Minería de datos utilizando sistemas inteligentes

Autores
Lanzarini, Laura Cristina; Hasperué, Waldo; Corbalán, Leonardo César; Formia, Sonia; Estrebou, César Armando; Villa Monte, Augusto; Aquino, Germán Osvaldo; Jerez, Marcela
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Esta línea de investigación se centra en el estudio y desarrollo de estrategias adaptativas aplicables a la Minería de Datos. Se han desarrollado distintas metaheurísticas que permiten obtener reglas y listas de clasificación, capaces de operar sobre datos numéricos y categóricos, a partir de datos estructurados etiquetados. Se han analizado distintas técnicas no supervisadas para identificar las características más importantes de la deserción universitaria en base a la información de la UNRN. Se está comenzando a trabajar con técnicas que operan con información no estructurada aplicables a la caracterización y clasificación de documentos.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Data mining
Minería de Datos
Redes Neurales (Computación)
Optimization
Neural nets
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/27152
Acceder
id SEDICI_30ffdfff8498dd73b2196f773f92036b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/27152
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Minería de datos utilizando sistemas inteligentesLanzarini, Laura CristinaHasperué, WaldoCorbalán, Leonardo CésarFormia, SoniaEstrebou, César ArmandoVilla Monte, AugustoAquino, Germán OsvaldoJerez, MarcelaCiencias InformáticasData miningMinería de DatosRedes Neurales (Computación)OptimizationNeural netsEsta línea de investigación se centra en el estudio y desarrollo de estrategias adaptativas aplicables a la Minería de Datos. Se han desarrollado distintas metaheurísticas que permiten obtener reglas y listas de clasificación, capaces de operar sobre datos numéricos y categóricos, a partir de datos estructurados etiquetados. Se han analizado distintas técnicas no supervisadas para identificar las características más importantes de la deserción universitaria en base a la información de la UNRN. Se está comenzando a trabajar con técnicas que operan con información no estructurada aplicables a la caracterización y clasificación de documentos.Eje: Bases de Datos y Minería de DatosRed de Universidades con Carreras en Informática (RedUNCI)2013-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf199-203http://sedici.unlp.edu.ar/handle/10915/27152spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:49:21Zoai:sedici.unlp.edu.ar:10915/27152Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:49:21.798SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Minería de datos utilizando sistemas inteligentes
title Minería de datos utilizando sistemas inteligentes
spellingShingle Minería de datos utilizando sistemas inteligentes
Lanzarini, Laura Cristina
Ciencias Informáticas
Data mining
Minería de Datos
Redes Neurales (Computación)
Optimization
Neural nets
title_short Minería de datos utilizando sistemas inteligentes
title_full Minería de datos utilizando sistemas inteligentes
title_fullStr Minería de datos utilizando sistemas inteligentes
title_full_unstemmed Minería de datos utilizando sistemas inteligentes
title_sort Minería de datos utilizando sistemas inteligentes
dc.creator.none.fl_str_mv Lanzarini, Laura Cristina
Hasperué, Waldo
Corbalán, Leonardo César
Formia, Sonia
Estrebou, César Armando
Villa Monte, Augusto
Aquino, Germán Osvaldo
Jerez, Marcela
author Lanzarini, Laura Cristina
author_facet Lanzarini, Laura Cristina
Hasperué, Waldo
Corbalán, Leonardo César
Formia, Sonia
Estrebou, César Armando
Villa Monte, Augusto
Aquino, Germán Osvaldo
Jerez, Marcela
author_role author
author2 Hasperué, Waldo
Corbalán, Leonardo César
Formia, Sonia
Estrebou, César Armando
Villa Monte, Augusto
Aquino, Germán Osvaldo
Jerez, Marcela
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Data mining
Minería de Datos
Redes Neurales (Computación)
Optimization
Neural nets
topic Ciencias Informáticas
Data mining
Minería de Datos
Redes Neurales (Computación)
Optimization
Neural nets
dc.description.none.fl_txt_mv Esta línea de investigación se centra en el estudio y desarrollo de estrategias adaptativas aplicables a la Minería de Datos. Se han desarrollado distintas metaheurísticas que permiten obtener reglas y listas de clasificación, capaces de operar sobre datos numéricos y categóricos, a partir de datos estructurados etiquetados. Se han analizado distintas técnicas no supervisadas para identificar las características más importantes de la deserción universitaria en base a la información de la UNRN. Se está comenzando a trabajar con técnicas que operan con información no estructurada aplicables a la caracterización y clasificación de documentos.
Eje: Bases de Datos y Minería de Datos
Red de Universidades con Carreras en Informática (RedUNCI)
description Esta línea de investigación se centra en el estudio y desarrollo de estrategias adaptativas aplicables a la Minería de Datos. Se han desarrollado distintas metaheurísticas que permiten obtener reglas y listas de clasificación, capaces de operar sobre datos numéricos y categóricos, a partir de datos estructurados etiquetados. Se han analizado distintas técnicas no supervisadas para identificar las características más importantes de la deserción universitaria en base a la información de la UNRN. Se está comenzando a trabajar con técnicas que operan con información no estructurada aplicables a la caracterización y clasificación de documentos.
publishDate 2013
dc.date.none.fl_str_mv 2013-04
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/10915/27152
url http://sedici.unlp.edu.ar/handle/10915/27152
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
199-203
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_ 1846063924465631232
score 13.22299

Publicaciones similares