Materia: INGENIERÍA DE EXPLOTACION DE INFORMACIÓN. Docente Titular: Dra. Paola Britos Dr. Ramon Garcia-Martinez
|
|
- Juana Iglesias Martin
- hace 8 años
- Vistas:
Transcripción
1 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: Tercero - 1 -
2 1 - Fundamentación Hace ya una década, un estudio de la Universidad de California en Berkeley señaló que la información disponible en Internet crecía a razón de 92 petabytes (10 15 bytes) por año. Se ha señalado que esta información esta disponible para procesos de descubrimiento de conocimiento con independencia que se encuentre en fuentes estructuradas ó desestructuradas. La Inteligencia de Negocio propone un abordaje interdisciplinario (dentro del que se encuentran los Sistemas de Información), que tomando todos los recursos de información disponibles y el uso de herramientas analíticas y de síntesis con capacidad de transformar la información en conocimiento, se centra en generar a partir de estos, conocimiento que contribuya con la toma de decisiones de gestión y generación de planes estratégicos en las organizaciones. La Explotación de Información es la sub-disciplina del campo de los Sistemas de Información que aporta a la Inteligencia de Negocio las herramientas para la transformación de información en conocimiento. La explotación de información se ha definido como la búsqueda de patrones interesantes y de regularidades importantes en grandes masas de información. Los métodos tradicionales de análisis de datos incluyen el trabajo con variables estadísticas, varianza, desviación estándar, covarianza y correlación entre los atributos; análisis de componentes (determinación de combinaciones lineales ortogonales que maximizan una varianza determinada), análisis de factores (determinación de grupos correlacionados de atributos), análisis de clusters (determinación de grupos de conceptos que están cercanos según una función de distancia dada), análisis de regresión (búsqueda de los coeficientes de una ecuación de los puntos dados como datos), análisis multivariable de la varianza, y análisis de los discriminantes. Todos estos métodos están orientados numéricamente. Son esencialmente cuantitativos. En contraposición, los métodos de la explotación de información, permiten obtener resultados de análisis de la masa de información que los métodos convencionales no logran tales como: [a] los algoritmos TDIDT que permiten el desarrollo de descripciones simbólicas de los datos para diferenciar entre distintas clases; [b] los mapas auto organizados que pueden ser aplicados a la construcción de particiones de grandes masas de información, exhibiendo la ventaja de ser tolerantes al ruido y la capacidad de extender la generalización al momento de necesitar manipular datos nuevos; ó [c] las redes bayesianas pueden ser aplicadas para identificar atributos discriminantes en grandes masas de información, detectar patrones de comportamiento en análisis de series temporales. En este contexto, surge la necesidad de formar recursos en: [a] la aplicación de procesos de explotación de información que permitan obtener conocimiento a partir de grandes masas de información disponible; [b] la exploración de nuevas aplicaciones de las - 2 -
3 tecnologías involucradas; y [c] el manejo de los ambientes disponibles que soportan dichos procesos y tecnologías. 2 - Objetivos: - Que el alumno se familiarice con los conceptos básicos de la explotación de información, las tecnologías asociadas y su aplicación a la inteligencia de negocios. - Que el alumno comprenda el uso de metodologías para proyectos de explotación de información. - Que el alumno experimente el uso de herramientas para explotación de información en casos de inteligencia de negocios. 