Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning
La política de los datos abiertos busca promover la innovación y transformar la actividad gubernamental para brindar mejores servicios y generar mayores niveles de transparencia en la sociedad. Por lo que, mantener la calidad en las fuentes de datos disponibilizadas es fundamental para su tratamient...
Guardado en:
Autores principales: | , , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/143365 |
Aporte de: |
id |
I19-R120-10915-143365 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Datos abiertos Gobierno abierto Métricas de calidad de datos Machine learning Predicciones a partir de patrones |
spellingShingle |
Ciencias Informáticas Datos abiertos Gobierno abierto Métricas de calidad de datos Machine learning Predicciones a partir de patrones Martínez, Roxana Parkinson, Christian Caruso, Martín López, Diego Vargas, Rocío Rojas, Nayiby Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
topic_facet |
Ciencias Informáticas Datos abiertos Gobierno abierto Métricas de calidad de datos Machine learning Predicciones a partir de patrones |
description |
La política de los datos abiertos busca promover la innovación y transformar la actividad gubernamental para brindar mejores servicios y generar mayores niveles de transparencia en la sociedad. Por lo que, mantener la calidad en las fuentes de datos disponibilizadas es fundamental para su tratamiento y obtener así, un conocimiento de éstas. Actualmente, son pocos los trabajos realizados en aspectos de validaciones, análisis de contenidos internos de estos datasets, herramientas de datos, identificación de patrones en su estructura y demás. En base a esto, esta línea de investigación se enfoca en el análisis, diseño y desarrollo de herramientas de software que utilicen técnicas y propuestas para la validación de la calidad de los datos públicos abiertos en el contexto de Gobierno Abierto. Además de detectar el “estado de salud” de estos datos (grado de integridad, redundancia y otros), se trabaja en el estudio de patrones con el fin de incorporar modelos de predicción para aportar un valor agregado a la información otorgada por los gobiernos desde aspectos de Machine Learning, lo que ofrecerá un mejor análisis para la toma de decisiones gubernamentales. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Martínez, Roxana Parkinson, Christian Caruso, Martín López, Diego Vargas, Rocío Rojas, Nayiby |
author_facet |
Martínez, Roxana Parkinson, Christian Caruso, Martín López, Diego Vargas, Rocío Rojas, Nayiby |
author_sort |
Martínez, Roxana |
title |
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
title_short |
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
title_full |
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
title_fullStr |
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
title_full_unstemmed |
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning |
title_sort |
propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con machine learning |
publishDate |
2022 |
url |
http://sedici.unlp.edu.ar/handle/10915/143365 |
work_keys_str_mv |
AT martinezroxana propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning AT parkinsonchristian propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning AT carusomartin propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning AT lopezdiego propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning AT vargasrocio propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning AT rojasnayiby propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearning |
bdutipo_str |
Repositorios |
_version_ |
1764820459861311490 |