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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/63373

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