Minería de datos y big data: aplicaciones en riesgo crediticio, salud y análisis de mercado
| cic.isFulltext | true | es |
| cic.isPeerReviewed | true | es |
| cic.lugarDesarrollo | Instituto de Investigación en Informática | es |
| cic.version | info:eu-repo/semantics/publishedVersion | es |
| dc.date.accessioned | 2018-06-14T17:40:37Z | |
| dc.date.available | 2018-06-14T17:40:37Z | |
| dc.identifier.uri | https://digital.cic.gba.gob.ar/handle/11746/8248 | |
| dc.title | Minería de datos y big data: aplicaciones en riesgo crediticio, salud y análisis de mercado | es |
| dc.type | Documento de conferencia | es |
| dcterms.abstract | 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 textos y reconocimiento de patrones en imágenes. 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 al área de Big Data se están realizando diversos aportes usando el framework Spark Streaming. En esta dirección, se está investigando en una técnica de clustering dinámico que se ejecuta de manera distribuida. Además se ha implementado en Spark Streaming una aplicación que calcula el índice de Hurtz de manera online, actualizándolo cada pocos segundos con el objetivo de estudiar un cierto mercado de negocios. En el área de la Minería de Textos se han desarrollado estrategias para resumir documentos a través de la extracción utilizando métricas de selección y técnicas de optimización de los párrafos más representativos. Además se han desarrollado métodos capaces de determinar la subjetividad de oraciones escritas en español. | es |
| dcterms.creator.author | Lanzarini, Laura Cristina | es |
| dcterms.creator.author | Hasperué, Waldo | es |
| dcterms.creator.author | Villa Monte, Augusto | es |
| dcterms.creator.author | Basgall, María José | es |
| dcterms.creator.author | Molina, R. | es |
| dcterms.creator.author | Rojas Flores, L. | es |
| dcterms.creator.author | Corvi, J. | es |
| dcterms.creator.author | Jimbo Santana, Patricia | es |
| dcterms.creator.author | Fernández Bariviera, Aurelio | es |
| dcterms.creator.author | Puente, C. | es |
| dcterms.creator.author | Olivas, J. a. | es |
| dcterms.description | Eje temático: Bases de Datos y Minería de Datos. | es |
| dcterms.extent | p. 350-354 | es |
| dcterms.isPartOf.issue | XX WICC 2018 (26 y 27 de abril de 2018, UNNE) | es |
| dcterms.isPartOf.series | Workshop de Investigadores en Ciencias de la Computación | es |
| dcterms.issued | 2018-04 | |
| dcterms.language | Español | es |
| dcterms.license | Attribution-NonCommercial-ShareAlike 4.0 International (BY-NC-SA 4.0) | es |
| dcterms.subject | resúmenes extractivos | es |
| dcterms.subject | sentencias causales temporales | es |
| dcterms.subject | Data mining | en |
| dcterms.subject | Neural nets | en |
| dcterms.subject.materia | Ciencias de la Computación | es |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- Minería de datos y Big Data.pdf
- Tamaño:
- 218.26 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Documento completo