Gestión eficiente de datos: simulación y análisis avanzado
- Autores
- Barrionuevo, Mercedes; Castro, Alicia; Gil Costa, Verónica; Labella, Danilo; Printista, Marcela; Molina, Romina; Tissera, Pablo Cristian; Trabes, Guillermo; Rodriguez, Mariela; Molfino, María Gabriela
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El crecimiento exponencial en el volumen y la diversidad de datos en el mundo durante la última década ha transformado por completo la forma en que enfrentamos el análisis y procesamiento de la información. Este aumento masivo de datos plantea desafíos significativos para la comunidad científica y empresarial en términos de cómo manejar y aprovechar eficazmente esta ingente cantidad de información. Uno de los principales desafíos radica en la necesidad de procesar estos datos de manera rápida y eficiente para extraer información valiosa y tomar decisiones informadas. Además, este gran volumen de datos presenta una oportunidad única en el área de modelado y simulación. Los datos recopilados de diversas fuentes y en diferentes formatos pueden utilizarse para generar modelos complejos y realistas de situaciones y sistemas del mundo real. Estos modelos pueden ser validados con datos reales y posteriormente escalados para simular escenarios futuros, lo que resulta especialmente útil en áreas como la planificación urbana, la gestión de recursos naturales y la predicción de desastres naturales. En este contexto, el grupo de investigación de la Universidad Nacional de San Luis está llevando a cabo investigaciones para abordar estos desafíos. Su enfoque se centra en el desarrollo de metodologías y técnicas innovadoras para el procesamiento eficiente de grandes volúmenes de datos. Esto incluye la optimización de algoritmos de procesamiento de datos, el diseño de arquitecturas de sistemas escalables y la aplicación de técnicas avanzadas de análisis de datos. Además, el grupo busca obtener información valiosa de estos datos utilizando técnicas de ciencia de datos como el aprendizaje automático y la minería de datos. Este enfoque integral tiene como objetivo no solo mejorar la eficiencia del procesamiento de datos, sino también permitir la generación de modelos de simulación precisos y útiles que puedan ayudar en la toma de decisiones en una amplia gama de aplicaciones y sectores.
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:10915/180215
Ver los metadatos del registro completo
id |
SEDICI_39b89123ad1b6df54e8b4e33e9f96a7a |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/180215 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Gestión eficiente de datos: simulación y análisis avanzadoBarrionuevo, MercedesCastro, AliciaGil Costa, VerónicaLabella, DaniloPrintista, MarcelaMolina, RominaTissera, Pablo CristianTrabes, GuillermoRodriguez, MarielaMolfino, María GabrielaCiencias Informáticasgrandes volúmenes de datosprocesamiento eficienteAnálisis de datossimulaciónresilienciaEl crecimiento exponencial en el volumen y la diversidad de datos en el mundo durante la última década ha transformado por completo la forma en que enfrentamos el análisis y procesamiento de la información. Este aumento masivo de datos plantea desafíos significativos para la comunidad científica y empresarial en términos de cómo manejar y aprovechar eficazmente esta ingente cantidad de información. Uno de los principales desafíos radica en la necesidad de procesar estos datos de manera rápida y eficiente para extraer información valiosa y tomar decisiones informadas. Además, este gran volumen de datos presenta una oportunidad única en el área de modelado y simulación. Los datos recopilados de diversas fuentes y en diferentes formatos pueden utilizarse para generar modelos complejos y realistas de situaciones y sistemas del mundo real. Estos modelos pueden ser validados con datos reales y posteriormente escalados para simular escenarios futuros, lo que resulta especialmente útil en áreas como la planificación urbana, la gestión de recursos naturales y la predicción de desastres naturales. En este contexto, el grupo de investigación de la Universidad Nacional de San Luis está llevando a cabo investigaciones para abordar estos desafíos. Su enfoque se centra en el desarrollo de metodologías y técnicas innovadoras para el procesamiento eficiente de grandes volúmenes de datos. Esto incluye la optimización de algoritmos de procesamiento de datos, el diseño de arquitecturas de sistemas escalables y la aplicación de técnicas avanzadas de análisis de datos. Además, el grupo busca obtener información valiosa de estos datos utilizando técnicas de ciencia de datos como el aprendizaje automático y la minería de datos. Este enfoque integral tiene como objetivo no solo mejorar la eficiencia del procesamiento de datos, sino también permitir la generación de modelos de simulación precisos y útiles que puedan ayudar en la toma de decisiones en una amplia gama de aplicaciones y sectores.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf674-679http://sedici.unlp.edu.ar/handle/10915/180215spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info: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:UNLP2025-09-29T11:49:02Zoai:sedici.unlp.edu.ar:10915/180215Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:49:03.148SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Gestión eficiente de datos: simulación y análisis avanzado |
title |
Gestión eficiente de datos: simulación y análisis avanzado |
spellingShingle |
Gestión eficiente de datos: simulación y análisis avanzado Barrionuevo, Mercedes Ciencias Informáticas grandes volúmenes de datos procesamiento eficiente Análisis de datos simulación resiliencia |