3 - Contenidos: UNIDAD 1: INTRODUCCIÓN EXPLOTACIÓN DE INFORMACIÓN Introducción Explotación de Información. Conceptos de Explotación de Información. Descubrimiento de conocimientos. Tareas realizadas por un sistema de Explotación de Información. UNIDAD 2: PROYECTOS DE EXPLOTACIÓN DE INFORMACIÓN Desarrollo de Proyectos de explotación de información. Definición del contexto del proyecto. Identificación del problema inteligencia de negocio. Educción de requisitos. Conversión del problema de inteligencia de negocio a un problema de explotación de información. Conversión del problema de explotación de información en procesos de explotación de información. Desarrollo del proceso de explotación de información. UNIDAD 3: HERRAMIENTAS PARA PROYECTOS DE EXPLOTACIÓN DE INFORMACIÓN Herramientas de Explotación de Información de Uso Libre. Introducción a las herramientas de acceso libre. WEKA, ELVIRA, TANAGRA. Resolución de Ejercicios Prácticos en la Herramienta TANAGRA. UNIDAD 4: ESTUDIO DE CASOS Identificación de patrones de fraude en telefonía celular utilizando SOM. Identificación de fenómenos meteorológicos usando inducción y SOM. Selección del Protocolo pedagógico usando inducción y SOM. Problemas de aprendizaje en programación usando inducción y redes bayesianas. Comportamiento de votación del congreso. Descubrimiento de acuerdos y desacuerdos intrapartidarios e interpartidarios y entre minorías - 3 -
4 intrapartidarias. Identificación de las leyes con mayor acuerdo dentro de los partidos.identificación de linfomas (linfografía). Descubrimiento de reglas de comportamiento (diagnostico) de cada tipo de linfoma. Descubrimiento de las características determinantes de cada tipo de linfoma. Descubrimiento de características comunes a diferentes tipos de patologías. Comportamiento de usuarios de servicio de Internet. Descubrimiento de causales de alta o baja de un servicio dial-up de Internet. Identificación de causales con mayor incidencia en los comportamientos de alta o baja 4 - Metodología de Trabajo: Clases teórico-prácticas: Exposición teórica de conceptos fundamentales, con resolución metódica de problemas tipo y ensayos sobre objetivos. Clases prácticas: Clases de consulta: Resolución por parte de los alumnos y controlada por el equipo docente de problemas correspondientes a las unidades temáticas del programa, ya sea por escrito o por máquina (entrenamiento en el uso de aplicaciones). En general se tratará de problemas abiertos, que generen dudas y motiven la consulta a los docentes y la profundización del conocimiento a través de la bibliografía. Durante el curso se plantearán trabajos prácticos con problemas complejos a resolver, que los alumnos deberán desarrollar en grupo Se dispondrá de un foro de discusion mediado por tecnología web y de un sistema de atencion de consultas via conferencia web. 5 - Evaluación y Acreditación: - La evaluación será [a] por seguimiento de la construcción de la solución que cada alumno haga para los trabajos prácticos planteados para el curso y [b] la resolución de un ejercicio integrados individual. 6 - Bibliografía: Britos, P. Abasolo, M., García-Martínez, R. y Perales, F. (2005). Identification of MPEG-4 Patterns in Human Faces Using Data Mining Techniques. Proceedings 13 th International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision'2005. Pág
5 Britos, P., Cataldi, Z., Sierra, E., García-Martínez, R. (2008). Pedagogical Protocols Selection Automatic Assistance. Lecture Notes on Artificial Intelligence, 5027: Britos, P., Dieste, O., García-Martínez, R. (2008). Requirements Elicitation in Data Mining for Business Intelligence Projects. En Advances in Information Systems Research, Education and Practice. David Avison, George M. Kasper, Barbara Pernici, Isabel Ramos, Dewald Roode Eds. (Boston: Springer), IFIP Series, 274: Britos, P., Felgaer, P., Garcia-Martinez, R Bayesian Networks Optimization Based on Induction Learning Techniques. En Artificial Intelligence and Practice II, Max Bramer Ed. (Boston: Springer), IFIP Series, 276: Britos, P., Fernández, E., García-Martínez, R. (2006). Propuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos. Reportes Técnicos en Ingeniería del Software, 8(2): ISSN Britos, P., Grosser, H., Rodríguez, D., Garcia-Martinez, R. (2008). Detecting Unusual Changes of Users Consumption. En Artificial