Browsing by Author "Rapesta, Natalia Daniela"

Filter results by typing the first few letters
Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    Análisis de sentimientos en Twitter : una implementación sobre Cloudera
    (2016-11-17) Retamar, María Soledad; Ramos, Lautaro Martín Miguel; Rapesta, Natalia Daniela; Nuñez, Juan Pablo; Cristaldo, Patricia Raquel; De Battista, Anabella Cecilia; Herrera, Norma Edith
    Debido al crecimiento exponencial de las fuentes de información disponibles, en la actualidad resulta necesario contar con técnicas y herramientas diferentes a las tradicionales para abordar el procesamiento y análisis de los datos. En este trabajo se presentan las principales herramientas ofrecidas por la distribución de Cloudera del ecosistema Hadoop y el Lenguaje R para implementar un caso de estudio de análisis de sentimiento de tweets sobre la opinión de usuarios de esta red social sobre el proyecto de Ley Antidespidos discutido recientemente en el Congreso de la Nación Argentina.
  • Thumbnail Image
    Item
    Laboratorio de ciencia de datos y CTS
    (2018-11-02) De Battista, Anabella Cecilia; Ramos, Lautaro Martín Miguel; Rapesta, Natalia Daniela; Retamar, María Soledad; Lepratte, Leandro
    Objetivos: A partir grandes bases de datos de resultados científicos y tecnológicos, explorar un enfoque de análisis sobre las modalidades de producción y difusión de conocimientos sobre temáticas controversiales. Generar un proceso de transición en la modalidad de producción de conocimientos desde el ámbito académico (Modos 1 y 2) a uno basado en un enfoque de Ciencia Ciudadana.
  • Thumbnail Image
    Item
    Minería de datos y visualización de información
    (2018-11-29) Schab, Esteban Alejandro; Rivera, Ramiro Adolfo; Bracco, Luciano Joaquín; Coto, Facundo; Cristaldo, Patricia Raquel; Ramos, Lautaro Martín Miguel; Rapesta, Natalia Daniela; Nuñez, Juan Pablo; Retamar, María Soledad; Casanova Pietroboni, Carlos Antonio; De Battista, Anabella Cecilia; Herrera, Norma Edith
    El procesamiento y análisis de las grandes cantidades de datos que se producen en la actualidad, posibilitan el hallazgo de patrones y tendencias ocultos en los mismos, que impacta directamente en la toma de decisiones en diversas áreas de estudios. Se generan datos a gran velocidad y en grandes cantidades que requieren ser procesados para poder actuar de manera rápida. Como es el caso de la observación de turnos que se generan en entidades bancarias, donde hay momentos del día en que se requiere modificar los esquemas de atención, según la afluencia de determinadas categorías de clientes o el incremento de demandas de determinados servicios. Existen numerosas técnicas de minería de datos aplicables a distintos casos de análisis de datos, que permiten obtener ventajas de esas grandes cantidades de datos almacenados. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos, en el que se investigan tanto temas de minería de datos, como de visualización de información, como herramienta para representar de manera eficiente los resultados obtenidos.
  • Thumbnail Image
    Item
    Tecnologías de procesamiento de datos masivos
    (Instituto Tecnológico de Buenos Aires., 2017) Rivera, Ramiro Adolfo; Bracco, Luciano Joaquín; Costa Martorel, Valentín; Coto, Facundo; Cristaldo, Patricia Raquel; Ramos, Lautaro Martín Miguel; Rapesta, Natalia Daniela; Nuñez, Juan Pablo; Retamar, María Soledad; De Battista, Anabella Cecilia; Herrera, Norma Edith
    Las grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad y la velocidad con que se generan, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y análisis. En este contexto surge el término Big Data, en referencia a características como gran volumen, velocidad y variedad de producción de los datos, y a las herramientas que se utilizan para encontrar valor en los mismos. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en áreas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.
  • Thumbnail Image
    Item
    Uso del lenguaje R en recuperación de información aplicado a análisis bibliométrico
    (2018-10-25) Ramos, Lautaro Emilio; Retamar, María Soledad; Rapesta, Natalia Daniela; De Battista, Anabella Cecilia; Lepratte, Leandro; Herrera, Norma Edith
    Los indicadores bibliométricos son instrumentos que permiten medir la producción científica y se utilizan para identificar, a partir del análisis de la literatura científica y tecnológica publicada, los outputs del sistema científico, en términos de performance y estructura del conocimiento. Para realizar análisis de dichos indicadores se emplean herramientas computacionales para la obtención, el tratamiento y el análisis de datos. Este trabajo presenta el uso de distintas librerías de R (R Project n.d.) y herramientas de visualización de información en el análisis de la producción de conocimiento, tomando como caso de estudio publicaciones científicas de Argentina y el resto de mundo que incluyen la palabra clave pesticidas.
  • Thumbnail Image
    Item
    Utilización de R para análisis bibliométrico
    (2018-09) De Battista, Anabella Cecilia; Rapesta, Natalia Daniela; Ramos, Lautaro Emilio; Lepratte, Leandro
    Los indicadores bibliométricos son instrumentos que permiten medir la producción científica, es decir, averiguar el impacto causado por un trabajo científico a partir del análisis de la literatura científica y tecnológica publicada. Este trabajo presenta el uso de distintas librerías de R en el análisis de la producción de conocimiento basado en publicaciones científicas de Argentina y el resto de mundo, utilizando como palabra clave de búsqueda “pesticidas”. Las publicaciones científicas analizadas se obtuvieron mediante la API de Scopus [1]. Los resultados permiten considerar diferentes indicadores de la producción de conocimiento conforme al Modo 1 [2, 3] tales como: cantidad de publicaciones que incluyen el término “pesticidas”, clasificación de publicaciones por autor, tipo de publicación, qué palabras aparecen con más frecuencia relacionadas con el término de búsqueda.