Data Quality Engineering /

Mostrar otras versiones (1)

Este proyecto se realizó en la empresa de consultoría de software Softtek para su cliente Techint Ingeniería & Construcción (TEIC) y consistió en el desarrollo y puesta en producción de un sistema que mida la calidad de sus datos almacenados Esta necesidad surge por parte del cliente, ya que nec...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Ifrán, Julián Agustín
Formato: Tesis Libro electrónico
Lenguaje:Español
Publicado: Florencio Varela : Universidad Nacional Arturo Jauretche, 2022
Materias:
Ingeniería en Informática
GOBERNANZA DE DATOS
BASES DE DATOS
CALIDAD DE DATOS
APRENDIZAJE AUTOMÁTICO
MLOPs
Acceso en línea:https://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/f5ea046ec6cee7efd2f0bf3354f7d4e63cfee32b
Aporte de:Registro referencial: Solicitar el recurso aquí
Biblioteca Central UNAJ de Universidad Nacional Arturo Jauretche
Descripción
Sumario:Este proyecto se realizó en la empresa de consultoría de software Softtek para su cliente Techint Ingeniería & Construcción (TEIC) y consistió en el desarrollo y puesta en producción de un sistema que mida la calidad de sus datos almacenados Esta necesidad surge por parte del cliente, ya que necesitaba de una plataforma propia que le permitiera analizar sus bases de datos, encontrar inconsistencia y llevar a cabo acciones correctivas. Para ello, el objetivo del proyecto fue utilizar factores, métricas, métodos y reglas que permitieran medir (de forma cuantificable) la calidad de los datos. También se aprovechó el aprendizaje automático con la intención de detectar anomalías en los datos y así generar alertas tempranas. Las tareas del proyecto abarcan: el desarrollo de una aplicación que permitiera la creación y ejecución de reglas de calidad, la búsqueda de anomalías y la generación de alertas tempranas. Para esta tarea se utilizó un ecosistema principal de aplicaciones compuesto por C#, SQL Server, React y DevOps. Con este proyecto no solo se logró mejorar la calidad de los datos. Sino que también permitió acercar el cliente al desarrollo de métodos propios de medición, la utilización de inteligencia artificial, la detección temprana de anomalías. Para que en el futuro se pueda continuar en la implementación de un modelo de MLOPs y en nuevas acciones correctivas.
Descripción Física:82 p. digital
Acceso:Acceso abierto

Ejemplares similares