Intelligence and Practice II, Max Bramer Ed. (Boston: Springer), IFIP Series, 276: Britos, P., Hossian, A., García-Martinez, R. y Sierra, E. (2005). Minería de Datos Basada en Sistemas Inteligentes. Editorial Nueva Librería. ISBN Britos, P., Hossian, A., García-Martinez, R. y Sierra, E Minería de Datos Basada en Sistemas Inteligentes. Editorial Nueva Librería. ISBN Britos, P., Jiménez Rey, E., García-Martínez, E. (2008). Work in Progress: Programming Misunderstandings Discovering Process Based On Intelligent Data Mining Tools Proceedings 38th ASEE/IEEE Frontiers in Education Conference (en prensa). Britos, P., Merlino, H., Fernández, E., Ochoa, M., Diez, E. y García Martínez, R. (2006). Tool Selection Methodology in Data Mining. Proceedings V Ibero- American Symposium on Software Engineering. Pág Cersósimo, D., Ravazoli, C., García-Martínez, R. (2005). Inversión Sísmica de un Modelo Teórico Calculado Sobre un Horizonte Sísmico Utilizando Redes Neuronales. Boletín de Informaciones Petroleras 1(1): Cersosimo, S., Ravazzoli, C., García-Martínez, R. (2006). Identification of Velocity Variations in a Seismic Cube Using Neural Networks. En Professional Practice in Artificial Intelligence, eds. J. Debenham, (Boston: Springer), IFIP Series, 218:
6 Cogliati, M., Britos, P., García-Martínez, R Patterns in Temporal Series of Meteorological Variables Using SOM & TDIDT. En Artificial Intelligence and Practice II, Max Bramer Ed. (Boston: Springer), IFIP Series, 217: Ferrero, G., Britos, P., García-Martínez, R Detection of Breast Lesions in Medical Digital Imaging Using Neural Networks. En Professional Practice in Artificial Intelligence, John Debenham Ed. (Boston: Springer), IFIP Series, 218: Giudici, P., Figini, S Applied Data Mining for Business and Industry. Wiley & Sons Kantardzic, M Data Mining: Concepts, Models, Methods, and Algorithms. Wiley & Sons. Linoff, G., Berry. M Data Mining Techniques: For Marketing, Sales, and CustomerRelationship Management. Wiley & Sons Liu, B Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data (Data-Centric Systems and Applications), Springer-Verlag Ochoa, A. (2005). Propuesta de Técnicas de Protofase Metodológica para la Compresión del Negocio. Reportes Técnicos de Ingeniería del Software, 7(1): Rancán, C., Pesado, P. y García-Martínez, R. (2007). Toward Integration of Knowledge Based Systems and Knowledge Discovery Systems. Journal of Computer Science & Technology, 7(1): ISSN Russell, M Mining the Social Web: Analyzing Data from Facebook, Twitter, LinkedIn, and Other Social Media Sites. O Reilly Media - 6 -
Propuesta de Procesos de Explotación de Información
Propuesta de Procesos de Explotación de Información Paola Britos y Ramón García-Martínez Area Informática. Sede Andina (El Bolsón). Universidad Nacional de Río Negro Área Ingeniería del Software. Licenciatura
Más detallesUNIVERSIDAD NACIONAL DE LANUS
UNIVERSIDAD NACIONAL DE LANUS LICENCIATURA EN SISTEMAS Ingeniería de Software III Prof. Tit.: Dr. Ramón García-Martínez Prof.Aso.: M.Ing. Eduardo Diez JTP: Lic. Darío Rodríguez GUIA DE PREGUNTAS Material:
Más detallesTECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN
TECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN PROCESOS Y CASOS DE ESTUDIO CURSO DE DOCTORADO Dr. Ramón García-Martínez CORRESPONDENCIA ENTRE PROCESOS DE EXPLOTACION DE INFORMACION, TECNOLOGIAS
Más detallesLINEAS DE INVESTIGACION DEL LABORATORIO DE SISTEMAS INTELIGENTES. García-Martínez, R., Britos, P., Ierache, J., Merlino, H., Ochoa, M. Fernández, E.
LINEAS DE INVESTIGACION DEL LABORATORIO DE SISTEMAS INTELIGENTES García-Martínez, R., Britos, P., Ierache, J., Merlino, H., Ochoa, M. Fernández, E. Laboratorio de Sistemas Inteligentes Facultad de Ingeniería.
Más detallesUn Protocolo de Caracterización Empírica de Dominios para Uso en Explotación de Información
Un Protocolo de aracterización Empírica de Dominios para Uso en Explotación de Información Lopez-Nocera, M., Pollo-attaneo, F., Britos, P., García-Martínez, R. Grupo Investigación en Sistemas de Información.
