Una aproximación a la asistencia inteligente en minería de datos
- Autores
- Nicoletti, Matías Alberto; Nigro, Oscar; González Císaro, Sandra
- Año de publicación
- 2010
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La Minería de Datos, la cual forma parte del proceso de KDD (Knowledge Discovery in Databases), es uno de los campos de crecimiento más veloz en la industria de la computación. Una de sus principales fortalezas es su amplitud en cuanto a los posibles dominios de aplicación. La industria bancaria, telecomunicaciones, ventas, medicina, deportes y variedad de ingenierías son algunos ejemplos de su aplicación efectiva [4]. En la actualidad existen gran variedad de herramientas para facilitar su práctica, entre las cuales pueden encontrarse Weka, Orange y KNIME, de libre distribución. A pesar de que dichas herramientas suponen facilitar la práctica de esta disciplina, definir y ejecutar procesos de Minería de Datos no resulta ser una tarea trivial. Esto es debido a que numerosas variables y decisiones a ser tenidas en cuenta se ven involucradas durante el proceso. Adicionalmente, las actuales aplicaciones para KDD proveen extensos conjuntos de operadores (por ej. en KNIME existen más de 500 operadores actualmente). Pero la complejidad en la Minería de Datos no solo se debe a la extensa cantidad de operadores, sino que también debe considerarse la correcta combinación de dichos operadores respectando las restricciones asociadas. De esta forma, es posible establecer una analogía entre la Minería de Datos y la resolución de rompecabezas [4]. Con el tiempo, los usuarios aprenderán y se familiarizarán con el adecuado uso de los operadores. No obstante, investigar formas de acelerar la curva de aprendizaje motiva el desarrollo de este proyecto
Sociedad Argentina de Informática e Investigación Operativa - Materia
-
Ciencias Informáticas
minería de datos
asistencia inteligente - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/152693
Ver los metadatos del registro completo
id |
SEDICI_08bd3763d7373d721d09ba70e0198cfc |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/152693 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Una aproximación a la asistencia inteligente en minería de datosNicoletti, Matías AlbertoNigro, OscarGonzález Císaro, SandraCiencias Informáticasminería de datosasistencia inteligenteLa Minería de Datos, la cual forma parte del proceso de KDD (Knowledge Discovery in Databases), es uno de los campos de crecimiento más veloz en la industria de la computación. Una de sus principales fortalezas es su amplitud en cuanto a los posibles dominios de aplicación. La industria bancaria, telecomunicaciones, ventas, medicina, deportes y variedad de ingenierías son algunos ejemplos de su aplicación efectiva [4]. En la actualidad existen gran variedad de herramientas para facilitar su práctica, entre las cuales pueden encontrarse Weka, Orange y KNIME, de libre distribución. A pesar de que dichas herramientas suponen facilitar la práctica de esta disciplina, definir y ejecutar procesos de Minería de Datos no resulta ser una tarea trivial. Esto es debido a que numerosas variables y decisiones a ser tenidas en cuenta se ven involucradas durante el proceso. Adicionalmente, las actuales aplicaciones para KDD proveen extensos conjuntos de operadores (por ej. en KNIME existen más de 500 operadores actualmente). Pero la complejidad en la Minería de Datos no solo se debe a la extensa cantidad de operadores, sino que también debe considerarse la correcta combinación de dichos operadores respectando las restricciones asociadas. De esta forma, es posible establecer una analogía entre la Minería de Datos y la resolución de rompecabezas [4]. Con el tiempo, los usuarios aprenderán y se familiarizarán con el adecuado uso de los operadores. No obstante, investigar formas de acelerar la curva de aprendizaje motiva el desarrollo de este proyectoSociedad Argentina de Informática e Investigación Operativa2010info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf239-242http://sedici.unlp.edu.ar/handle/10915/152693spainfo:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-asai-22.pdfinfo:eu-repo/semantics/altIdentifier/issn/1850-2784info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:21Zoai:sedici.unlp.edu.ar:10915/152693Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:21.806SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Una aproximación a la asistencia inteligente en minería de datos |
title |
Una aproximación a la asistencia inteligente en minería de datos |
spellingShingle |
