Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas

Autores
Hasperué, Waldo
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
libro
Estado
versión publicada
Descripción
El objetivo general de esta tesis es el desarrollo de una técnica adaptativa para la extracción de conocimiento en grandes bases de datos. En el análisis de enormes volúmenes de datos resulta de interés contar con técnicas que permitan, primero analizar la información y obtener conocimiento útil en forma de reglas de clasificación y luego adaptar el conocimiento adquirido ante los cambios que ocurran en los datos originales. El aporte de la tesis está centrado en la definición de una técnica adaptativa que permite extraer conocimiento de grandes bases de datos a partir de un modelo dinámico capaz de adaptarse a los cambios de la información, obteniendo así una técnica de minería de datos que sea capaz de generar conocimiento útil, produciendo resultados que sean de provecho al usuario final. Los resultados de esta investigación pueden aplicarse en áreas tales como análisis de suelos, análisis genético, biología, robótica, economía, medicina, detección de fallas en plantas y comunicación de sistemas móviles. (del texto de la contratapa)
Tesis doctoral de la Facultad de Informática (UNLP). Grado alcanzado: Doctor en Ciencias Informáticas. Directores de tesis: Armando De Giusti y Laura Lanzarini. La tesis, presentada en el año 2012, obtuvo el Premio "Dr. Raúl Gallard" en el 2013.
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Distributed databases
Data mining
Methodology and Techniques
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/35555
Acceder
id SEDICI_f8ae0f91827201d29dbdc5e2e1ea3715
oai_identifier_str oai:sedici.unlp.edu.ar:10915/35555
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativasHasperué, WaldoCiencias InformáticasDistributed databasesData miningMethodology and TechniquesEl objetivo general de esta tesis es el desarrollo de una técnica adaptativa para la extracción de conocimiento en grandes bases de datos. En el análisis de enormes volúmenes de datos resulta de interés contar con técnicas que permitan, primero analizar la información y obtener conocimiento útil en forma de reglas de clasificación y luego adaptar el conocimiento adquirido ante los cambios que ocurran en los datos originales. El aporte de la tesis está centrado en la definición de una técnica adaptativa que permite extraer conocimiento de grandes bases de datos a partir de un modelo dinámico capaz de adaptarse a los cambios de la información, obteniendo así una técnica de minería de datos que sea capaz de generar conocimiento útil, produciendo resultados que sean de provecho al usuario final. Los resultados de esta investigación pueden aplicarse en áreas tales como análisis de suelos, análisis genético, biología, robótica, economía, medicina, detección de fallas en plantas y comunicación de sistemas móviles. <i>(del texto de la contratapa)</i>Tesis doctoral de la Facultad de Informática (UNLP). Grado alcanzado: Doctor en Ciencias Informáticas. Directores de tesis: Armando De Giusti y Laura Lanzarini. La tesis, presentada en el año 2012, obtuvo el Premio "Dr. Raúl Gallard" en el 2013.Red de Universidades con Carreras en Informática (RedUNCI)Editorial de la Universidad Nacional de La Plata (EDULP)2014info:eu-repo/semantics/bookinfo:ar-repo/semantics/libroinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_2f33application/pdfhttp://sedici.unlp.edu.ar/handle/10915/35555https://doi.org/10.35537/10915/35555spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-1985-29-6info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:59:20Zoai:sedici.unlp.edu.ar:10915/35555Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:59:21.099SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
title Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
spellingShingle Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
Hasperué, Waldo
Ciencias Informáticas
Distributed databases
Data mining
Methodology and Techniques
title_short Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
title_full Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
title_fullStr Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
title_full_unstemmed Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
title_sort Extracción de conocimiento en grandes bases de datos utilizando estrategias adaptativas
dc.creator.none.fl_str_mv Hasperué, Waldo
author Hasperué, Waldo
author_facet Hasperué, Waldo
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Distributed databases
Data mining
Methodology and Techniques
topic Ciencias Informáticas
Distributed databases
Data mining
Methodology and Techniques
dc.description.none.fl_txt_mv El objetivo general de esta tesis es el desarrollo de una técnica adaptativa para la extracción de conocimiento en grandes bases de datos. En el análisis de enormes volúmenes de datos resulta de interés contar con técnicas que permitan, primero analizar la información y obtener conocimiento útil en forma de reglas de clasificación y luego adaptar el conocimiento adquirido ante los cambios que ocurran en los datos originales. El aporte de la tesis está centrado en la definición de una técnica adaptativa que permite extraer conocimiento de grandes bases de datos a partir de un modelo dinámico capaz de adaptarse a los cambios de la información, obteniendo así una técnica de minería de datos que sea capaz de generar conocimiento útil, produciendo resultados que sean de provecho al usuario final. Los resultados de esta investigación pueden aplicarse en áreas tales como análisis de suelos, análisis genético, biología, robótica, economía, medicina, detección de fallas en plantas y comunicación de sistemas móviles. <i>(del texto de la contratapa)</i>
Tesis doctoral de la Facultad de Informática (UNLP). Grado alcanzado: Doctor en Ciencias Informáticas. Directores de tesis: Armando De Giusti y Laura Lanzarini. La tesis, presentada en el año 2012, obtuvo el Premio "Dr. Raúl Gallard" en el 2013.
Red de Universidades con Carreras en Informática (RedUNCI)
description El objetivo general de esta tesis es el desarrollo de una técnica adaptativa para la extracción de conocimiento en grandes bases de datos. En el análisis de enormes volúmenes de datos resulta de interés contar con técnicas que permitan, primero analizar la información y obtener conocimiento útil en forma de reglas de clasificación y luego adaptar el conocimiento adquirido ante los cambios que ocurran en los datos originales. El aporte de la tesis está centrado en la definición de una técnica adaptativa que permite extraer conocimiento de grandes bases de datos a partir de un modelo dinámico capaz de adaptarse a los cambios de la información, obteniendo así una técnica de minería de datos que sea capaz de generar conocimiento útil, produciendo resultados que sean de provecho al usuario final. Los resultados de esta investigación pueden aplicarse en áreas tales como análisis de suelos, análisis genético, biología, robótica, economía, medicina, detección de fallas en plantas y comunicación de sistemas móviles. <i>(del texto de la contratapa)</i>
publishDate 2014
dc.date.none.fl_str_mv 2014
dc.type.none.fl_str_mv info:eu-repo/semantics/book
info:ar-repo/semantics/libro
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_2f33
format book
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/35555
https://doi.org/10.35537/10915/35555
url http://sedici.unlp.edu.ar/handle/10915/35555
https://doi.org/10.35537/10915/35555
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-1985-29-6
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Editorial de la Universidad Nacional de La Plata (EDULP)
publisher.none.fl_str_mv Editorial de la Universidad Nacional de La Plata (EDULP)
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_ 1844615857127292928
score 13.069144

Publicaciones similares