Más detallesCarrera: Licenciatura en Sistemas. Materia: INGENIERIA DE SOFTWARE III
Carrera: Licenciatura en Sistemas Materia: INGENIERIA DE SOFTWARE III Profesor Titular: Dr. Ramón García-Martínez Instructor JTP: Lic. Dario Rodriguez Año: 2011 Cuatrimestre: Primer - 1 - Fundamentación
Más detallesALGUNOS RESULTADOS EXPERIMENTALES DE LA INTEGRACIÓN DE AGRUPAMIENTO E INDUCCIÓN COMO MÉTODO DE DESCUBRIMIENTO DE CONOCIMIENTO
ALGUNOS RESULTADOS EXPERIMENTALES DE LA INTEGRACIÓN DE AGRUPAMIENTO E INDUCCIÓN COMO MÉTODO DE DESCUBRIMIENTO DE CONOCIMIENTO Kogan, A. 1, Rancan, C. 2,3, Britos, P. 3,1, Pesado, P. 2,4, García-Martínez,
Más detallesProceso 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 detallesOPTATIVA 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 detallesLíneas de I+D+I del Laboratorio de Investigación y Desarrollo en Ingeniería de Explotación de Información (LIDIEI GISI UNLa)
Líneas de I+D+I del Laboratorio de Investigación y Desarrollo en Ingeniería de Explotación de Información (LIDIEI GISI UNLa) R. García-Martínez, D. Rodríguez, E. Baldizzoni, S. Martins Grupo Investigación
Más detallesDES: 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 detallesFormalización de Dominios de Negocio para Proyectos de Explotación de Información basada en Técnicas de Ingeniería del Conocimiento
Formalización de Dominios de Negocio para Proyectos de Explotación de Información basada en Técnicas de Ingeniería del Conocimiento Vegega, C., Pytel, P., Ramón, H., Rodríguez, D., Pollo-Cattaneo, F.,
Más detallesElementos para la Gestión de Requerimientos en Proyectos de Explotación de Información
Elementos para la Gestión de Requerimientos en Proyectos de Explotación de Información Pollo-Cattaneo, María Florencia 11, Pytel, Pablo 1,21, Vegega, Cinthia 11, Mansilla, Diego 1, Pesado, Patricia 3,
Más detallesIntroducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento
Más detallesPROPUESTA METODOLOGICA PARA LA EDUCCIÓN DE REQUISITOS EN PROYECTOS DE EXPLOTACIÓN DE INFORMACIÓN
PROPUESTA METODOLOGICA PARA LA EDUCCIÓN DE REQUISITOS EN PROYECTOS DE EXPLOTACIÓN DE INFORMACIÓN Paola Britos 1,2, Enrique Fernandez 1,2, Ramón García-Martinez 1,2 Centro de Ingeniería del Software e Ingeniería
Más detallesImpacto 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 detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Impartido por: Juan Alfonso Lara Torralbo 1. Datos del docente NOMBRE Juan Alfonso Lara Torralbo FORMACIÓN
Más detallesModelo de Procesos para la Gestión de Requerimientos en Proyectos de Explotación de Información
Modelo de Procesos para la Gestión de Requerimientos en Proyectos de Explotación de Información Pollo-Cattaneo, M. F. 1,2, Mansilla, D 2,Vegega, C 2, Pesado, P. 3, García-Martínez, R. 4, P. Britos, P.
Más detallesPropuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos
Propuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos Britos, P. 1,2 ; Fernández, E. 2,1 ; García Martínez, R 1,2 1 Centro de Ingeniería del Software e Ingeniería del Conocimiento.
Más detallesElementos para una ingeniería de explotación de información
Proyecciones, Vol.10 No. 1, Abril de 2012 Elementos para una ingeniería de explotación de información María Florencia Pollo-Cattaneo 1, Ramón García-Martínez 2, Paola Britos 3, Patricia Pesado 4, Rodolfo
Más detallesLíneas 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 detallesEscuela 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 detallesSÍLABO. : Electivo : Ingeniería de Sistemas : IS0806. : VIII Ciclo : 2 de Teoría y 2 de Práctica : 03 : Ninguno
SÍLABO I. DATOS GENERALES 1.1. Nombre de la Asignatura 1.2. Carácter 1.3. Carrera Profesional 1.4. Código 1.5. Semestre Académico : 2014-I 1.6. Ciclo Académico 1.7. Horas de Clase 1.8. Créditos 1.9. Pre
Más detallesTitulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO Análisis avanzado de datos. Semestre: Primero.
Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Asignatura: ECO Análisis avanzado de datos Semestre: Primero Econometría [1] Asignatura: ECO Análisis avanzadas de datos Formación: Obligatoria
Más detallesLos futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.
Los futuros desafíos de la Inteligencia de Negocios Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.cl El Vértigo de la Inteligencia de Negocios CRM: Customer
Más detallesCiencia de Servicios como herramienta de innovación y creación de valor en tiempos de crisis
3 rd International Conference on Industrial Engineering and Industrial Management XIII Congreso de Ingeniería de Organización Barcelona-Terrassa, September 2nd-4th 2009 Ciencia de Servicios como herramienta
Más detallesCátedra: BI Business Intelligence. Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012.
Asignatura BI Business Intelligence Ciclo Lectivo 2012 Vigencia del Ciclo lectivo 2012 programa Plan 2008 Área Complementaria Carga horaria semanal Anual/ cuatrimestral Coordinador de Cátedra Objetivos
Más detallesWICC 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 detallesPontificia Universidad Católica del Ecuador
DATOS INFORMATIVOS: MATERIA O MÓDULO: APLICACIONES DIFUSAS CÓDIGO: IS -10344 CARRERA: NIVEL: INGENIERIA DE SISTEMAS OCTAVO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS PRÁCTICA: 2 SEMESTRE / AÑO ACADÉMICO:
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ADMINISTRACIÓN DE PROYECTOS DE T.I.
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ADMINISTRACIÓN DE PROYECTOS DE T.I. II UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de
Más detallesCurso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción
Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay
Más detallesAplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos
Aplicaciones de Inteligencia Computacional para el Minado de Conjuntos de Datos Integralmente Reducidos Angel Kuri-Morales Instituto Tecnológico Autónomo de México akuri@itam.mx Agenda 1. Qué es Big Data
Más detallesMáster 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 detallesTÓPICOS 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 detallesTradicionalmente, los proyectos de desarrollo de software comienzan por obtener un entendimiento del
A process model for requirements elicitation in information mining projects Modelo de proceso para elicitación de requerimientos en proyectos de explotación de información Diego Mansilla 1, Florencia Pollo-Cattaneo
Más detallesCurso del Data Mining al Big Data
Curso del Data Mining al Big Data Instructor: Dr. Luis Carlos Molina Félix Presentación. Las bases de datos y los sistemas de administración de datos han jugado un papel primordial en el crecimiento y
Más detallesFinanzas e Investigación de Mercados"
DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de
Más detallesMétodos 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 detallesGuía docente de la asignatura
Guía docente de la asignatura Asignatura Materia Módulo Titulación SISTEMAS INTELIGENTES EN LA EMPRESA MÉTODOS AVANZADOS EN ORGANIZACIÓN INDUSTRIAL OPTATIVAS GRADO EN INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Más detallesElementos de Investigación Operativa
Universidad Tecnológica Nacional Facultad Regional San Francisco Tecnicatura Superior en Programación Elementos de Investigación Operativa PLANIFICACIÓN CICLO LECTIVO 2013 ÍNDICE ÍNDICE... 2 PROFESIONAL
Más detallesMINERIA 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 detallesCURSO/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 detallesINTELIGENCIA 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 detallesANALES DEL XVIII CONGRESO ARGENTINO DE CIENCIAS DE LA COMPUTACIÓN CACIC. 8 al 12 de octubre de 2012. Bahía Blanca, Buenos Aires, Argentina
ANALES DEL XVIII CONGRESO ARGENTINO DE CIENCIAS DE LA COMPUTACIÓN XVIII CACIC 2012 8 al 12 de octubre de 2012 Bahía Blanca, Buenos Aires, Argentina XIII Workshop Agentes y Sistemas Inteligentes (WASI)
Más detalles7565 - Manuf. Integrada por Comput. (CIM) I PLANIFICACIONES Actualización: 1ºC/2015. Planificaciones. 7565 - Manuf. Integrada por Comput.
