Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas
- Autores
- Lanzarini, Laura Cristina; Villa Monte, Augusto
- Año de publicación
- 2017
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La Minería de Datos reúne a las técnicas que, a partir de datos almacenados en grandes bases de datos, poseen la capacidad de adquirir conocimiento nuevo, novedoso y potencialmente útil. Permite obtener modelos predictivos y/o descriptivos que ayudan a la toma de decisiones. El mayor obstáculo que enfrentan los alumnos durante todo el proceso de aprendizaje radica en el desconocimiento de la solución del problema planteado. A diferencia del enfoque convencional, se dispone de ejemplos o muestras del problema de las cuales debe extraerse la solución. No se plantean hipótesis a verificar sino que las relaciones entre los datos disponibles deben surgir en forma automática. Por otro lado, las técnicas Minería de Datos hacen uso de una gran cantidad de conceptos vistos en asignaturas previas que no sólo pertenecen al área de Programación sino también de la matemática ya que se requieren conocimientos de Algebra y Cálculo Vectorial. Los autores de este trabajo son docentes de la asignatura “Minería de Datos utilizando Sistemas Inteligentes” que se dicta en la Facultad de Informática de la UNLP desde 2012 y cuentan con una rica experiencia en el tema que puede ser de interés para la comunidad educativa, tanto en lo referido al enfoque utilizado para dictar la asignatura como a las herramientas de software utilizadas.
Eje: Tecnología en Educación.
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
sistemas inteligentes
Data mining
estrategias adaptativas
selección de atributos - 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:10915/63373
Ver los metadatos del registro completo
id |
SEDICI_663b0af49105b9d2733845c1f1c36a8d |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/63373 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadasLanzarini, Laura CristinaVilla Monte, AugustoCiencias Informáticassistemas inteligentesData miningestrategias adaptativasselección de atributosLa Minería de Datos reúne a las técnicas que, a partir de datos almacenados en grandes bases de datos, poseen la capacidad de adquirir conocimiento nuevo, novedoso y potencialmente útil. Permite obtener modelos predictivos y/o descriptivos que ayudan a la toma de decisiones. El mayor obstáculo que enfrentan los alumnos durante todo el proceso de aprendizaje radica en el desconocimiento de la solución del problema planteado. A diferencia del enfoque convencional, se dispone de ejemplos o muestras del problema de las cuales debe extraerse la solución. No se plantean hipótesis a verificar sino que las relaciones entre los datos disponibles deben surgir en forma automática. Por otro lado, las técnicas Minería de Datos hacen uso de una gran cantidad de conceptos vistos en asignaturas previas que no sólo pertenecen al área de Programación sino también de la matemática ya que se requieren conocimientos de Algebra y Cálculo Vectorial. Los autores de este trabajo son docentes de la asignatura “Minería de Datos utilizando Sistemas Inteligentes” que se dicta en la Facultad de Informática de la UNLP desde 2012 y cuentan con una rica experiencia en el tema que puede ser de interés para la comunidad educativa, tanto en lo referido al enfoque utilizado para dictar la asignatura como a las herramientas de software utilizadas.Eje: Tecnología en Educación.Red de Universidades con Carreras en Informática (RedUNCI)2017-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf109-121http://sedici.unlp.edu.ar/handle/10915/63373spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-4417-04-6info: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:UNLP2025-09-29T11:08:20Zoai:sedici.unlp.edu.ar:10915/63373Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:08:21.031SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
title |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
spellingShingle |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas Lanzarini, Laura Cristina Ciencias Informáticas sistemas inteligentes Data mining estrategias adaptativas selección de atributos |
title_short |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
title_full |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
title_fullStr |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
title_full_unstemmed |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
title_sort |
Enseñanza de la minería de datos y el impacto de las herramientas de software utilizadas |
dc.creator.none.fl_str_mv |
Lanzarini, Laura Cristina Villa Monte, Augusto |
author |
Lanzarini, Laura Cristina |
author_facet |
Lanzarini, Laura Cristina Villa Monte, Augusto |
author_role |
author |
author2 |
Villa Monte, Augusto |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas sistemas inteligentes Data mining estrategias adaptativas selección de atributos |
topic |
Ciencias Informáticas sistemas inteligentes Data mining estrategias adaptativas selección de atributos |
dc.description.none.fl_txt_mv |
La Minería de Datos reúne a las técnicas que, a partir de datos almacenados en grandes bases de datos, poseen la capacidad de adquirir conocimiento nuevo, novedoso y potencialmente útil. Permite obtener modelos predictivos y/o descriptivos que ayudan a la toma de decisiones. El mayor obstáculo que enfrentan los alumnos durante todo el proceso de aprendizaje radica en el desconocimiento de la solución del problema planteado. A diferencia del enfoque convencional, se dispone de ejemplos o muestras del problema de las cuales debe extraerse la solución. No se plantean hipótesis a verificar sino que las relaciones entre los datos disponibles deben surgir en forma automática. Por otro lado, las técnicas Minería de Datos hacen uso de una gran cantidad de conceptos vistos en asignaturas previas que no sólo pertenecen al área de Programación sino también de la matemática ya que se requieren conocimientos de Algebra y Cálculo Vectorial. Los autores de este trabajo son docentes de la asignatura “Minería de Datos utilizando Sistemas Inteligentes” que se dicta en la Facultad de Informática de la UNLP desde 2012 y cuentan con una rica experiencia en el tema que puede ser de interés para la comunidad educativa, tanto en lo referido al enfoque utilizado para dictar la asignatura como a las herramientas de software utilizadas. Eje: Tecnología en Educación. Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La Minería de Datos reúne a las técnicas que, a partir de datos almacenados en grandes bases de datos, poseen la capacidad de adquirir conocimiento nuevo, novedoso y potencialmente útil. Permite obtener modelos predictivos y/o descriptivos que ayudan a la toma de decisiones. El mayor obstáculo que enfrentan los alumnos durante todo el proceso de aprendizaje radica en el desconocimiento de la solución del problema planteado. A diferencia del enfoque convencional, se dispone de ejemplos o muestras del problema de las cuales debe extraerse la solución. No se plantean hipótesis a verificar sino que las relaciones entre los datos disponibles deben surgir en forma automática. Por otro lado, las técnicas Minería de Datos hacen uso de una gran cantidad de conceptos vistos en asignaturas previas que no sólo pertenecen al área de Programación sino también de la matemática ya que se requieren conocimientos de Algebra y Cálculo Vectorial. Los autores de este trabajo son docentes de la asignatura “Minería de Datos utilizando Sistemas Inteligentes” que se dicta en la Facultad de Informática de la UNLP desde 2012 y cuentan con una rica experiencia en el tema que puede ser de interés para la comunidad educativa, tanto en lo referido al enfoque utilizado para dictar la asignatura como a las herramientas de software utilizadas. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-06 |
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/10915/63373 |
url |
http://sedici.unlp.edu.ar/handle/10915/63373 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-4417-04-6 |
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 109-121 |
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_ |
1844615956175781888 |
score |
13.070432 |