Minería Multimedia Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)
|
|
- Héctor Álvarez Giménez
- hace 7 años
- Vistas:
Transcripción
1 Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, noviembre 13 de 2014
2 Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, noviembre 13 de 2014
3 De la Minería de Datos a la Minería Multimedia
4 Minería de Datos Etracción de conocimiento a partir de fuentes masivas de datos. Bases de Datos Estadística Inteligencia Artificial Visualización Transformar datos en conocimiento! Imagen:
5 Tipos de Análisis en Minería de Datos Análisis Predictivo Análisis Descriptivo Predecir riesgos Predecir activación de nuevos clientes Series de tiempo Predecir inventario Perfil de los clientes Segmentación de productos Detección de anomalías Detección de reglas que condicionen la venta Imagen:
6 Análisis Predictivo Predicción Discreta o Clasificación Estudio de categorías pre-definidas para catalogar cada nuevo elemento en alguna de las clases dadas. Predicción Continua Estudio de datos numéricos estimados con el objetivo de predecir un evento futuro.
7 Análisis Descriptivo Clustering Organizar una población de datos heterogénea en un número de clúster homogéneos. Asociación Identificar los elementos que tienen algún nivel de asociación a otros elementos por medio de reglas.
8 Técnicas en la Minería de Datos Análisis Predictivo Clasificación Predicción Análisis Descriptivo Clustering Asociación
9 Técnicas en la Minería de Datos
10 Tareas Realizadas por Plataformas de Minería de Datos
11 Tareas Realizadas por Plataformas de Minería de Datos Análisis de Correlaciones
12 pero Qué pasa con los datos NO estructurados?
13 Datos Esperados en Internet Fuente: Cisco Systems 2014 Cisco visual networking inde, junio
14 Necesidad: Plataformas para Minería Multimedia
15 Asociación Minería Multimedia Tetos Clasificación Imágenes Predicción Clustering Audios Videos
16 Minería Multimedia Tetos Imágenes Audios Videos
17 Minería Multimedia Tetos Imágenes Indeamiento Audios Videos
18 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
19 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
20 Minería de Tetos
21 Indeamiento de Teto Bolsa de Palabras: (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características.
22 Bolsa de Palabras: Indeamiento de Teto (1) Eliminar stopwords.
23 Bolsa de Palabras: Indeamiento de Teto (1) Eliminar stopwords. (2) Reducir las palabras a las raíces.
24 Bolsa de Palabras: Indeamiento de Teto (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características Frecuencia: tf
25 Bolsa de Palabras: Indeamiento de Teto (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características idf ( t i ) D log df ( t i )
26 Bolsa de Palabras: Indeamiento de Teto (1) Eliminar stopwords. (2) Reducir las palabras a las raíces. (3) Calcular vector de características
27 Minería de Tetos tf tf - idf
28 Aplicaciones de la Minería de Tetos Análisis Predictivo Análisis Descriptivo Imagen:
29 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
30 Minería de Imágenes
31 Indeamiento de las Imágenes RGB CMYK: Cian - Magenta - Amarillo - Negro HSB: Matiz - Saturación Brillo YUV: Luminocidad Crominancia
32 Indeamiento de las Imágenes Características de Color: describen la distribución de color de una imagen, construyendo un histograma de frecuencias en diferentes espacios de color (RBG, YUV, y HSB). Imagen:
33 Indeamiento de las Imágenes Características de Tetura: Caracterizan regiones homogéneas indicando suavidad, rugosidad o regularidad de una región de la imágen. Entropía: medida de la aleatoriedad en la matriz de coocurrencias. Energía: desviación típica de las sub-imágenes. Contraste: variaciones bruscas de color. Correlación: relación lineal entre intensidades de color.
34 Indeamiento de las Imágenes Características Lógicas: Contienen información acerca de los objetos en las imágenes. Tamaño: área, perímetro, altura máima, anchura máima, etc. Forma: curvatura, circularidad, rectangularidad, contorno, etc.