Planificaciones 7565 - Manuf. Integrada por Comput. (CIM) I Docente responsable: IERACHE JORGE SALVADOR 1 de 5 OBJETIVOS - Familiarizar a los alumnos con los diversos modelos y conceptos de manufactura
Más detallesIntroducción 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 detallesAprendizaje 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(53000235) Dirección Estratégica de la Innovación Innovation Management Ingeniería de Organización, Administración de
(53000235) Dirección Estratégica de la Innovación Innovation Management Ingeniería de Organización, Administración de Departamento Teléfono +34 91336 32 07 Empresas y Estadística Unidad Docente Economía
Más detallesData Mining Técnicas y herramientas
Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos
Más detallesUNIVERSIDAD 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: INFORMÁTICA APLICADA A LA MERCADOTECNIA FECHA DE ELABORACIÓN: MAYO 2005 ÁREA DEL PLAN DE ESTUDIOS:
Más detallesPLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Datamining y Aprendizaje Automático
CENTRO UNIVERSITARIO DE TECNOLOGÍA Y ARTE DIGITAL PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE Datamining y Automático 1. DATOS DE IDENTIFICACIÓN DE LA ASIGNATURA. Título: Facultad: Grado en
Más detallesDATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT
DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza
Más detallesSeis Sigma. Nueva filosofía Administrativa.
Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo
Más detallesESTRATEGIAS DIRECTIVAS
ESTRATEGIAS DIRECTIVAS Estrategias de 1 a 1 Víctor M. Ornelas P. La Alta Dirección de las empresas busca crear valor para los accionistas principalmente a través de promover las ventas y mejorar los márgenes
Más detallesGUÍA DOCENTE. Procesamiento de contenidos multimedia en la Web
GUÍA DOCENTE Procesamiento de contenidos multimedia en la Web I.- DATOS INICIALES DE IDENTIFICACIÓN Nombre de la asignatura: Carácter: Titulación: Ciclo: Créditos: Departamento: Profesor Responsable: Procesamiento
Más detalles330331 - EDEM - Economía y Dirección de la Empresa Minera
Unidad responsable: 330 - EPSEM - Escuela Politécnica Superior de Ingeniería de Manresa Unidad que imparte: 732 - OE - Departamento de Organización de Empresas Curso: Titulación: 2015 MÁSTER UNIVERSITARIO
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,
Más detallesPrograma de Asignatura
Programa de Asignatura Mejora de la performance (calidad) 01 Carrera: Licenciatura en Tecnología Informática 02 Asignatura: Mejora de la performance 03 Año lectivo: 2013 04 Año de cursada: 5to. 05 Cuatrimestre:
Más detallesDarío Álvarez Néstor Lemo www.autonomo.edu.uy
Data Mining para Optimización de Distribución de Combustibles Darío Álvarez Néstor Lemo Agenda Qué es DODC? Definición de Data Mining El ciclo virtuoso de Data Mining Metodología de Data Mining Tareas
Más detallesCARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos
CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos Anteproyecto de Tesis de Magíster en Ingeniería del Software Tesista: Lic. Matilde
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MODELADO DE PROCESOS DE NEGOCIOS
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE MODELADO DE PROCESOS DE NEGOCIOS UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de tecnologías
Más detallesBusiness Analytics. Jordi Gironés Roig PID_00197282
Business Analytics PID_00197282 CC-BY-NC-ND PID_00197282 Business Analytics Licenciado en Matemáticas por la Universidad Autónoma de Barcelona y diplomado en Empresariales por la Universitat Oberta de
Más detallesTÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA
TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una
Más detallesINTRODUCCIÓN INTEGRACIÓN PEDAGÓGICA CALIDAD DE LAS EXPLICACIONES
DIMENSIÓN INDICADOR INTEGRACIÓN PEDAGÓGICA CALIDAD DE LAS EXPLICACIONES INTRODUCCIÓN Este instrumento tiene por objetivo apoyarlo en la reflexión y análisis sobre sus prácticas docentes referidas a la
Más detallesde Lanús. Buenos Aires, Argentina. rgarcia@unla.edu.ar.
