Simulación y análisis eficiente de grandes volúmenes de datos
- Autores
- Barrionuevo, Mercedes; Castro, Alicia; Gil Costa, Graciela Verónica; Labella, Danilo; Loor, Fernando; Printista, Alicia Marcela; Tissera, Cristian; Trabes, Guillermo
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El crecimiento en el volúmen de datos, así como en la heterogeneidad de los tipos de datos que existen en el mundo ha crecido exponencialmente en la última década. Esto implica dos grandes desafíos para la comunidad científica: (1) cómo procesar esos datos lo más rápido y eficiente posible y (2) cómo obtener información a través de dichos datos. Por otro lado, este gran volúmen de datos brinda una oportunidad única en el área de modelado y simulación. Estos datos pueden ser utilizados para generar modelos de diferentes situaciones y aplicaciones que puedan ser validados y posteriormente escalados. En este trabajo, se presentan los objetivos, trabajo realizado y desafíos que aborda el grupo de investigación de la Universidad Nacional de San Luis, para abordar los temas que involucran el procesamiento eficiente de grandes volúmenes de datos, para realizarlo en forma eficiente de forma tal de reducir los tiempos de ejecución, evitar saturar los recursos, balancear la carga de trabajo y reducir consumos de energía, así como para obtener información efectiva de esos datos que puedan ser utilizados para la toma de decisiones utilizando técnicas de ciencias de datos y finalmente utilizar esos datos para generar modelos de simulación que permitan analizar situaciones que no son factibles de ser implementadas en la realidad por temas de costos, disponibilidad de recursos, etc.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
grandes volúmenes de datos
procesamiento eficiente
Análisis de datos
simulación
resiliencia - 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:10915/164005
Ver los metadatos del registro completo
id |
SEDICI_17c1f97dbd2514e091e61424e6f29df6 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/164005 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Simulación y análisis eficiente de grandes volúmenes de datosBarrionuevo, MercedesCastro, AliciaGil Costa, Graciela VerónicaLabella, DaniloLoor, FernandoPrintista, Alicia MarcelaTissera, CristianTrabes, GuillermoCiencias Informáticasgrandes volúmenes de datosprocesamiento eficienteAnálisis de datossimulaciónresilienciaEl crecimiento en el volúmen de datos, así como en la heterogeneidad de los tipos de datos que existen en el mundo ha crecido exponencialmente en la última década. Esto implica dos grandes desafíos para la comunidad científica: (1) cómo procesar esos datos lo más rápido y eficiente posible y (2) cómo obtener información a través de dichos datos. Por otro lado, este gran volúmen de datos brinda una oportunidad única en el área de modelado y simulación. Estos datos pueden ser utilizados para generar modelos de diferentes situaciones y aplicaciones que puedan ser validados y posteriormente escalados. En este trabajo, se presentan los objetivos, trabajo realizado y desafíos que aborda el grupo de investigación de la Universidad Nacional de San Luis, para abordar los temas que involucran el procesamiento eficiente de grandes volúmenes de datos, para realizarlo en forma eficiente de forma tal de reducir los tiempos de ejecución, evitar saturar los recursos, balancear la carga de trabajo y reducir consumos de energía, así como para obtener información efectiva de esos datos que puedan ser utilizados para la toma de decisiones utilizando técnicas de ciencias de datos y finalmente utilizar esos datos para generar modelos de simulación que permitan analizar situaciones que no son factibles de ser implementadas en la realidad por temas de costos, disponibilidad de recursos, etc.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/164005spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info: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:UNLP2025-09-29T11:43:10Zoai:sedici.unlp.edu.ar:10915/164005Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:43:11.229SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Simulación y análisis eficiente de grandes volúmenes de datos |
title |
Simulación y análisis eficiente de grandes volúmenes de datos |
spellingShingle |
Simulación y análisis eficiente de grandes volúmenes de datos Barrionuevo, Mercedes Ciencias Informáticas grandes volúmenes de datos procesamiento eficiente Análisis de datos simulación resiliencia |
title_short |
Simulación y análisis eficiente de grandes volúmenes de datos |
