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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/180215

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