Propuesta didáctica inherente al área de ciencia de datos
- Autores
- Klenzi, Raúl O.; Malberti, Alejandra; Beguerí, Graciela
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- En el presente trabajo se expone una propuesta de cómo introducir contenidos inherentes al área de Ciencia de Datos en el marco de las carreras Licenciatura en Ciencias de la Computación y Licenciatura en Sistemas de Información pertenecientes al Departamento de Informática –DI– de la Facultad de Ciencias Exactas Físicas y Naturales de la Universidad Nacional de San Juan –FCEFN–UNSJ–. Se plantea como una experiencia didáctica y surge de la revisión curricular de las carreras de grado. KNIME Analytics es el software de aprendizaje de máquina que utiliza tanto el grupo de investigación como la asignatura Inteligencia Artificial –IA–, marco en la que se realiza la experiencia. La asignatura IA pertenece a ambas carreras. En este caso se expone cómo evaluar distintos tipos de datos, relevados u obtenidos por los alumnos, para la finalidad planteada.
Eje: Innovación en Educación en Informática.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
ciencia de datos
ingeniería de datos
KNIME analytics
software libre
visualización
educación superior - 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:10915/77174
Ver los metadatos del registro completo
id |
SEDICI_ddb63dc13d76dc3ce454eabc777993a1 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/77174 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Propuesta didáctica inherente al área de ciencia de datosKlenzi, Raúl O.Malberti, AlejandraBeguerí, GracielaCiencias Informáticasciencia de datosingeniería de datosKNIME analyticssoftware librevisualizacióneducación superiorEn el presente trabajo se expone una propuesta de cómo introducir contenidos inherentes al área de Ciencia de Datos en el marco de las carreras Licenciatura en Ciencias de la Computación y Licenciatura en Sistemas de Información pertenecientes al Departamento de Informática –DI– de la Facultad de Ciencias Exactas Físicas y Naturales de la Universidad Nacional de San Juan –FCEFN–UNSJ–. Se plantea como una experiencia didáctica y surge de la revisión curricular de las carreras de grado. KNIME Analytics es el software de aprendizaje de máquina que utiliza tanto el grupo de investigación como la asignatura Inteligencia Artificial –IA–, marco en la que se realiza la experiencia. La asignatura IA pertenece a ambas carreras. En este caso se expone cómo evaluar distintos tipos de datos, relevados u obtenidos por los alumnos, para la finalidad planteada.Eje: Innovación en Educación en Informática.Red de Universidades con Carreras en Informática2019-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/77174spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3info:eu-repo/semantics/reference/hdl/10915/76941info: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:UNLP2025-09-29T11:13:44Zoai:sedici.unlp.edu.ar:10915/77174Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:13:44.512SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Propuesta didáctica inherente al área de ciencia de datos |
title |
Propuesta didáctica inherente al área de ciencia de datos |
spellingShingle |
Propuesta didáctica inherente al área de ciencia de datos Klenzi, Raúl O. Ciencias Informáticas ciencia de datos ingeniería de datos KNIME analytics software libre visualización educación superior |
title_short |
Propuesta didáctica inherente al área de ciencia de datos |
title_full |
Propuesta didáctica inherente al área de ciencia de datos |
title_fullStr |
Propuesta didáctica inherente al área de ciencia de datos |
title_full_unstemmed |
Propuesta didáctica inherente al área de ciencia de datos |
title_sort |
Propuesta didáctica inherente al área de ciencia de datos |
dc.creator.none.fl_str_mv |
Klenzi, Raúl O. Malberti, Alejandra Beguerí, Graciela |
author |
Klenzi, Raúl O. |
author_facet |
Klenzi, Raúl O. Malberti, Alejandra Beguerí, Graciela |
author_role |
author |
author2 |
Malberti, Alejandra Beguerí, Graciela |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas ciencia de datos ingeniería de datos KNIME analytics software libre visualización educación superior |
topic |
Ciencias Informáticas ciencia de datos ingeniería de datos KNIME analytics software libre visualización educación superior |
dc.description.none.fl_txt_mv |
En el presente trabajo se expone una propuesta de cómo introducir contenidos inherentes al área de Ciencia de Datos en el marco de las carreras Licenciatura en Ciencias de la Computación y Licenciatura en Sistemas de Información pertenecientes al Departamento de Informática –DI– de la Facultad de Ciencias Exactas Físicas y Naturales de la Universidad Nacional de San Juan –FCEFN–UNSJ–. Se plantea como una experiencia didáctica y surge de la revisión curricular de las carreras de grado. KNIME Analytics es el software de aprendizaje de máquina que utiliza tanto el grupo de investigación como la asignatura Inteligencia Artificial –IA–, marco en la que se realiza la experiencia. La asignatura IA pertenece a ambas carreras. En este caso se expone cómo evaluar distintos tipos de datos, relevados u obtenidos por los alumnos, para la finalidad planteada. Eje: Innovación en Educación en Informática. Red de Universidades con Carreras en Informática |
description |
En el presente trabajo se expone una propuesta de cómo introducir contenidos inherentes al área de Ciencia de Datos en el marco de las carreras Licenciatura en Ciencias de la Computación y Licenciatura en Sistemas de Información pertenecientes al Departamento de Informática –DI– de la Facultad de Ciencias Exactas Físicas y Naturales de la Universidad Nacional de San Juan –FCEFN–UNSJ–. Se plantea como una experiencia didáctica y surge de la revisión curricular de las carreras de grado. KNIME Analytics es el software de aprendizaje de máquina que utiliza tanto el grupo de investigación como la asignatura Inteligencia Artificial –IA–, marco en la que se realiza la experiencia. La asignatura IA pertenece a ambas carreras. En este caso se expone cómo evaluar distintos tipos de datos, relevados u obtenidos por los alumnos, para la finalidad planteada. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-04 |
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/10915/77174 |
url |
http://sedici.unlp.edu.ar/handle/10915/77174 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3984-85-3 info:eu-repo/semantics/reference/hdl/10915/76941 |
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 |
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_ |
1844616008228143104 |
score |
13.070432 |