURA Y DEPORTE SECRETARÍA DE ESTADO DE EDUCACIÓN Y FORMACIÓN PROFESIONAL DIRECCIÓN GENERAL DE FORMACIÓN PROFESIONAL INSTITUTO NACIONAL DE LAS CUALIFICACIONES GLOSARIO DE TÉRMINOS

Más detalles

Diseño y Admón. de Bases de Datos. Ingeniería Informática curso 2010/11

Diseño y Admón. de Bases de Datos. Ingeniería Informática curso 2010/11 Laboratorio 06. Objetivos: Representación interna de un BD. Tablas, índices e índices full-text. Sesiones: 1 (24 de noviembre de 2010) Ejercicio: 1. Representación interna: 1.1. Copiar al repositorio de

Más detalles

Plantilla para Casos de Éxito

Plantilla para Casos de Éxito Plantilla para Casos de Éxito Nombre/Actividad de la EMPRESA objeto de estudio: INSIGNA Sector al que pertenece: Presidente o gerente de la empresa: Antonio Gil Moreno Localización: Valencia Facturación

Más detalles

MASTER EN CIBERNÉTICA APLICADA. Mención Minería de Datos

MASTER EN CIBERNÉTICA APLICADA. Mención Minería de Datos MASTER EN CIBERNÉTICA APLICADA. Mención Minería de Datos Tipo: investigación/mixto Promueve: Departamento de Control Automático, Departamento de Matemática Interdisciplinaria y Departamento de Matemática

Más detalles