35 Minería de Imágenes Características de Color Características de Tetura Características Lógicas
36 Aplicaciones de la Minería de Imágenes Análisis Predictivo Análisis Descriptivo Imagen: Imagen:
37 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
38 Minería de Audios Imagen:
39 Indeamiento de Audio Características de bajo nivel: analizan características acústicas en el dominio del tiempo y en el dominio de la frecuencia. Dominio del tiempo Energy Zero crossing rate Silence ratio Dominio de la frecuencia Pitch Mel-frequency cepstral coefficients Linear prediction coefficients Imagen:
40 Indeamiento de Audio Características de nivel intermedio: sonidos específicos de objetos. están asociadas a Características de nivel alto: establecen modelos semánticos en las diferentes escenas del audio. Sonidos de la naturaleza Música Personas hablando Carros
41 Minería de Audios Características acústicas Características de objetos Características semánticas
42 Aplicaciones de la Minería de Audios Análisis Predictivo Análisis Descriptivo Imagen: Imagen:
43 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
44 Imagen: Minería de Videos
45 Indeamiento de Video Características de Imágenes: Etraer características de frames imágenes estáticas como color y tetura. Etraer características de shots escenas relacionadas con aspectos temporales como varianza y movimiento.
46 Minería de Videos Características de teto Características de imágenes Características de audio
47 Aplicaciones de la Minería de Videos Análisis Predictivo Análisis Descriptivo Imagen: Imagen:
48 Minería Multimedia Minería de Tetos Minería de Imágenes Minería de Audios Minería de Videos Minería de Objetos Multimedia Complejos
49 Desafío de la Minería Multimedia Objetos Multimedia Complejos
50 Ejemplo 1: Página Web
51 Ejemplo 2: Objeto de Aprendizaje
52 Ejemplo 3: Programa de TV Digital Imagen:
53 Minería de Objetos Multimedia Complejos
54 Indeamiento de Objetos Multimedia Complejos Tet data
55 Minería de Objetos Multimedia Complejos Concatenar todas las características en un vector:
56 Minería de Objetos Multimedia Complejos Establecer una medida de similitud integrada: Similitud (teto) Similitud (img) Similitud (audio) Similitud (video) Objeto i Objeto j
57 Minería de Objetos Multimedia Complejos Implementar sistemas de votación: Análisis Predictivo Análisis Descriptivo
58 Caso de Estudio Académico: Clustering de Videos (Objetos Multimedia Complejos)
59 Clustering de Videos Se evaluó la colección de videos del Workshop MediaEval 2011, la cual contiene 247 videos distribuidos en 26 clases.
60 Clustering de Videos Cada video tiene la siguiente información: Metadatos (título, descripción, etiquetas, creador) Transcripción de voz Imágenes principales (una imagen por escena) Los idiomas de los videos son: Inglés Francés Español Holandés
61 61 Indeamiento de los Videos Asr: características de la transcripción de voz. Img: características de las imágenes (keyframes). Audio: características acústicas. Meta: características de los metadatos.
62 Clustering de Videos Enfoque Concatenación de características en un vector. % Etiquetas Correctas 23,1 Medida de similitud integrada 20,4 Sistema de votación de clustering. 30,7
63 Otros Casos de Estudio Académico: Identificación de Páginas Web Pornográficas Minería de Imágenes Georeferenciadas Reglas de Asociación para documentos de teto Minería de imágenes médicas Análisis de recolección de frutos
64 Conclusión Plataforma de Minería Multimedia!!
65 Gracias!!
Minería Multimedia. Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)
Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, octubre 19 de 2017 Motivación
Más detallesÍndice general. Prefacio...5
Índice general Prefacio...5 Capítulo 1 Introducción...13 1.1 Introducción...13 1.2 Los datos...19 1.3 Etapas en los procesos de big data...20 1.4 Minería de datos...21 1.5 Estructura de un proyecto de
Más detallesIntroducción a Minería de Texto. Fabián Latorre
Introducción a Minería de Texto Fabián Latorre fabian.latorre@quantil.com.co Contenido Qué es la minería de texto? Por qué es relevante? Por qué la estudiamos? Aplicaciones La complejidad del texto no
Más detallesImagen = Histograma. Modificaciones del Histograma
Prof. Karina Palma MV Escuela de Tecnología Médica Universidad de Chile http://nuevorumbo.files.wordpress.com/2007/12/digital.jpg El Histograma Gráfico de Frecuencias, ordena cada pixel de la imagen de
Más detallesPrincipios de un programa de control de calidad
Control de calidad Principios de un programa de control de calidad Debe hacerse en cada una de las etapas, tanto para proyectos propios como para proyectos externalizados; Sin este trabajo no se pude garantizar
Más detallesNuevo plan de estudios. Especialización en Inteligencia de Negocios. Marzo de Curso Descripción Corta Contenidos
Nuevo plan de estudios Especialización en Inteligencia de Negocios Marzo de 2018 Curso Descripción Corta Contenidos Fundamentos de Inteligencia de Negocios y Gobierno de datos Almacenamiento de Información
Más detallesANEXO N 3. Estudio Del Color En Videos De Tráfico
ANEXO N 3 Estudio Del Color En Videos De Tráfico Análisis de imágenes de tráfico en espacios de colores Se pretende analizar una imagen de un segmento de vía típico con condiciones de luz ideales. Se tendrá
Más detallesIntroducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos
Más detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
Más detalles10212 Aplicaciones de la Ingeniería Electrónica II
Universitat de les Illes Balears Departament de Ciències Matemàtiques i Informàtica 10212 Aplicaciones de la Ingeniería Electrónica II Máster en Ingeniería Electrónica Imágenes en color:. Yolanda González
Más detallesIntroducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03
Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 2) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Filtrado espacial Filtros de suavizado Filtros
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesFigura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad
3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de
Más detallesTRATAMIENTO DIGITAL DE IMÁGENES CHUVIECO, E Teledetección ambiental. La observación de la Tierra desde el espacio. Ed. Ariel Ciencia.
