Procesamiento inteligente de grandes volúmenes de datos

Autores
Hasperué, Waldo; Estrebou, César Armando; Camele, Genaro; Rucci, Enzo; Ronchetti, Franco; Rodriguez Eguren, Sebastián; Castillo, David; Reyes Zambrano, Gary Xavier; Lanzarini, Laura Cristina; Bariviera, Aurelio F.
Año de publicación
2024
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 un problema de sumo interés en relación al análisis de trayectorias GPS a fin de identificar congestiones en el tránsito.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Big Data
Minería de Datos
Diabetes
Análisis de flujos de datos
Reducción de características
Tiny ML
GPS
MapReduce
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:10915/176262

id SEDICI_64b62377492eb7f7f538048b12df9471
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176262
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Procesamiento inteligente de grandes volúmenes de datosHasperué, WaldoEstrebou, César ArmandoCamele, GenaroRucci, EnzoRonchetti, FrancoRodriguez Eguren, SebastiánCastillo, DavidReyes Zambrano, Gary XavierLanzarini, Laura CristinaBariviera, Aurelio F.Ciencias InformáticasBig DataMinería de DatosDiabetesAnálisis de flujos de datosReducción de característicasTiny MLGPSMapReduceEsta 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 un problema de sumo interés en relación al análisis de trayectorias GPS a fin de identificar congestiones en el tránsito.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/pdf203-207http://sedici.unlp.edu.ar/handle/10915/176262spainfo: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:UNLP2025-09-29T11:47:28Zoai:sedici.unlp.edu.ar:10915/176262Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:47:28.669SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Procesamiento inteligente de grandes volúmenes de datos
title Procesamiento inteligente de grandes volúmenes de datos
spellingShingle Procesamiento inteligente de grandes volúmenes de datos
Hasperué, Waldo
Ciencias Informáticas
Big Data
Minería de Datos
Diabetes
Análisis de flujos de datos
Reducción de características
Tiny ML
GPS
MapReduce
title_short Procesamiento inteligente de grandes volúmenes de datos
title_full Procesamiento inteligente de grandes volúmenes de datos
title_fullStr Procesamiento inteligente de grandes volúmenes de datos
title_full_unstemmed Procesamiento inteligente de grandes volúmenes de datos
title_sort Procesamiento inteligente de grandes volúmenes de datos
dc.creator.none.fl_str_mv Hasperué, Waldo
Estrebou, César Armando
Camele, Genaro
Rucci, Enzo
Ronchetti, Franco
Rodriguez Eguren, Sebastián
Castillo, David
Reyes Zambrano, Gary Xavier
Lanzarini, Laura Cristina
Bariviera, Aurelio F.
author Hasperué, Waldo
author_facet Hasperué, Waldo
Estrebou, César Armando
Camele, Genaro
Rucci, Enzo
Ronchetti, Franco
Rodriguez Eguren, Sebastián
Castillo, David
Reyes Zambrano, Gary Xavier
Lanzarini, Laura Cristina
Bariviera, Aurelio F.
author_role author
author2 Estrebou, César Armando
Camele, Genaro
Rucci, Enzo
Ronchetti, Franco
Rodriguez Eguren, Sebastián
Castillo, David
Reyes Zambrano, Gary Xavier
Lanzarini, Laura Cristina
Bariviera, Aurelio F.
author2_role author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Big Data
Minería de Datos
Diabetes
Análisis de flujos de datos
Reducción de características
Tiny ML
GPS
MapReduce
topic Ciencias Informáticas
Big Data
Minería de Datos
Diabetes
Análisis de flujos de datos
Reducción de características
Tiny ML
GPS
MapReduce
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 un problema de sumo interés en relación al análisis de trayectorias GPS a fin de identificar congestiones en el tránsito.
Red de Universidades con Carreras 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 un problema de sumo interés en relación al análisis de trayectorias GPS a fin de identificar congestiones en el tránsito.
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/10915/176262
url http://sedici.unlp.edu.ar/handle/10915/176262
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
203-207
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_ 1844616338217107456
score 13.070432