Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte

Dentro de los varios focos del paradigma de Gobierno Abierto, existen los conjuntos de datos abiertos públicos disponibilizados en los sitios web gubernamentales, éstos permiten no sólo una mejor transparencia en las actividades públicas que se realizan, sino que, además, pueden ser reutilizados a t...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Martínez, Roxana, Vilaboa, Pablo, Simón, Agustín, Iannini, Juan, Clavijo, Eugenio, German Colato, Nelson Catala, Carlos Bateca, Serenela Lopumo, Hernán Zabala, Gonzalo Parada, Ayelén Chaglasian Sgang, Rocío Vargas, Sebastián Tsiro
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Datos abiertos
Gobierno abierto
Métricas de calidad de datos
Predicciones a partir de patrones
Machine learning
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/163316
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-163316
record_format dspace
spelling I19-R120-10915-1633162024-03-15T20:04:04Z http://sedici.unlp.edu.ar/handle/10915/163316 Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte Martínez, Roxana Vilaboa, Pablo Simón, Agustín Iannini, Juan Clavijo, Eugenio German Colato Nelson Catala Carlos Bateca Serenela Lopumo Hernán Zabala Gonzalo Parada Ayelén Chaglasian Sgang Rocío Vargas Sebastián Tsiro 2023-04 2023 2024-03-01T12:56:23Z es Ciencias Informáticas Datos abiertos Gobierno abierto Métricas de calidad de datos Predicciones a partir de patrones Machine learning Dentro de los varios focos del paradigma de Gobierno Abierto, existen los conjuntos de datos abiertos públicos disponibilizados en los sitios web gubernamentales, éstos permiten no sólo una mejor transparencia en las actividades públicas que se realizan, sino que, además, pueden ser reutilizados a través de estudios para brindar mejores servicios y obtener beneficios para la sociedad. Mantener estos datos con calidad, permite que se lleven a cabo, análisis de escenarios para predecir y evitar posibles falencias o errores en la toma de decisiones políticas que tenga un alto impacto en los ciudadanos. Actualmente, no existen demasiados trabajos de investigación que se centren en el contenido de los datasets, en aspectos de: análisis de contenido interno, validación, herramientas de verificación, cotejo en las estructuras de datos, guías de buenas prácticas, o bien reconocimiento de patrones estructurales, entre otros temas. Es por esto, por lo que, este trabajo de investigación se centra en dichos puntos mencionados para validar la calidad de los datos públicos abiertos y que éstos puedan ser utilizados con un fin positivo en la comunidad. Este trabajo, no solo trabaja en prototipos de software en validaciones de datos específicos, sino que, además, permite estudiar modelos predictivos, que a través del aprendizaje automático pueden brindar un mejor análisis para la toma de decisiones. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
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
Predicciones a partir de patrones
Machine learning
spellingShingle Ciencias Informáticas
Datos abiertos
Gobierno abierto
Métricas de calidad de datos
Predicciones a partir de patrones
Machine learning
Martínez, Roxana
Vilaboa, Pablo
Simón, Agustín
Iannini, Juan
Clavijo, Eugenio
German Colato
Nelson Catala
Carlos Bateca
Serenela Lopumo
Hernán Zabala
Gonzalo Parada
Ayelén Chaglasian Sgang
Rocío Vargas
Sebastián Tsiro
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte
topic_facet Ciencias Informáticas
Datos abiertos
Gobierno abierto
Métricas de calidad de datos
Predicciones a partir de patrones
Machine learning
description Dentro de los varios focos del paradigma de Gobierno Abierto, existen los conjuntos de datos abiertos públicos disponibilizados en los sitios web gubernamentales, éstos permiten no sólo una mejor transparencia en las actividades públicas que se realizan, sino que, además, pueden ser reutilizados a través de estudios para brindar mejores servicios y obtener beneficios para la sociedad. Mantener estos datos con calidad, permite que se lleven a cabo, análisis de escenarios para predecir y evitar posibles falencias o errores en la toma de decisiones políticas que tenga un alto impacto en los ciudadanos. Actualmente, no existen demasiados trabajos de investigación que se centren en el contenido de los datasets, en aspectos de: análisis de contenido interno, validación, herramientas de verificación, cotejo en las estructuras de datos, guías de buenas prácticas, o bien reconocimiento de patrones estructurales, entre otros temas. Es por esto, por lo que, este trabajo de investigación se centra en dichos puntos mencionados para validar la calidad de los datos públicos abiertos y que éstos puedan ser utilizados con un fin positivo en la comunidad. Este trabajo, no solo trabaja en prototipos de software en validaciones de datos específicos, sino que, además, permite estudiar modelos predictivos, que a través del aprendizaje automático pueden brindar un mejor análisis para la toma de decisiones.
format Objeto de conferencia
Objeto de conferencia
author Martínez, Roxana
Vilaboa, Pablo
Simón, Agustín
Iannini, Juan
Clavijo, Eugenio
German Colato
Nelson Catala
Carlos Bateca
Serenela Lopumo
Hernán Zabala
Gonzalo Parada
Ayelén Chaglasian Sgang
Rocío Vargas
Sebastián Tsiro
author_facet Martínez, Roxana
Vilaboa, Pablo
Simón, Agustín
Iannini, Juan
Clavijo, Eugenio
German Colato
Nelson Catala
Carlos Bateca
Serenela Lopumo
Hernán Zabala
Gonzalo Parada
Ayelén Chaglasian Sgang
Rocío Vargas
Sebastián Tsiro
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: segunda parte
title_short Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte
title_full Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte
title_fullStr Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte
title_full_unstemmed Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: segunda parte
title_sort propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con machine learning: segunda parte
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/163316
work_keys_str_mv AT martinezroxana propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT vilaboapablo propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT simonagustin propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT ianninijuan propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT clavijoeugenio propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT germancolato propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT nelsoncatala propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT carlosbateca propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT serenelalopumo propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT hernanzabala propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT gonzaloparada propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT ayelenchaglasiansgang propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT rociovargas propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
AT sebastiantsiro propuestadetecnicasdevalidacionparalacalidaddedatosabiertoseidentificaciondepatronesparaprediccionesconmachinelearningsegundaparte
_version_ 1807222559204179968

Ejemplares similares