Implementación de Data Stream Mining

Mostrar todas las versiones(2)

Desde hace décadas las organizaciones utilizan información histórica propia para construir data warehouses y, mediante la aplicación de técnicas de descubrimiento de conocimiento, descubrir patrones que guíen la toma de decisiones. Actualmente, es una oportunidad para las organizaciones tomar decisi...

Descripción completa

Detalles Bibliográficos
Autores principales: Schab, Esteban, Rivera, Ramiro, Bracco, Luciana, Coto, Facundo, Ríos, Juan Manuel, Casanova, Carlos, Cristaldo, Patricia, De Battista, Anabella, Herrera, Norma Edith
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2018
Materias:
Ciencias Informáticas
extracción del conocimiento
estructuras de datos continuas
tiempo real
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/71436
http://47jaiio.sadio.org.ar/sites/default/files/JUI-06.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-71436
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
extracción del conocimiento
estructuras de datos continuas
tiempo real
spellingShingle Ciencias Informáticas
extracción del conocimiento
estructuras de datos continuas
tiempo real
Schab, Esteban
Rivera, Ramiro
Bracco, Luciana
Coto, Facundo
Ríos, Juan Manuel
Casanova, Carlos
Cristaldo, Patricia
De Battista, Anabella
Herrera, Norma Edith
Implementación de Data Stream Mining
topic_facet Ciencias Informáticas
extracción del conocimiento
estructuras de datos continuas
tiempo real
description Desde hace décadas las organizaciones utilizan información histórica propia para construir data warehouses y, mediante la aplicación de técnicas de descubrimiento de conocimiento, descubrir patrones que guíen la toma de decisiones. Actualmente, es una oportunidad para las organizaciones tomar decisiones en tiempo real basadas en información que puede provenir de múltiples fuentes, con diversos formatos y que se genera a gran velocidad. Como respuesta a esta necesidad surge Data Stream Mining (DSM), un subárea específica de la Minería de Datos definida como el proceso de extraer conocimiento en estructuras de datos continuas y con rápidas transiciones. Dicho análisis aporta a las organizaciones visibilidad del negocio y de sus clientes en tiempo real y les permite responder ágilmente ante los cambios. En este trabajo se presenta la vinculación del GIBD de la UTN-FRCU con la empresa Sidesys IT Solutions con el objetivo de implementar Data Stream Mining en la empresa.
format Objeto de conferencia
Objeto de conferencia
author Schab, Esteban
Rivera, Ramiro
Bracco, Luciana
Coto, Facundo
Ríos, Juan Manuel
Casanova, Carlos
Cristaldo, Patricia
De Battista, Anabella
Herrera, Norma Edith
author_facet Schab, Esteban
Rivera, Ramiro
Bracco, Luciana
Coto, Facundo
Ríos, Juan Manuel
Casanova, Carlos
Cristaldo, Patricia
De Battista, Anabella
Herrera, Norma Edith
author_sort Schab, Esteban
title Implementación de Data Stream Mining
title_short Implementación de Data Stream Mining
title_full Implementación de Data Stream Mining
title_fullStr Implementación de Data Stream Mining
title_full_unstemmed Implementación de Data Stream Mining
title_sort implementación de data stream mining
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/71436
http://47jaiio.sadio.org.ar/sites/default/files/JUI-06.pdf
work_keys_str_mv AT schabesteban implementaciondedatastreammining
AT riveraramiro implementaciondedatastreammining
AT braccoluciana implementaciondedatastreammining
AT cotofacundo implementaciondedatastreammining
AT riosjuanmanuel implementaciondedatastreammining
AT casanovacarlos implementaciondedatastreammining
AT cristaldopatricia implementaciondedatastreammining
AT debattistaanabella implementaciondedatastreammining
AT herreranormaedith implementaciondedatastreammining
bdutipo_str Repositorios
_version_ 1764820482657353728

Ejemplares similares