Data Quality Engineering

Mostrar todas las versiones(2)

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: info:eu-repo/semantics/other info:ar-repo/semantics/otro No informada
Lenguaje:Español
Publicado: Universidad Nacional Arturo Jauretche 2022
Materias:
GOBERNANZA DE DATOS
BASES DE DATOS
CALIDAD DE DATOS
APRENDIZAJE AUTOMÁTICO
MLOPs
Acceso en línea:https://rid.unaj.edu.ar/handle/123456789/2302
Aporte de:
Repositorio Institucional de Acceso Abierto (RID UNAJ) de Universidad Nacional Arturo Jauretche
id I76-R191-123456789-2302
record_format dspace
spelling I76-R191-123456789-23022024-06-26T19:01:34Z Data Quality Engineering Ifrán, Julián Agustín GOBERNANZA DE DATOS BASES DE DATOS CALIDAD DE DATOS APRENDIZAJE AUTOMÁTICO MLOPs 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. 2022 info:eu-repo/semantics/other info:ar-repo/semantics/otro No informada https://rid.unaj.edu.ar/handle/123456789/2302 spa info:eu-repo/semantics/altIdentifier/url/biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/f5ea046ec6cee7efd2f0bf3354f7d4e63cfee32b info:eu-repo/semantics/openAccess info:ar-repo/semantics/Acceso abierto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidad Nacional Arturo Jauretche
institution Universidad Nacional Arturo Jauretche
institution_str I-76
repository_str R-191
collection Repositorio Institucional de Acceso Abierto (RID UNAJ)
language Español
orig_language_str_mv spa
topic GOBERNANZA DE DATOS
BASES DE DATOS
CALIDAD DE DATOS
APRENDIZAJE AUTOMÁTICO
MLOPs
spellingShingle GOBERNANZA DE DATOS
BASES DE DATOS
CALIDAD DE DATOS
APRENDIZAJE AUTOMÁTICO
MLOPs
Ifrán, Julián Agustín
Data Quality Engineering
topic_facet GOBERNANZA DE DATOS
BASES DE DATOS
CALIDAD DE DATOS
APRENDIZAJE AUTOMÁTICO
MLOPs
description 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.
format info:eu-repo/semantics/other
info:ar-repo/semantics/otro
No informada
author Ifrán, Julián Agustín
author_facet Ifrán, Julián Agustín
author_sort Ifrán, Julián Agustín
title Data Quality Engineering
title_short Data Quality Engineering
title_full Data Quality Engineering
title_fullStr Data Quality Engineering
title_full_unstemmed Data Quality Engineering
title_sort data quality engineering
publisher Universidad Nacional Arturo Jauretche
publishDate 2022
url https://rid.unaj.edu.ar/handle/123456789/2302
work_keys_str_mv AT ifranjulianagustin dataqualityengineering
_version_ 1830774074340540416

Ejemplares similares