TRATAMIENTO DIGITAL DE IMÁGENES CHUVIECO, E. 2006. Teledetección ambiental. La observación de la Tierra desde el Páginas 155 a 176. Antes de iniciar un proyecto en el que se utilice la teledetección como
Más detallesCaracterización de Imágenes
de Imágenes Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Caracterizar: "determinar los atributos peculiares de alguien o de algo, de modo que claramente
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesRELACIÓN 1. DESCRIPTIVA
RELACIÓN 1. DESCRIPTIVA 1. En un estudio sobre el número de bacterias que aparecen en determinados cultivos se tomaron 1 de estos cultivos y se contó el número de bacterias que aparecieron en cada uno
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesConceptos Básicos para el Procesamiento Digital de Imágenes
ELO 313 Procesamiento Digital de Señales con Aplicaciones Conceptos Básicos para el Procesamiento Digital de Imágenes Matías Zañartu, Ph.D. Departamento de Electrónica Universidad Técnica Federico Santa
Más detallesInteligencia Artificial: Su uso para la investigación
Inteligencia Artificial: Su uso para la investigación Dra. Helena Montserrat Gómez Adorno Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas helena.adorno@iimas.unam.mx 1 Introducción
Más detallesTratamiento de imágenes Operaciones con el histograma de una imagen
Tratamiento de imágenes Operaciones con el histograma de una imagen Héctor Alejandro Montes hamontesv@uaemex.mx http://scfi.uaemex.mx/hamontes Advertencia No use estas diapositivas como referencia única
Más detallesINTELIGENCIA ARTIFICAL COMO HERRAMIENTA EN LA TOMA DE DECISIONES. Tecnología i3b
INTELIGENCIA ARTIFICAL COMO HERRAMIENTA EN LA TOMA DE DECISIONES Tecnología i3b G R U P O I B E R M Á T I C A Introducción Objetivos Puntos de información y de estudio Tipos de análisis Análisis proactivo
Más detallesFrancisco J. Hernández López
Francisco J. Hernández López fcoj23@cimat.mx La salida de un algoritmo de seguimiento de objetos depende de la aplicación y la representación utilizada para describir el objeto que se desea seguir, dicha
Más detallesFundamentos de Visión por Computador
Fundamentos de Visión por Computador Sistemas Informáticos Avanzados Índice Filtrado en el espacio Filtros lineales Tipos de ruido Filtro media Filtro mediana Filtros gausianos Filtrado en la frecuencia
Más detallesPROPUESTA DE MINOR CIENCIA DE LOS DATOS. DATA SCIENCE Resultados de Aprendizaje del Minor
PROPUESTA DE MINOR Nombre del Minor CIENCIA DE LOS DATOS DATA SCIENCE del Minor Al finalizar el Minor el estudiante logrará: Analizar y representar grandes volúmenes de datos complejos tales como: imágenes,
Más detallesAritmética de Imágenes
Suma y multiplicación se aumenta el nivel de gris de los píxeles por una constante, pero de forma distinta. En la suma, el parámetro a (entero) indica el número de niveles de gris a aumentar: de -255 a
Más detalles3. Espacios de color. 3.Espacios de color. El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores:
3. Espacios de color El uso del color en el procesamiento de imágenes está principalmente motivado por dos factores: El color es un poderoso descriptor que, en la mayoría de los casos simplifica la identificación
Más detallesÍNDICE. Introducción... Capítulo 1. Técnicas de minería de datos y herramientas... 1
