Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones

Autores
Ahumada, Hernán César; Bayá, Ariel E.; Grinblat, Guillermo L.; Izetta Riera, C. Javier
Año de publicación
2011
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El campo del Aprendizaje Automatizado (Machine Learning) es parte central de la nueva revolución tecnológica basada en el uso inteligente de la información. Por tradición, los principales problemas que se investigan en esta área son los de reconocimiento de patrones o Clasificación, aproximación de funciones de variable continua o Regresión, y búsqueda de estructuras ocultas en datos o Clustering. Lógicamente, el desarrollo de nuevos métodos y algoritmos se concentró en un principio en los problemas más simples o típicos de encontrar, por ejemplo en problemas estacionarios en el tiempo, con una abundante cantidad de ejemplos de los cuales aprender y con sólo unas pocas clases bastante balanceadas entre sí. Sin embargo, los nuevos tipos de datos provenientes de la genómica, la proteómica, los equipos de monitoreo continuo de sistemas críticos, etc., han introducido nuevos desafíos en el Aprendizaje Automatizado. Este proyecto propone el desarrollo de nuevos métodos (o la extensión de los métodos actuales cuando sea apropiado) para poder modelar eficientemente esta nueva clase de datos, incluyendo problemas de regresión y clasificación no estacionarios y/o con gran nivel de ruido, problemas de clasificación y clustering con un número extremadamente alto de variables de entrada, o problemas de clasificación con un importante desbalance entre clases. En todas las líneas del proyecto se incluyen aplicaciones a problemas actuales de gran interés tecnológico, como la biotecnología y la agrotecnología
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Intelligent agents
machine learning
Applications
clasificación
regresión
clustering
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/19971

id SEDICI_c4e7f83a80f0cceebaf22e20bdea5bea
oai_identifier_str oai:sedici.unlp.edu.ar:10915/19971
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Extensión de métodos modernos de Aprendizaje Automatizado y aplicacionesAhumada, Hernán CésarBayá, Ariel E.Grinblat, Guillermo L.Izetta Riera, C. JavierCiencias InformáticasIntelligent agentsmachine learningApplicationsclasificaciónregresiónclusteringEl campo del Aprendizaje Automatizado (Machine Learning) es parte central de la nueva revolución tecnológica basada en el uso inteligente de la información. Por tradición, los principales problemas que se investigan en esta área son los de reconocimiento de patrones o Clasificación, aproximación de funciones de variable continua o Regresión, y búsqueda de estructuras ocultas en datos o Clustering. Lógicamente, el desarrollo de nuevos métodos y algoritmos se concentró en un principio en los problemas más simples o típicos de encontrar, por ejemplo en problemas estacionarios en el tiempo, con una abundante cantidad de ejemplos de los cuales aprender y con sólo unas pocas clases bastante balanceadas entre sí. Sin embargo, los nuevos tipos de datos provenientes de la genómica, la proteómica, los equipos de monitoreo continuo de sistemas críticos, etc., han introducido nuevos desafíos en el Aprendizaje Automatizado. Este proyecto propone el desarrollo de nuevos métodos (o la extensión de los métodos actuales cuando sea apropiado) para poder modelar eficientemente esta nueva clase de datos, incluyendo problemas de regresión y clasificación no estacionarios y/o con gran nivel de ruido, problemas de clasificación y clustering con un número extremadamente alto de variables de entrada, o problemas de clasificación con un importante desbalance entre clases. En todas las líneas del proyecto se incluyen aplicaciones a problemas actuales de gran interés tecnológico, como la biotecnología y la agrotecnologíaEje: Agentes y sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2011-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf90-93http://sedici.unlp.edu.ar/handle/10915/19971spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-673-892-1info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:05Zoai:sedici.unlp.edu.ar:10915/19971Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:06.027SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
title Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
spellingShingle Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
Ahumada, Hernán César
Ciencias Informáticas
Intelligent agents
machine learning
Applications
clasificación
regresión
clustering
title_short Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
title_full Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
title_fullStr Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
title_full_unstemmed Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
title_sort Extensión de métodos modernos de Aprendizaje Automatizado y aplicaciones
dc.creator.none.fl_str_mv Ahumada, Hernán César
Bayá, Ariel E.