Una aproximación a la asistencia inteligente en minería de datos Nicoletti, Matías Alberto Ciencias Informáticas minería de datos asistencia inteligente |
title_short |
Una aproximación a la asistencia inteligente en minería de datos |
title_full |
Una aproximación a la asistencia inteligente en minería de datos |
title_fullStr |
Una aproximación a la asistencia inteligente en minería de datos |
title_full_unstemmed |
Una aproximación a la asistencia inteligente en minería de datos |
title_sort |
Una aproximación a la asistencia inteligente en minería de datos |
dc.creator.none.fl_str_mv |
Nicoletti, Matías Alberto Nigro, Oscar González Císaro, Sandra |
author |
Nicoletti, Matías Alberto |
author_facet |
Nicoletti, Matías Alberto Nigro, Oscar González Císaro, Sandra |
author_role |
author |
author2 |
Nigro, Oscar González Císaro, Sandra |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas minería de datos asistencia inteligente |
topic |
Ciencias Informáticas minería de datos asistencia inteligente |
dc.description.none.fl_txt_mv |
La Minería de Datos, la cual forma parte del proceso de KDD (Knowledge Discovery in Databases), es uno de los campos de crecimiento más veloz en la industria de la computación. Una de sus principales fortalezas es su amplitud en cuanto a los posibles dominios de aplicación. La industria bancaria, telecomunicaciones, ventas, medicina, deportes y variedad de ingenierías son algunos ejemplos de su aplicación efectiva [4]. En la actualidad existen gran variedad de herramientas para facilitar su práctica, entre las cuales pueden encontrarse Weka, Orange y KNIME, de libre distribución. A pesar de que dichas herramientas suponen facilitar la práctica de esta disciplina, definir y ejecutar procesos de Minería de Datos no resulta ser una tarea trivial. Esto es debido a que numerosas variables y decisiones a ser tenidas en cuenta se ven involucradas durante el proceso. Adicionalmente, las actuales aplicaciones para KDD proveen extensos conjuntos de operadores (por ej. en KNIME existen más de 500 operadores actualmente). Pero la complejidad en la Minería de Datos no solo se debe a la extensa cantidad de operadores, sino que también debe considerarse la correcta combinación de dichos operadores respectando las restricciones asociadas. De esta forma, es posible establecer una analogía entre la Minería de Datos y la resolución de rompecabezas [4]. Con el tiempo, los usuarios aprenderán y se familiarizarán con el adecuado uso de los operadores. No obstante, investigar formas de acelerar la curva de aprendizaje motiva el desarrollo de este proyecto Sociedad Argentina de Informática e Investigación Operativa |
description |
La Minería de Datos, la cual forma parte del proceso de KDD (Knowledge Discovery in Databases), es uno de los campos de crecimiento más veloz en la industria de la computación. Una de sus principales fortalezas es su amplitud en cuanto a los posibles dominios de aplicación. La industria bancaria, telecomunicaciones, ventas, medicina, deportes y variedad de ingenierías son algunos ejemplos de su aplicación efectiva [4]. En la actualidad existen gran variedad de herramientas para facilitar su práctica, entre las cuales pueden encontrarse Weka, Orange y KNIME, de libre distribución. A pesar de que dichas herramientas suponen facilitar la práctica de esta disciplina, definir y ejecutar procesos de Minería de Datos no resulta ser una tarea trivial. Esto es debido a que numerosas variables y decisiones a ser tenidas en cuenta se ven involucradas durante el proceso. Adicionalmente, las actuales aplicaciones para KDD proveen extensos conjuntos de operadores (por ej. en KNIME existen más de 500 operadores actualmente). Pero la complejidad en la Minería de Datos no solo se debe a la extensa cantidad de operadores, sino que también debe considerarse la correcta combinación de dichos operadores respectando las restricciones asociadas. De esta forma, es posible establecer una analogía entre la Minería de Datos y la resolución de rompecabezas [4]. Con el tiempo, los usuarios aprenderán y se familiarizarán con el adecuado uso de los operadores. No obstante, investigar formas de acelerar la curva de aprendizaje motiva el desarrollo de este proyecto |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/152693 |
url |
http://sedici.unlp.edu.ar/handle/10915/152693 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-asai-22.pdf info:eu-repo/semantics/altIdentifier/issn/1850-2784 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 239-242 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616267624873984 |
score |
13.070432 |