ÍNDICE Introducción... XI Capítulo 1. Técnicas de minería de datos y herramientas... 1 Clasificación de las técnicas de minería de datos y herramientas más comunes... 1 Modelado originado por la teoría
Más detallesContenido Capítulo 1 Introducción Capítulo 2 Conceptos Básicos Capítulo 3 Procesamiento de Imágenes en el Dominio Espacial
Contenido Capítulo 1 Introducción 1.Introducción 1 1.1 Sistema Visual Humano 1 1.2 Modelo de Visión por Computadora 3 1.3 Procesamiento Digital de Imágenes 3 1.4 Definición de Imagen Digital 4 Problemas
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática CENTRO RESPONSABLE: FACULTAD DE CIENCIAS RAMA: Ingeniería y Arquitectura CRÉDITOS: 240,00 DISTRIBUCIÓN DE CRÉDITOS DE LA TITULACIÓN FORMACIÓN BÁSICA: 72,00 OBLIGATORIOS:
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesDOBLE GRADO EN INGENIERÍA INFORMÁTICA Y EN MATEMÁTICAS
DOBLE GRADO EN INGENIERÍA INFORMÁTICA Y EN MATEMÁTICAS OFERTA ACADÉMICA 2018/2019 Estudios Doble Grado en Ingeniería Informática y en Matemáticas Rama de conocimiento Ingeniería y Arquitectura Ciencias
Más detallesModelos de Mercadotecnia Tema 1: Dimensión del Marketing
Tema 1: Dimensión del Marketing Sesión 2: Bases de Datos Objetivo de la Sesión: Al concluir la sesión el alumno reconocerá el proceso para llevar a cabo la minería de datos y describirá cómo las herramientas
Más detallesESTADÍSTICA DESCRIPTIVA PARA EL TURISMO
ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE DOS VARIABLES Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1.- Las calificaciones obtenidas por un grupo de alumnos en
Más detallesTema 3. Compresión de Datos Multimedia
Tema 3 Compresión de Datos Multimedia Introducción La compresión es una manipulación o transformación de la información de entrada, que se realiza antes de transmitirla. El objetivo es enviar la información
Más detallesSistemas de ordenación del color
Sistemas de ordenación del color 6-1 Introducción El sistema Munsell El sistema NCS Otros sistemas Sumario DIN, RGB, HTML, CMYK, HSB, HSL, Pantone 6-2 Introducción Sistema de ordenación: Criterio para
Más detallesModos y extensión de la imagen
Modos y extensión de la imagen MODOS DE LA IMAGEN El modo de color en las imágenes digitales, es la cantidad de colores que aparecen en una imagen, es decir, es la expresión de datos de color según el
Más detallesExtracción de características de textura basada en la transformada Wavelet discreta 17
5 CARACTERIZACIÓN DE TEXTURAS. MÉTODOS ESTADÍSTICOS BASADOS EN LA TRANSFORMADA WAVELET. 5.1 INTRODUCCIÓN El análisis de teturas uega un importante papel en muchas tareas de procesamiento de imágenes, desde
Más detallesAnálisis de resultados de los modelos
Anexo 5 PONTIFICIA UNIVERSIDAD JAVERIANA Análisis de resultados de los modelos Alex Arias 2014-I 1. Introducción En el presente documento se muestran los patrones y tendencias obtenidas por los modelos
Más detalles2. Modelado, tipos de modelos, etapas del modelado
Segunda Sesión 30 de julio de 2010 Contenido Modelado 1 Modelado 2 3 Abstracción y Modelo Inteligencia: Relación entre conocimientos previamente no conectados para generar el nuevo conocimiento neceasrio
Más detallesGRADO EN INGENIERÍA AEROESPACIAL EN AERONAVEGACIÓN
GRADO EN INGENIERÍA AEROESPACIAL EN AERONAVEGACIÓN Campos Electromagnéticos (I) Teoría de la Señal y Comunicaciones (I) Fundamental Principles of Telecommunications Systems 3 1 Estadística (I) AER SIEMAS
Más detallesEstadística I Examen Final - 19 de junio de Nombre:... Grupo:...
