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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/152693
Acceder
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:UNLP2025-10-22T17:20:17Zoai: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:13292025-10-22 17:20:17.391SEDICI (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_ 1846783626054729728
score 12.982451

Publicaciones similares