Minería de datos y big data: aplicaciones en señales y textos
- Autores
- Lanzarini, Laura Cristina; Hasperué, Waldo; Estrebou, César Armando; Ronchetti, Franco; Villa Monte, Augusto; Aquino, Germán Osvaldo; Quiroga, Facundo; Basgall, María José; Rojas, Luis; Corvi, Julieta Pilar; Luna, C.; Jimbo Santana, Patricia; Fernández, A.; Puente, C; Olivas, J. A.; Rosete, A.
- Año de publicación
- 2017
- 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 Minería de Datos y Big Data utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de señales y textos. Con respecto al procesamiento de Señales el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento de los objetos presentes. En el área de la Minería de Datos se está trabajando, por un lado, en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y, por otro lado, en el desarrollo de nuevas estrategias para tratar grandes volúmenes de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Además, se han desarrollando estrategias para resumir documentos a través de la extracción de párrafos.
Eje: Bases de datos y Minería de datos.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
PATTERN RECOGNITION
estrategias adaptativas
minería de texto
Data mining
big data - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/61737
Ver los metadatos del registro completo
| id |
SEDICI_a566cdb15455859468587c514964e6f9 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/61737 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Minería de datos y big data: aplicaciones en señales y textosLanzarini, Laura CristinaHasperué, WaldoEstrebou, César ArmandoRonchetti, FrancoVilla Monte, AugustoAquino, Germán OsvaldoQuiroga, FacundoBasgall, María JoséRojas, LuisCorvi, Julieta PilarLuna, C.Jimbo Santana, PatriciaFernández, A.Puente, COlivas, J. A.Rosete, A.Ciencias InformáticasPATTERN RECOGNITIONestrategias adaptativasminería de textoData miningbig dataEsta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de Minería de Datos y Big Data utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de señales y textos. Con respecto al procesamiento de Señales el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento de los objetos presentes. En el área de la Minería de Datos se está trabajando, por un lado, en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y, por otro lado, en el desarrollo de nuevas estrategias para tratar grandes volúmenes de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Además, se han desarrollando estrategias para resumir documentos a través de la extracción de párrafos.Eje: Bases de datos y Minería de datos.Red de Universidades con Carreras en Informática2017-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf315-319http://sedici.unlp.edu.ar/handle/10915/61737spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-42-5143-5info:eu-repo/semantics/reference/hdl/10915/61343info: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:UNLP2025-09-29T11:07:50Zoai:sedici.unlp.edu.ar:10915/61737Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:07:50.738SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Minería de datos y big data: aplicaciones en señales y textos |
| title |
Minería de datos y big data: aplicaciones en señales y textos |
| spellingShingle |
Minería de datos y big data: aplicaciones en señales y textos Lanzarini, Laura Cristina Ciencias Informáticas PATTERN RECOGNITION estrategias adaptativas minería de texto Data mining big data |
| title_short |
Minería de datos y big data: aplicaciones en señales y textos |
| title_full |
Minería de datos y big data: aplicaciones en señales y textos |
| title_fullStr |
Minería de datos y big data: aplicaciones en señales y textos |
| title_full_unstemmed |
Minería de datos y big data: aplicaciones en señales y textos |
| title_sort |
Minería de datos y big data: aplicaciones en señales y textos |
| dc.creator.none.fl_str_mv |
Lanzarini, Laura Cristina Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Corvi, Julieta Pilar Luna, C. Jimbo Santana, Patricia Fernández, A. Puente, C Olivas, J. A. Rosete, A. |
| author |
Lanzarini, Laura Cristina |
| author_facet |
Lanzarini, Laura Cristina Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Corvi, Julieta Pilar Luna, C. Jimbo Santana, Patricia Fernández, A. Puente, C Olivas, J. A. Rosete, A. |
| author_role |
author |
| author2 |
Hasperué, Waldo Estrebou, César Armando Ronchetti, Franco Villa Monte, Augusto Aquino, Germán Osvaldo Quiroga, Facundo Basgall, María José Rojas, Luis Corvi, Julieta Pilar Luna, C. Jimbo Santana, Patricia Fernández, A. Puente, C Olivas, J. A. Rosete, A. |
| author2_role |
author author author author author author author author author author author author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas PATTERN RECOGNITION estrategias adaptativas minería de texto Data mining big data |
| topic |
Ciencias Informáticas PATTERN RECOGNITION estrategias adaptativas minería de texto Data mining big data |
| 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 Minería de Datos y Big Data utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de señales y textos. Con respecto al procesamiento de Señales el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento de los objetos presentes. En el área de la Minería de Datos se está trabajando, por un lado, en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y, por otro lado, en el desarrollo de nuevas estrategias para tratar grandes volúmenes de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Además, se han desarrollando estrategias para resumir documentos a través de la extracción de párrafos. Eje: Bases de datos y Minería de datos. 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 Minería de Datos y Big Data utilizando técnicas de Aprendizaje Automático. Los sistemas desarrollados se aplican particularmente al procesamiento de señales y textos. Con respecto al procesamiento de Señales el énfasis está puesto en el análisis de videos con el objetivo de identificar acciones humanas que faciliten la interfaz hombre/máquina y en la detección de patrones de movimiento de los objetos presentes. En el área de la Minería de Datos se está trabajando, por un lado, en la generación de un modelo de fácil interpretación a partir de la extracción de reglas de clasificación que permita justificar la toma de decisiones y, por otro lado, en el desarrollo de nuevas estrategias para tratar grandes volúmenes de datos. Con respecto a Minería de Textos se han desarrollado métodos capaces de extraer las palabras clave de documentos independientemente del lenguaje. Además, se han desarrollando estrategias para resumir documentos a través de la extracción de párrafos. |
| publishDate |
2017 |
| dc.date.none.fl_str_mv |
2017-04 |
| 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/10915/61737 |
| url |
http://sedici.unlp.edu.ar/handle/10915/61737 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-42-5143-5 info:eu-repo/semantics/reference/hdl/10915/61343 |
| 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 315-319 |
| 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_ |
1844615950148567040 |
| score |
13.070432 |