Estadística I Examen Final - 19 de junio de 2009 Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. La siguiente tabla muestra las distribuciones
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesCurso: Analytics for Beginners Estadística aplicada a los negocios
1 Curso: Analytics for Beginners Estadística aplicada a los negocios 2 Presentación No es secreto que en esta era digital la cantidad de datos que generan tanto las organizaciones como las mismas personas
Más detalles11. FUENTES DE INFORMACIÓN
multidimensionales Unidad 3: Tratamiento del color Identificar las características del histograma y su uso para el tratamiento del color Obtener el histograma de diferentes imágenes para indicar las características
Más detallesAprendizaje Automático
id3 id3 como búsqueda Cuestiones Adicionales Regresión Lineal. Árboles y Reglas de Regresión Ingeniería Informática Fernando Fernández Rebollo y Daniel Borrajo Millán Grupo de Planificación y Aprendizaje
Más detallesPERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INFORMÁTICA (PLAN DE ESTUDIOS 2005)
ASIGNATURAS SEMESTRE LICENCIATURA EN: OTROS REQUERIMIENTOS Teoría del Conocimiento (1156) 1 Filosofía Administración Básica (1157) 1 Administración o afín, Maestría en Administración Análisis, Diseño e
Más detallesLínea de Especialización Inteligencia Computacional y Robótica
Línea de Especialización Inteligencia Computacional y Robótica 1.- Propósito de la línea de especialización La Inteligencia Computacional agrupa la teoría, diseño y aplicación de métodos y técnicas biológica
Más detallesPROPUESTAS DE PROYECTOS TERMINALES PARA EL TRIMESTRE 17-I
PROPUESTAS DE PROYECTOS TERMINALES PARA EL TRIMESTRE 17-I 1.- Título: Detección Automática de eventos delictivos y su geolocalización Descripción: En este proyecto terminal el alumno tendrá que aprender
Más detalles10. CALENDARIO DE IMPLANTACIÓN
10. CALENDARIO DE IMPLANTACIÓN Cronograma de implantación de la titulación Se hará una implantación progresiva de la nueva titulación, año a año. Durante cuatro años será necesario simultanear en las mismas
Más detallesHistoria de la World Wide Web Información y Documentación. Nathaly Triana Medina Valeria Sánchez Santana
Historia de la World Wide Web Información y Documentación Nathaly Triana Medina Valeria Sánchez Santana World Wide Web es Un sistema de distribución de documentos interconectados y accesibles vía internet.
Más detallesIdentificación de variables asociadas al éxito académico en Estudiantes de la Facultad de Informática Mazatlán
Your logo Identificación de variables asociadas al éxito académico en Estudiantes de la Facultad de Informática Mazatlán Universidad Autónoma de Sinaloa M.C. Rogelio Estrada Lizárraga Abril 16, 2013 Introducción
Más detallesMonitoreo y control del proceso de germinación de plantones usando patrones de reconocimiento de imagen
Monitoreo y control del proceso de germinación de plantones usando patrones de reconocimiento de imagen Carlo Renzo Huamán Torres, Danilo Alfonso Montaño Huidobro y Luis Vives Garnique 6 Las empresas dedicadas
Más detallesIntroducción a la minería de datos
Introducción a la minería de datos 1 Temario Qué es minería de datos? Quién usa minería de datos? Por qué de la minería de datos? Ciclo virtuoso de la minería de datos 2 Definición de minería de datos
Más detallesUNIVERSIDAD AUTÓNOMA DE TLAXCALA FACULTAD DE CIENCIAS BÁSICAS, INGENIERÍA Y TECNOLOGÍA PROCESAMIENTO DIGITAL DE LA IMAGEN
UNIVERSIDAD AUTÓNOMA DE TLAXCALA FACULTAD DE CIENCIAS BÁSICAS, INGENIERÍA Y TECNOLOGÍA PROCESAMIENTO DIGITAL DE LA IMAGEN OPERACIONES DE PUNTO Transformaciones de Pixel Transformaciones de color Compositing
Más detallesINTELIGENCIA DE NEGOCIO
INTELIGENCIA DE NEGOCIO 2016-2017 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Minería de Datos. Ciencia de Datos Tema 3. Modelos de Predicción: Clasificación, regresión y series temporales
Más detallesLingüística computacional
Lingüística computacional Definición y alcance Escuela Nacional de Antropología e Historia (ENAH) Agosto diciembre de 2015 Lingüística Ciencias de la computación Lingüística computacional Estudio del lenguaje
Más detallesAnálisis Bioseñales I
Análisis Bioseñales I Prepaso Práctico 4 Mauricio Farías Gerardo Fasce Rodrigo Ortiz Gustavo Zomosa IMAGEN Colección de componentes de frecuencia Formación de imagen : Pixel, valor : luminosidad del punto
Más detallesMinería multimedia: hacia la construcción de una metodología y una herramienta de analítica de datos no estructurados *
Universidad de Medellín Minería multimedia: hacia la construcción de una metodología y una herramienta de analítica de datos no estructurados * Recibido: 04/03/2016 Aceptado: 13/12/2016 DOI: 10.22395/rium.v16n31a6
Más detallesJesús García Herrero TÉCNICAS CLÁSICAS DE ANÁLISIS DE DATOS
Jesús García Herrero TÉCNICAS CLÁSICAS DE ANÁLISIS DE DATOS En esta clase se presentan los primeros algoritmos Análisis de Datos para abordar tareas de aprendizaje de modelos descriptivos y predictivos.