Behavioral Variability of Clustering and Induction Based on Domain Features Variabilidad del Comportamiento de Agrupamiento e Inducción Basado en las Características del Dominio Marcelo López N. 1, Ramón
Más detallesASIGNATURA: 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 detallesAPLICACIÓN DE MÉTRICAS DE MADUREZ EN CONCEPTUALIZACIÓN DE SISTEMAS EXPERTOS. Cátedra de Inteligencia Artificial. Facultad Regional Buenos Aires.
APLICACIÓN DE MÉTRICAS DE MADUREZ EN CONCEPTUALIZACIÓN DE SISTEMAS EXPERTOS Pollo-Cattaneo, F. 1,2, Britos, P. 3,2, García-Martínez, R. 3,2 1 Cátedra de Inteligencia Artificial. Facultad Regional Buenos
Más detallesEvaluación de Competencias en Ingeniería: El caso de cálculo. Elena Fabiola Ruiz Ledesma
Evaluación de Competencias en Ingeniería: El caso de cálculo Introducción Debido a las nuevas competencias que reclama la sociedad, las universidades están rediseñando sus carreras a través de nuevos perfiles
Más detallesMaestrías en Londres, Orbis Estudios. [Nombre del autor] [Dirección de la compañía]
Maestrías en Londres, Orbis Estudios [Nombre del autor] [Dirección de la compañía] Nuestro programa de MBA, combina rigurosas disciplinas académicas junto con el desarrollo de habilidades gerenciales para
Más detallesEscuela 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 detallesINGENIERÍA EN MECATRÓNICA
INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Control estadístico de procesos 2. Competencias Desarrollar proyectos de automatización y control,
Más detallesNOTAS SOBRE DIDACTICA DE LAS ETAPAS DE FORMALIZACION Y ANALISIS DE RESULTADOS DE LA TECNICA DE EMPARRILLADO. UN EJEMPLO
NOTAS SOBRE DIDACTICA DE LAS ETAPAS DE FORMALIZACION Y ANALISIS DE RESULTADOS DE LA TECNICA DE EMPARRILLADO. UN EJEMPLO Paola Britos, Bibiana Rossi 1 y Ramón García Martínez 1,2 1.- Centro de Ingeniería
Más detallesGuía 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 detallesGuía Docente 2013-14
Guía Docente 2013-14 Visión Artificial Computer Vision Grado en Ingeniería Informática Presencial Rev. 10 Universidad Católica San Antonio de Murcia Tlf: (+34) 902 102 101 info@ucam.edu www.ucam.edu 29/04/2014
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesVisión global del KDD
Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento
Más detallesINGENIERÍA EN INFORMATICA
INGENIERÍA EN INFORMATICA Título: Ingeniero en Informática Nivel de la carrera: GRADO. Duración: 5 (cinco) años. Acerca de la carrera: El Título de Grado de Ingeniería en Informática formará ingenieros
Más detallesRW.02 RW.01. Curso Data Mining y Aplicaciones en Riesgo de Crédito
RW.02 RW.01 Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad comercial de las empresas
Más detalles200623 - 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 detallesUNIVERSIDAD 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 detallesASIGNATURA Técnicas de Control
ASIGNATURA Técnicas de Control Grado en Ingeniería en Electrónica y Automática Industrial Universidad de Alcalá Curso Académico 2011/2012 Curso 3º Cuatrimestre 6º GUÍA DOCENTE Nombre de la asignatura:
Más detallesCARACTERÍSTICAS 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 detallesPROGRAMA DE ESTUDIO. Básico ( ) Profesional ( ) Especializado ( X ) Práctica ( )
PROGRAMA DE ESTUDIO Nombre de la asignatura: TECNOLOGIAS CAD, CAM Y CAE. Clave: DIS04 Fecha de elaboración: Horas Horas Semestre semana Ciclo Formativo: Básico ( ) Profesional ( ) Especializado ( X ) Horas
Más detallesSIMULACIÓN DE SISTEMAS (I. ELÉCTRICA/I. ELECTRÓNICA)
ASIGNATURA DE GRADO: SIMULACIÓN DE SISTEMAS (I. ELÉCTRICA/I. ELECTRÓNICA) Curso 2014/2015 (Código:68903050) 1.PRESENTACIÓN DE LA ASIGNATURA En esta asignatura se estudian las técnicas de simulación, comenzando
Más detalles200621 - TQM - Técnicas Cuantitativas de Marketing
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 detallesPROGRAMA EDUCATIVO DE TÉCNICO SUPERIOR UNIVERSITARIO EN MANTENIMIENTO ÁREA INDUSTRIAL
PROGRAMA EDUCATIVO DE TÉCNICO SUPERIOR UNIVERSITARIO EN MANTENIMIENTO ÁREA INDUSTRIAL HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Gestión del 2. Competencias Gestionar
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesGUÍA DOCENTE DE LA ASIGNATURA
GUÍA DOCENTE DE LA ASIGNATURA G95 - Modelos de Negocio y Estrategias Web Grado en Administración y Dirección de Empresas Optativa. Curso 3 Curso Académico 014-015 1 1. DATOS IDENTIFICATIVOS Título/s Grado
Más detallesSERIE ESTRATEGIA COMERCIAL CRM. www.artica.com.mx. Lic. Guiomar Patricia González P.
