Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos
- Autores
- Hasperué, Waldo; Estrebou, César Armando; Camele, Genaro; Rucci, Enzo; Ronchetti, Franco; Castillo, David; Reyes Zambrano, Gary; Lanzarini, Laura Cristina; Fernández Bariviera, Aurelio
- Año de publicación
- 2023
- 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 Sistemas Inteligentes para la resolución de problemas de Big Data y Minería de Datos utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Las investigaciones correspondientes al procesamiento de datos masivos están enfocadas en el estudio y desarrollo de técnicas de selección de características, donde el foco está puesto en la reducción de los tiempos de cómputo. La optimización puede realizarse tanto en la mejora de la ejecución en un entorno distribuido, como en la propuesta de técnicas metaheurísticas que permitan obtener un subconjunto óptimo de atributos. Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Las investigaciones relacionadas con el análisis de flujos de datos se centran en la construcción de modelos dinámicos descriptivos. En particular el énfasis está puesto en la resolución de dos problemas de sumo interés en distintas áreas: el análisis de trayectorias GPS a fin de identificar congestiones en el tránsito y la identificación temprana de patrones de movimiento en pacientes con Alzheimer.
Red de Universidades con Carreras en Informática
Instituto de Investigación en Informática - Materia
-
Ciencias Informáticas
Big Data
Minería de Datos
Diabetes
Reducción de características
Análisis de flujos de datos
Tiny ML
GPS - 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:10915/163327
Ver los metadatos del registro completo
id |
SEDICI_4c526cf3237f8447b179e9cb1bc02a37 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/163327 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidosHasperué, WaldoEstrebou, César ArmandoCamele, GenaroRucci, EnzoRonchetti, FrancoCastillo, DavidReyes Zambrano, GaryLanzarini, Laura CristinaFernández Bariviera, AurelioCiencias InformáticasBig DataMinería de DatosDiabetesReducción de característicasAnálisis de flujos de datosTiny MLGPSEsta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de Big Data y Minería de Datos utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Las investigaciones correspondientes al procesamiento de datos masivos están enfocadas en el estudio y desarrollo de técnicas de selección de características, donde el foco está puesto en la reducción de los tiempos de cómputo. La optimización puede realizarse tanto en la mejora de la ejecución en un entorno distribuido, como en la propuesta de técnicas metaheurísticas que permitan obtener un subconjunto óptimo de atributos. Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Las investigaciones relacionadas con el análisis de flujos de datos se centran en la construcción de modelos dinámicos descriptivos. En particular el énfasis está puesto en la resolución de dos problemas de sumo interés en distintas áreas: el análisis de trayectorias GPS a fin de identificar congestiones en el tránsito y la identificación temprana de patrones de movimiento en pacientes con Alzheimer.Red de Universidades con Carreras en InformáticaInstituto de Investigación 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/10915/163327spainfo: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:UNLP2025-09-29T11:42:56Zoai:sedici.unlp.edu.ar:10915/163327Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:42:57.18SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
title |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
spellingShingle |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos Hasperué, Waldo Ciencias Informáticas Big Data Minería de Datos Diabetes Reducción de características Análisis de flujos de datos Tiny ML GPS |
title_short |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
title_full |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
title_fullStr |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
title_full_unstemmed |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
title_sort |
Sistemas inteligentes en el uso de aplicaciones de bioinformática y sistemas embebidos |
dc.creator.none.fl_str_mv |
Hasperué, Waldo Estrebou, César Armando Camele, Genaro Rucci, Enzo Ronchetti, Franco Castillo, David Reyes Zambrano, Gary Lanzarini, Laura Cristina Fernández Bariviera, Aurelio |
author |
Hasperué, Waldo |
author_facet |
Hasperué, Waldo Estrebou, César Armando Camele, Genaro Rucci, Enzo Ronchetti, Franco Castillo, David Reyes Zambrano, Gary Lanzarini, Laura Cristina Fernández Bariviera, Aurelio |
author_role |
author |
author2 |
Estrebou, César Armando Camele, Genaro Rucci, Enzo Ronchetti, Franco Castillo, David Reyes Zambrano, Gary Lanzarini, Laura Cristina Fernández Bariviera, Aurelio |
author2_role |
author author author author author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Big Data Minería de Datos Diabetes Reducción de características Análisis de flujos de datos Tiny ML GPS |
topic |
Ciencias Informáticas Big Data Minería de Datos Diabetes Reducción de características Análisis de flujos de datos Tiny ML GPS |
dc.description.none.fl_txt_mv |
Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de Big Data y Minería de Datos utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Las investigaciones correspondientes al procesamiento de datos masivos están enfocadas en el estudio y desarrollo de técnicas de selección de características, donde el foco está puesto en la reducción de los tiempos de cómputo. La optimización puede realizarse tanto en la mejora de la ejecución en un entorno distribuido, como en la propuesta de técnicas metaheurísticas que permitan obtener un subconjunto óptimo de atributos. Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Las investigaciones relacionadas con el análisis de flujos de datos se centran en la construcción de modelos dinámicos descriptivos. En particular el énfasis está puesto en la resolución de dos problemas de sumo interés en distintas áreas: el análisis de trayectorias GPS a fin de identificar congestiones en el tránsito y la identificación temprana de patrones de movimiento en pacientes con Alzheimer. Red de Universidades con Carreras en Informática Instituto de Investigación en Informática |
description |
Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de Big Data y Minería de Datos utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de grandes volúmenes de información y al procesamiento de flujo de datos. Las investigaciones correspondientes al procesamiento de datos masivos están enfocadas en el estudio y desarrollo de técnicas de selección de características, donde el foco está puesto en la reducción de los tiempos de cómputo. La optimización puede realizarse tanto en la mejora de la ejecución en un entorno distribuido, como en la propuesta de técnicas metaheurísticas que permitan obtener un subconjunto óptimo de atributos. Por otro lado, y desde el punto de vista de la salud, se está trabajando con investigadores del CENEXA (CONICET-UNLP-CIC) en la obtención de modelos de predicción de diabetes y prediabetes. Las investigaciones relacionadas con el análisis de flujos de datos se centran en la construcción de modelos dinámicos descriptivos. En particular el énfasis está puesto en la resolución de dos problemas de sumo interés en distintas áreas: el análisis de trayectorias GPS a fin de identificar congestiones en el tránsito y la identificación temprana de patrones de movimiento en pacientes con Alzheimer. |
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/10915/163327 |
url |
http://sedici.unlp.edu.ar/handle/10915/163327 |
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_ |
1844616298837835776 |
score |
13.070432 |