Business analytics

El ingeniero Industrial debe tener la capacidad de extraer conocimiento a partir de diferentes medios de almacenamiento de datos, lo cual permite visualizar la importancia del la minería de datos para extraer patrones e información de las grandes cantidades de datos que se están generando en los pro...

Full description

Autores:
Corporación Universidad de la Costa
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
spa
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/6770
Acceso en línea:
https://hdl.handle.net/11323/6770
https://repositorio.cuc.edu.co/
Palabra clave:
Ingeniero Industrial
Medios de almacenamiento de datos
Minería de datos
Plataformas web
Rights
openAccess
License
CC0 1.0 Universal
id RCUC2_c98df025b2862aae8ec30cea4da078b3
oai_identifier_str oai:repositorio.cuc.edu.co:11323/6770
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Business analytics
title Business analytics
spellingShingle Business analytics
Ingeniero Industrial
Medios de almacenamiento de datos
Minería de datos
Plataformas web
title_short Business analytics
title_full Business analytics
title_fullStr Business analytics
title_full_unstemmed Business analytics
title_sort Business analytics
dc.creator.fl_str_mv Corporación Universidad de la Costa
dc.contributor.author.spa.fl_str_mv Corporación Universidad de la Costa
dc.subject.spa.fl_str_mv Ingeniero Industrial
Medios de almacenamiento de datos
Minería de datos
Plataformas web
topic Ingeniero Industrial
Medios de almacenamiento de datos
Minería de datos
Plataformas web
description El ingeniero Industrial debe tener la capacidad de extraer conocimiento a partir de diferentes medios de almacenamiento de datos, lo cual permite visualizar la importancia del la minería de datos para extraer patrones e información de las grandes cantidades de datos que se están generando en los procesos, productivos, de gestión de clientes e interacción con plataformas web, entre otros. Las técnicas de minería de datos supervisadas y no supervisadas le permitirán a los estudiantes tratar distintos conjuntos de datos acerca de temáticas especificas lo que conduce a la adquisición de nuevo conocimiento que servirá para la toma de decisiones asertiva en los diferentes medios, como lanzar una campaña comercial, o tomar acciones en relación con el mantenimiento de equipos, entre otros.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-07-21T19:49:28Z
dc.date.available.none.fl_str_mv 2020-07-21T19:49:28Z
dc.date.issued.none.fl_str_mv 2020
dc.type.spa.fl_str_mv Otros
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/other
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ARTOTR
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
status_str acceptedVersion
dc.identifier.uri.spa.fl_str_mv https://hdl.handle.net/11323/6770
dc.identifier.instname.spa.fl_str_mv Corporación Universidad de la Costa
dc.identifier.reponame.spa.fl_str_mv REDICUC - Repositorio CUC
dc.identifier.repourl.spa.fl_str_mv https://repositorio.cuc.edu.co/
url https://hdl.handle.net/11323/6770
https://repositorio.cuc.edu.co/
identifier_str_mv Corporación Universidad de la Costa
REDICUC - Repositorio CUC
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartofseries.spa.fl_str_mv Contenidos académicos por cátedra
dc.relation.references.spa.fl_str_mv http://elvex.ugr.es/decsai/intelligent/slides/dm/D1%20Data%20Mining.pdf
http://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf
http://www.sciencedirect.com/science/article/pii/S0097849307000544
A. de la Hoz, U. Martínez, F. Mendoza, Técnicas de ML en Medicina Cardiovascular, 2013.
F. Mendoza, E. De la Hoz, A. De la Hoz, Application of Feast (feature selection Toolbox) in
IDS (Intrusion Detection Systems), Journal of Theoretical and Applied Information Technology, 2014.