SERIE ESTRATEGIA COMERCIAL Lic. Guiomar Patricia González P. 1 en pocas palabras En la época moderna, nos encontramos con distintos conjuntos de siglas para designar procesos, funciones, sistemas, soluciones
Más detallesINVESTIGACION COMERCIAL
ASIGNATURA: INVESTIGACION COMERCIAL Curso 2014/2015 (Código:01425020) 1.OBJETIVOS En la medida en que el Marketing es un cuerpo científico de conocimientos aplica el método científico al proceso de investigación
Más detallesCurso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix
Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix Presentación Las bases de datos y los sistemas de administración de datos han jugado un papel primordial en el crecimiento y éxito de
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÒN
Pág. 1 de 15 TÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÒN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Fundamentos de 2. Competencias Formular la planeación estratégica
Más detalles14. Ingeniería de software. Ing. Alejandro Adorjan
14. Ing. Alejandro Adorjan : un enfoque en ingeniería de requerimientos Introducción La ingeniería de software es una disciplina que estudia la aplicación de la teoría, el conocimiento y la práctica de
Más detallesASIGNATURA: MATERIA: Simulación y optimización de procesos MÓDULO: Ingeniería de procesos y producto ESTUDIOS: MASTER EN INGENIERIA QUIMICA
Página 1 de 3 CARACTERÍSTICAS GENERALES* Tipo: Formación básica, Obligatoria, Optativa Trabajo de fin de grado, Prácticas externas Duración: Semestral Semestre/s: 1 Número de créditos ECTS: 3 Idioma/s:
Más detallesINGENIERIA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERIA EN TECNOLOGÍAS DE LA INFORMACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Informes Electrónicos para Aplicaciones (Optativa II) 2. Competencias Diseñar
Más detallesGuía Docente Curso 2012-2013
ESCUELA POLITECNICA SUPERIOR Guía Docente Curso 2012-2013 Titulación Ingeniería Informática DATOS DE LA ASIGNATURA * * Asignatura en experiencia piloto de implantación del sistema de créditos ECTS Nombre:
Más detallesENMKT663 MARKETING RELACIONAL
ENMKT663 MARKETING RELACIONAL Profesor: E-mail profesor: Juan P. Forno jforno@formulisa.cl PRESENTACIÓN DEL CURSO Entregar a los alumnos las herramientas necesarias para definir y estructurar una estrategia
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Sistemas de Calidad en T.I. 2. Competencias Dirigir proyectos de tecnologías
Más detallesEscuela de Ciencias Empresariales. Grado en Contabilidad y Finanzas
Escuela de Ciencias Empresariales Grado en Contabilidad y Finanzas GUÍA DOCENTE DE LA ASIGNATURA: ESTADÍSTICA I Curso Académico 01/01 Fecha:9-05-01 1. Datos Descriptivos de la Asignatura Código: 1691101
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÓN ÁREA ADMINISTRACIÓN Y EVALUACIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA
TÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÓN ÁREA ADMINISTRACIÓN Y EVALUACIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA UNIDADES DE APRENDIZAJE 1. Competencias Evaluar la
Más detalles