Facultad Regional Concep. del Uruguay

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/17

Browse

Subject: search.filters.subject.Clustering

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Exploración a posteriori basada en clustering del frente pareto- óptimo aplicado al problema del próximo lanzamiento
    (2019-11-15) Rottoli, Giovanni Daián; Casanova Pietroboni, Carlos Antonio; Schab, Esteban Alejandro; De Battista, Anabella Cecilia
    La ingeniería de software basada en búsqueda propone la formulación de problemas de la ingeniería de software como problemas de optimización, generalmente con múltiples objetivos. Para estos problemas existen múltiples soluciones que deben ser analizadas por los tomadores de decisiones para seleccionar aquella que más se adecúe a sus necesidades, pudiendo este no tener preferencias previas sobre la mejor solución a ser seleccionada. Para ello, este artículo propone un acercamiento basado en agrupamiento que permite la exploración a posteriori del espacio de soluciones, describiendo las mismas no solo utilizando el valor de sus objetivos, sino también la configuración de los elementos que conforman las mismas. Se presenta una prueba de concepto del método propuesto utilizando el frente Pareto Óptimo solución de una instancia del Problema del Próximo Lanzamiento.
  • 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
    Minería de datos aplicada a datos masivos
    (2016-04-14) De Battista, Anabella Cecilia; Cristaldo, Patricia Raquel; Ramos, Lautaro Martín Miguel; Nuñez, Juan Pablo; Retamar, María Soledad; Bouzenard, Daniel; Herrera, Norma Edith
    Las grandes cantidades de datos que se producen en la actualidad, sumadas a su heterogeneidad, hacen que las herramientas tradicionales de análisis de datos no resulten adecuadas para su recopilación, almacenamiento, gestión y an'slisis. En este contexto se comienza a hablar del término Big Data, haciendo 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 las mismas. La posibilidad de hallar patrones y tendencias en estas grandes cantidades de datos impacta directamente en la toma de decisiones en areas tan diversas como salud, genética, agro, predicciones climáticas, redes sociales, marketing, finanzas, educación, entre otras. Otro aspecto de interés en este tipo de análisis, es la aplicación de metodologías de gestión de proyectos de enfoque ágil en los proyectos de minería de datos, en este caso, se aplicarán metodologías específicas con el objetivo de comparar características y restricciones de cada una. En este artículo se presentan los tópicos de interés del proyecto Minería de Datos: su aplicación a repositorios de datos masivos.