title_full |
Simulación y análisis eficiente de grandes volúmenes de datos |
title_fullStr |
Simulación y análisis eficiente de grandes volúmenes de datos |
title_full_unstemmed |
Simulación y análisis eficiente de grandes volúmenes de datos |
title_sort |
Simulación y análisis eficiente de grandes volúmenes de datos |
dc.creator.none.fl_str_mv |
Barrionuevo, Mercedes Castro, Alicia Gil Costa, Graciela Verónica Labella, Danilo Loor, Fernando Printista, Alicia Marcela Tissera, Cristian Trabes, Guillermo |
author |
Barrionuevo, Mercedes |
author_facet |
Barrionuevo, Mercedes Castro, Alicia Gil Costa, Graciela Verónica Labella, Danilo Loor, Fernando Printista, Alicia Marcela Tissera, Cristian Trabes, Guillermo |
author_role |
author |
author2 |
Castro, Alicia Gil Costa, Graciela Verónica Labella, Danilo Loor, Fernando Printista, Alicia Marcela Tissera, Cristian Trabes, Guillermo |
author2_role |
author author author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas grandes volúmenes de datos procesamiento eficiente Análisis de datos simulación resiliencia |
topic |
Ciencias Informáticas grandes volúmenes de datos procesamiento eficiente Análisis de datos simulación resiliencia |
dc.description.none.fl_txt_mv |
El crecimiento en el volúmen de datos, así como en la heterogeneidad de los tipos de datos que existen en el mundo ha crecido exponencialmente en la última década. Esto implica dos grandes desafíos para la comunidad científica: (1) cómo procesar esos datos lo más rápido y eficiente posible y (2) cómo obtener información a través de dichos datos. Por otro lado, este gran volúmen de datos brinda una oportunidad única en el área de modelado y simulación. Estos datos pueden ser utilizados para generar modelos de diferentes situaciones y aplicaciones que puedan ser validados y posteriormente escalados. En este trabajo, se presentan los objetivos, trabajo realizado y desafíos que aborda el grupo de investigación de la Universidad Nacional de San Luis, para abordar los temas que involucran el procesamiento eficiente de grandes volúmenes de datos, para realizarlo en forma eficiente de forma tal de reducir los tiempos de ejecución, evitar saturar los recursos, balancear la carga de trabajo y reducir consumos de energía, así como para obtener información efectiva de esos datos que puedan ser utilizados para la toma de decisiones utilizando técnicas de ciencias de datos y finalmente utilizar esos datos para generar modelos de simulación que permitan analizar situaciones que no son factibles de ser implementadas en la realidad por temas de costos, disponibilidad de recursos, etc. Red de Universidades con Carreras en Informática |
description |
El crecimiento en el volúmen de datos, así como en la heterogeneidad de los tipos de datos que existen en el mundo ha crecido exponencialmente en la última década. Esto implica dos grandes desafíos para la comunidad científica: (1) cómo procesar esos datos lo más rápido y eficiente posible y (2) cómo obtener información a través de dichos datos. Por otro lado, este gran volúmen de datos brinda una oportunidad única en el área de modelado y simulación. Estos datos pueden ser utilizados para generar modelos de diferentes situaciones y aplicaciones que puedan ser validados y posteriormente escalados. En este trabajo, se presentan los objetivos, trabajo realizado y desafíos que aborda el grupo de investigación de la Universidad Nacional de San Luis, para abordar los temas que involucran el procesamiento eficiente de grandes volúmenes de datos, para realizarlo en forma eficiente de forma tal de reducir los tiempos de ejecución, evitar saturar los recursos, balancear la carga de trabajo y reducir consumos de energía, así como para obtener información efectiva de esos datos que puedan ser utilizados para la toma de decisiones utilizando técnicas de ciencias de datos y finalmente utilizar esos datos para generar modelos de simulación que permitan analizar situaciones que no son factibles de ser implementadas en la realidad por temas de costos, disponibilidad de recursos, etc. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-04 |
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/10915/164005 |
url |
http://sedici.unlp.edu.ar/handle/10915/164005 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4 info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620 |
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 |
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_ |
1844616300609929216 |
score |
13.070432 |