title_short |
Gestión eficiente de datos: simulación y análisis avanzado |
title_full |
Gestión eficiente de datos: simulación y análisis avanzado |
title_fullStr |
Gestión eficiente de datos: simulación y análisis avanzado |
title_full_unstemmed |
Gestión eficiente de datos: simulación y análisis avanzado |
title_sort |
Gestión eficiente de datos: simulación y análisis avanzado |
dc.creator.none.fl_str_mv |
Barrionuevo, Mercedes Castro, Alicia Gil Costa, Verónica Labella, Danilo Printista, Marcela Molina, Romina Tissera, Pablo Cristian Trabes, Guillermo Rodriguez, Mariela Molfino, María Gabriela |
author |
Barrionuevo, Mercedes |
author_facet |
Barrionuevo, Mercedes Castro, Alicia Gil Costa, Verónica Labella, Danilo Printista, Marcela Molina, Romina Tissera, Pablo Cristian Trabes, Guillermo Rodriguez, Mariela Molfino, María Gabriela |
author_role |
author |
author2 |
Castro, Alicia Gil Costa, Verónica Labella, Danilo Printista, Marcela Molina, Romina Tissera, Pablo Cristian Trabes, Guillermo Rodriguez, Mariela Molfino, María Gabriela |
author2_role |
author author 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 exponencial en el volumen y la diversidad de datos en el mundo durante la última década ha transformado por completo la forma en que enfrentamos el análisis y procesamiento de la información. Este aumento masivo de datos plantea desafíos significativos para la comunidad científica y empresarial en términos de cómo manejar y aprovechar eficazmente esta ingente cantidad de información. Uno de los principales desafíos radica en la necesidad de procesar estos datos de manera rápida y eficiente para extraer información valiosa y tomar decisiones informadas. Además, este gran volumen de datos presenta una oportunidad única en el área de modelado y simulación. Los datos recopilados de diversas fuentes y en diferentes formatos pueden utilizarse para generar modelos complejos y realistas de situaciones y sistemas del mundo real. Estos modelos pueden ser validados con datos reales y posteriormente escalados para simular escenarios futuros, lo que resulta especialmente útil en áreas como la planificación urbana, la gestión de recursos naturales y la predicción de desastres naturales. En este contexto, el grupo de investigación de la Universidad Nacional de San Luis está llevando a cabo investigaciones para abordar estos desafíos. Su enfoque se centra en el desarrollo de metodologías y técnicas innovadoras para el procesamiento eficiente de grandes volúmenes de datos. Esto incluye la optimización de algoritmos de procesamiento de datos, el diseño de arquitecturas de sistemas escalables y la aplicación de técnicas avanzadas de análisis de datos. Además, el grupo busca obtener información valiosa de estos datos utilizando técnicas de ciencia de datos como el aprendizaje automático y la minería de datos. Este enfoque integral tiene como objetivo no solo mejorar la eficiencia del procesamiento de datos, sino también permitir la generación de modelos de simulación precisos y útiles que puedan ayudar en la toma de decisiones en una amplia gama de aplicaciones y sectores. Red de Universidades con Carreras en Informática |
description |
El crecimiento exponencial en el volumen y la diversidad de datos en el mundo durante la última década ha transformado por completo la forma en que enfrentamos el análisis y procesamiento de la información. Este aumento masivo de datos plantea desafíos significativos para la comunidad científica y empresarial en términos de cómo manejar y aprovechar eficazmente esta ingente cantidad de información. Uno de los principales desafíos radica en la necesidad de procesar estos datos de manera rápida y eficiente para extraer información valiosa y tomar decisiones informadas. Además, este gran volumen de datos presenta una oportunidad única en el área de modelado y simulación. Los datos recopilados de diversas fuentes y en diferentes formatos pueden utilizarse para generar modelos complejos y realistas de situaciones y sistemas del mundo real. Estos modelos pueden ser validados con datos reales y posteriormente escalados para simular escenarios futuros, lo que resulta especialmente útil en áreas como la planificación urbana, la gestión de recursos naturales y la predicción de desastres naturales. En este contexto, el grupo de investigación de la Universidad Nacional de San Luis está llevando a cabo investigaciones para abordar estos desafíos. Su enfoque se centra en el desarrollo de metodologías y técnicas innovadoras para el procesamiento eficiente de grandes volúmenes de datos. Esto incluye la optimización de algoritmos de procesamiento de datos, el diseño de arquitecturas de sistemas escalables y la aplicación de técnicas avanzadas de análisis de datos. Además, el grupo busca obtener información valiosa de estos datos utilizando técnicas de ciencia de datos como el aprendizaje automático y la minería de datos. Este enfoque integral tiene como objetivo no solo mejorar la eficiencia del procesamiento de datos, sino también permitir la generación de modelos de simulación precisos y útiles que puedan ayudar en la toma de decisiones en una amplia gama de aplicaciones y sectores. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-04 |
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/10915/180215 |
url |
http://sedici.unlp.edu.ar/handle/10915/180215 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603 |
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 674-679 |
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_ |
1844616351839158272 |
score |
13.070432 |