Más detallesMATEMÁTICAS I Y II CONTENIDOS BACHILLERATO
MATEMÁTICAS I Y II CONTENIDOS BACHILLERATO BLOQUE 1. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS Los contenidos de este bloque se desarrollan de forma simultánea al resto de los bloques. Resolución de
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
Más detalles10. CALENDARIO DE IMPLANTACIÓN
Graduado en Ingeniería en Tecnologías y por la Universidad de Oviedo 10. CALENDARIO DE IMPLANTACIÓN 10. 2. Procedimiento de adaptación Tablas correspondientes al procedimiento de adaptación de los estudiantes
Más detallesTema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 1)
Tema 2: PROCESAMIENTO EN EL DOMINIO ESPACIAL (Parte 1) 1 I N G E N I E R Í A I N F O R M Á T I C A D P T O. M A T E M Á T I C A A P L I C A D A I 2 ÍNDICE: Nociones básicas Concepto de ruido Dominio espacial:
Más detallesComputación distribuida e inteligencia computacional aplicadas a ciudades inteligentes
Computación distribuida e inteligencia computacional aplicadas a ciudades inteligentes Sergio Nesmachnow, Renzo Massobrio, Sebastián Baña Universidad de la República, Uruguay AGENDA Ciudades inteligentes
Más detalles1. Estadística descriptiva
1. Estadística descriptiva Curso 2011-2012 Estadística Datos Número Consumo Cilindrada Potencia Peso Aceleración Año País Nº Cilindros l/100km cc CV kg segundos 1 15 4982 150 1144 12 70 EEUU 8 2 16 6391
Más detallesMáster en Big Data & Analytics Curso:
Máster en Big Data & Analytics Curso: 2018-19 Online Máster en Big Data & Analytics Datos básicos Créditos ECTS: 60 Modalidad: Online Tipo de posgrado: Título propio Idioma en el que se imparte: Español
Más detallesPruebas de modos y extensiones en una imagen
Lenguaje computacional Tarea 1 Pruebas de modos y extensiones en una imagen Lucas León 2do Diseño Gráfico Glosario RGB: Es un modelo de color basado en la síntesis aditiva, con el que es posible representar
Más detallesAnálisis de Señales y Sistemas. Dr. Grover Zurita
Análisis de Señales y Sistemas Dr. Grover Zurita OBJETIVO: Hoy en día, hay una creciente demanda de conocimientos sobre los sistemas y señales. El conocimiento obtenido en este curso se puede aplicar
Más detallesEstadística I Solución Examen Final- 19 de junio de Nombre y Apellido:... Grupo:...