Grinblat, Guillermo L.
Izetta Riera, C. Javier
author Ahumada, Hernán César
author_facet Ahumada, Hernán César
Bayá, Ariel E.
Grinblat, Guillermo L.
Izetta Riera, C. Javier
author_role author
author2 Bayá, Ariel E.
Grinblat, Guillermo L.
Izetta Riera, C. Javier
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Intelligent agents
machine learning
Applications
clasificación
regresión
clustering
topic Ciencias Informáticas
Intelligent agents
machine learning
Applications
clasificación
regresión
clustering
dc.description.none.fl_txt_mv El campo del Aprendizaje Automatizado (Machine Learning) es parte central de la nueva revolución tecnológica basada en el uso inteligente de la información. Por tradición, los principales problemas que se investigan en esta área son los de reconocimiento de patrones o Clasificación, aproximación de funciones de variable continua o Regresión, y búsqueda de estructuras ocultas en datos o Clustering. Lógicamente, el desarrollo de nuevos métodos y algoritmos se concentró en un principio en los problemas más simples o típicos de encontrar, por ejemplo en problemas estacionarios en el tiempo, con una abundante cantidad de ejemplos de los cuales aprender y con sólo unas pocas clases bastante balanceadas entre sí. Sin embargo, los nuevos tipos de datos provenientes de la genómica, la proteómica, los equipos de monitoreo continuo de sistemas críticos, etc., han introducido nuevos desafíos en el Aprendizaje Automatizado. Este proyecto propone el desarrollo de nuevos métodos (o la extensión de los métodos actuales cuando sea apropiado) para poder modelar eficientemente esta nueva clase de datos, incluyendo problemas de regresión y clasificación no estacionarios y/o con gran nivel de ruido, problemas de clasificación y clustering con un número extremadamente alto de variables de entrada, o problemas de clasificación con un importante desbalance entre clases. En todas las líneas del proyecto se incluyen aplicaciones a problemas actuales de gran interés tecnológico, como la biotecnología y la agrotecnología
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description El campo del Aprendizaje Automatizado (Machine Learning) es parte central de la nueva revolución tecnológica basada en el uso inteligente de la información. Por tradición, los principales problemas que se investigan en esta área son los de reconocimiento de patrones o Clasificación, aproximación de funciones de variable continua o Regresión, y búsqueda de estructuras ocultas en datos o Clustering. Lógicamente, el desarrollo de nuevos métodos y algoritmos se concentró en un principio en los problemas más simples o típicos de encontrar, por ejemplo en problemas estacionarios en el tiempo, con una abundante cantidad de ejemplos de los cuales aprender y con sólo unas pocas clases bastante balanceadas entre sí. Sin embargo, los nuevos tipos de datos provenientes de la genómica, la proteómica, los equipos de monitoreo continuo de sistemas críticos, etc., han introducido nuevos desafíos en el Aprendizaje Automatizado. Este proyecto propone el desarrollo de nuevos métodos (o la extensión de los métodos actuales cuando sea apropiado) para poder modelar eficientemente esta nueva clase de datos, incluyendo problemas de regresión y clasificación no estacionarios y/o con gran nivel de ruido, problemas de clasificación y clustering con un número extremadamente alto de variables de entrada, o problemas de clasificación con un importante desbalance entre clases. En todas las líneas del proyecto se incluyen aplicaciones a problemas actuales de gran interés tecnológico, como la biotecnología y la agrotecnología
publishDate 2011
dc.date.none.fl_str_mv 2011-05
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/10915/19971
url http://sedici.unlp.edu.ar/handle/10915/19971
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-673-892-1
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
90-93
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_ 1844615797727559680
score 13.070432