Human Activity Recognition using Machine Learning Techniques, Harjot Singh Parmar,
The Use of Machine Learning in Industrial Quality Control, Erik GranstedtMöller
Machine Learning for Predictive Maintenance: A Multiple Classifier Approach, Gian Antonio Susto, Andrea Schirru, Simone Pampuri, Sean McLoone
Guevara Maldonado, C. (2015). Detección de Fugas de Información Aplicando Estructura de Dinámica de Datos y Técnicas de Clasificación. INGE CUC, 11(1), 79-84. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/382
Gómez Montoya, R., Sánchez Alzate, J., & Palacio Muñoz, J. (2011). Análisis de la operación despacho en un centro de distribución basado en gestión de procesos y simulación. INGE CUC, 7(1), 75-86. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/278
Combita Niño, H. A., Cómbita Niño, J. P., & Morales Ortega, R. (2020). Business intelligence governance framework in a university: Universidad de la costa case study. International Journal of Information Management, 50, 405–412. https://doi.org/10.1016/j.ijinfomgt.2018.11.012
Silva, J., Varela, N., Ovallos-Gazabon, D., Palma, H. H., Cazallo-Antunez, A., Bilbao, O. R., … Pineda Lezama, O. B. (2020). Data Mining and Social Network Analysis on Twitter. (B. V., C. J., & T. J.M.R.S., Eds.), Lecture Notes in Electrical Engineering. Universidad Peruana de Ciencias Aplicadas, Lima, Peru: Springer. https://doi.org/10.1007/978-981-15-2612-1_39
Viloria, A., Hernandez-P, H., Lezama, O. B. P., & Orozco, V. D. (2020). Electric consumption pattern from big data. Lecture Notes in Electrical Engineering. Universidad de la Costa, St. 58 #66, Barranquilla, Atlántico, Colombia: Springer. https://doi.org/10.1007/978-981-15-3125-5_47
Silva, J., Borré, J. R., Piñeres Castillo, A. P., Castro, L., & Varela, N. (2019). Integration of data mining classification techniques and ensemble learning for predicting the export potential of a company. In Procedia Computer Science (Vol. 151, pp. 1194–1200). https://doi.org/10.1016/j.procs.2019.04.171
Viloria, A., López, J. R., Payares, K., Vargas-Mercado, C., Duran, S. E., Hernández-Palma, H., & David, M. A. (2019). Determinating student interactions in a virtual learning environment using data mining. In Procedia Computer Science (Vol. 155, pp. 587–592). https://doi.org/10.1016/j.procs.2019.08.082
Ospina-Mateus, H., Quintana Jiménez, L. A., López-Valdés, F. J., Morales-Londoño, N., & Salas-Navarro, K. (2019). Using Data-Mining Techniques for the Prediction of the Severity of Road Crashes in Cartagena, Colombia. Communications in Computer and Information Science (Vol. 1052). https://doi.org/10.1007/978-3-030-31019-6_27
Viloria, A., Acuña, G. C., Franco, D. J. A., Hernández-Palma, H., Fuentes, J. P., & Rambal, E. P. (2019). Integration of data mining techniques to postgresQL database manager system. In Procedia Computer Science (Vol. 155, pp. 575–580). https://doi.org/10.1016/j.procs.2019.08.080
Quitian, O. I. T., Lis-Gutiérrez, J. P., & Viloria, A. (2020). Supervised and unsupervised learning applied to Crowdfunding. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_11
Viloria, A., Li, J., Sandoval, J. M., & Villa, J. V. (2020). Database Knowledge Discovery in Marketing Companies. Smart Innovation, Systems and Technologies (Vol. 164). https://doi.org/10.1007/978-981-32-9889-7_6
Silva, J., Gaitán, M., Varela, N., Pérez, D. M., & Lezama, O. B. P. (2020). Applying a business intelligence system in a big data context: Production companies. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_31
Viloria, A., García Guliany, J., Niebles Núẽz, W., Hernández Palma, H., & Niebles Núẽz, L. (2020). Data Mining Applied in School Dropout Prediction. In Journal of Physics: Conference Series (Vol. 1432, p. 012092). https://doi.org/10.1088/1742-6596/1432/1/012092
Viloria, A., Varela, N., Pérez, D. M., & Lezama, O. B. P. (2020). Data processing for direct marketing through big data. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_21
Segura, E. (2016). Información, estabilidad y complejidad de aprendizaje en memorias asociativas. IJMSOR: International Journal of Management Science & Operation Research, 1(1), 49-53. Recuperado a partir de http://ijmsoridi.com/index.php/ijmsor/article/view/77