Estadística I Examen Final- 19 de junio de 2009 Nombre y Apellido:... Grupo:... (1) La siguiente tabla muestra las distribuciones de frecuencias absolutas de la variable altura (en metros) de n = 500 estudiantes
Más detallesTEMA 1 Introducción 1.1. Concepto y características de la investigación comercial 1.2. La investigación comercial y el proceso de marketing de la
TEMA 1 1.1. Concepto y características de la investigación comercial 1.2. La investigación comercial y el proceso de marketing de la empresa 1.2.1. El proceso de marketing en la empresa 1.2.2. La función
Más detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
Más detallesBOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES
Núm. 160 Jueves 5 de julio de 2012 Sec. III. Pág. 48848 III. OTRAS DISPOSICIONES UNIVERSIDADES 9056 Resolución de 11 de junio de 2012, de la Universidad de Málaga, por la que se publica el plan de estudios
Más detallesMinería de Datos Web. Cursada 2018
Minería de Datos Web Cursada 2018 Proceso de Minería de Texto Clustering de Documentos Clasificación de Documentos Es un método supervisado para dividir documentos en base a categorías predefinidas Los
Más detallesPrograma Superior. en Inteligencia Artificial PROGRAMA
Programa Superior en Inteligencia Artificial PROGRAMA PROGRAMA SUPERIOR EN INTELIGENCIA ARTIFICIAL 1 Introducción a la Inteligencia Artificial Introducción sobre la evolución de las tecnologías clave de
Más detallesReconocimiento Automático de Voz
Reconocimiento Automático de Voz Presentación basada en las siguientes Referencias: [1] Rabiner, L. & Juang, B-H.. Fundamentals of Speech Recognition, Prentice Hall, N.J., 1993. [2] Rabiner, L. & Juang,
Más detallesCAPITULO 5. Introducción al procesamiento de imágenes. Continuar
CAPITULO 5 Introducción al procesamiento de imágenes Continuar Introducción De forma similar al estudio de las señales de voz, los sistemas de comunicación manipulan datos que corresponden a imágenes y
Más detallesExperto en Big Data Curso: Semipresencial
Experto en Big Data Curso: 2018-19 Semipresencial Experto en Big Data Datos básicos Créditos ECTS: 30 Modalidad: Semipresencial Tipo de posgrado: Título propio Idioma en el que se imparte: Español e Inglés
Más detalles1. Estadística descriptiva
1. Estadística descriptiva Curso 2011-2012 Estadística Datos Número Consumo Cilindrada Potencia Peso Aceleración Año País Nº Cilindros l/100km cc CV kg segundos 1 15 4982 150 1144 12 70 EEUU 8 2 16 6391
Más detallesSISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS.
SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS. MTIE. Erik Guerrero Bravo. Universidad Tecnológica Tula - Tepeji. Introducción Sistemas Transaccionales
Más detallesCompresión de Datos Multimedia
Tema 3 Compresión de Datos Multimedia Introducción La compresión es una manipulación o transformación de la información de entrada, que se realiza antes de transmitirla. El objetivo es enviar la información
Más detalles10. CALENDARIO DE IMPLANTACIÓN
Graduado o Graduada en Ingeniería en Tecnologías y por la Universidad de Oviedo 10. CALENDARIO DE IMPLANTACIÓN Cronograma de implantación de la titulación Se hará una implantación progresiva de la nueva
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales MEJORAMIENTO DE LA IMAGEN Procesamiento del histograma DISTRIBUCIÓN DE PÍXELES El histograma de una imagen es un gráfico de las frecuencias relativas de ocurrencia de cada
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesINDICE Prefacio 1. Introducción 2. Fundamentos de la imagen digital
INDICE Prefacio XVII 1. Introducción 1.1. Fundamentos 1 1.2. Representación digital de imágenes 6 1.3. Etapas fundamentales del procesamiento de imágenes 8 1.4. Elementos de los sistemas de procesamiento
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesTutorial de ENVI Parte 1 Familiarización con el manejo de imágenes en el programa. Raúl Aguilera H.
Tutorial de ENVI Parte 1 Familiarización con el manejo de imágenes en el programa Raúl Aguilera H. ENVI, el extremo de una larga cadena Decenas o centenas de métodos o formas para capturar imágenes. Las
Más detallesModelos de Color. Junio, esmitt ramírez
Modelos de Color Junio, 2016 Luz electromagnética Rojo Naranja Amarillo Verde Azul Índigo Violeta Conceptos básicos Matiz (Hue) : Se refiere al color Color Monocromático: Creado a partir de una sola longitud
Más detallesManual de identidad corporativa. Elementos esenciales.
Manual de identidad corporativa. Elementos esenciales. Manual de identidad corporativa Introducción Reyno de Navarra Nafarroako Erresuma 2 Introducción Este manual ha sido desarrollado para garantizar
Más detallesEspecificación de la carta de ajuste de la barra de color para sistemas de televisión de elevada gama dinámica
Recomendación UIT-R BT.2111-0 (12/2017) Especificación de la carta de ajuste de la barra de color para sistemas de televisión de elevada gama dinámica Serie BT Servicio de radiodifusión (televisión) ii
Más detalles