Esteban-Infantes Corral, M., González Cancelas, N., & Camarero Orive, A. (2019). Estrategias empresariales de las navieras ante el nuevo escenario de Alianzas Marítimas. INGE CUC, 15(2), 87-98. https://doi.org/10.17981/ingecuc.15.2.2019.09
dc.rights.spa.fl_str_mv CC0 1.0 Universal
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/publicdomain/zero/1.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.publisher.spa.fl_str_mv Universidad de la Costa
dc.publisher.program.spa.fl_str_mv Ingeniería Industrial
institution Corporación Universidad de la Costa
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstreams/bd81cb04-fe45-46b9-9999-997ec768bfea/download
https://repositorio.cuc.edu.co/bitstreams/23690e88-83ff-4570-9511-38e86c85a0a6/download
https://repositorio.cuc.edu.co/bitstreams/8173e3b9-e549-4620-9124-8eb2936cf5ac/download
https://repositorio.cuc.edu.co/bitstreams/496304fa-e597-4e1c-8c50-f89063b42d24/download
https://repositorio.cuc.edu.co/bitstreams/69a0a509-12d8-409b-a373-f7dced25ec78/download
bitstream.checksum.fl_str_mv 2adf9f193e083a124a4ae10298601fc0
42fd4ad1e89814f5e4a476b409eb708c
05b69be6172181b9f3a44123a200d834
de486df116cfaae81a003f7be19843ff
7da4889fec2dcfafeef6d9c45d936920
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad de la Costa CUC
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1811760838704365568
spelling Corporación Universidad de la Costa2020-07-21T19:49:28Z2020-07-21T19:49:28Z2020https://hdl.handle.net/11323/6770Corporación Universidad de la CostaREDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/El ingeniero Industrial debe tener la capacidad de extraer conocimiento a partir de diferentes medios de almacenamiento de datos, lo cual permite visualizar la importancia del la minería de datos para extraer patrones e información de las grandes cantidades de datos que se están generando en los procesos, productivos, de gestión de clientes e interacción con plataformas web, entre otros. Las técnicas de minería de datos supervisadas y no supervisadas le permitirán a los estudiantes tratar distintos conjuntos de datos acerca de temáticas especificas lo que conduce a la adquisición de nuevo conocimiento que servirá para la toma de decisiones asertiva en los diferentes medios, como lanzar una campaña comercial, o tomar acciones en relación con el mantenimiento de equipos, entre otros.Corporación Universidad de la CostaspaUniversidad de la CostaIngeniería IndustrialContenidos académicos por cátedrahttp://elvex.ugr.es/decsai/intelligent/slides/dm/D1%20Data%20Mining.pdfhttp://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdfhttp://www.sciencedirect.com/science/article/pii/S0097849307000544A. de la Hoz, U. Martínez, F. Mendoza, Técnicas de ML en Medicina Cardiovascular, 2013.F. Mendoza, E. De la Hoz, A. De la Hoz, Application of Feast (feature selection Toolbox) inIDS (Intrusion Detection Systems), Journal of Theoretical and Applied Information Technology, 2014.Human Activity Recognition using Machine Learning Techniques, Harjot Singh Parmar,The Use of Machine Learning in Industrial Quality Control, Erik GranstedtMöllerMachine Learning for Predictive Maintenance: A Multiple Classifier Approach, Gian Antonio Susto, Andrea Schirru, Simone Pampuri, Sean McLooneGuevara Maldonado, C. (2015). Detección de Fugas de Información Aplicando Estructura de Dinámica de Datos y Técnicas de Clasificación. INGE CUC, 11(1), 79-84. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/382Gómez Montoya, R., Sánchez Alzate, J., & Palacio Muñoz, J. (2011). Análisis de la operación despacho en un centro de distribución basado en gestión de procesos y simulación. INGE CUC, 7(1), 75-86. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/278Combita Niño, H. A., Cómbita Niño, J. P., & Morales Ortega, R. (2020). Business intelligence governance framework in a university: Universidad de la costa case study. International Journal of Information Management, 50, 405–412. https://doi.org/10.1016/j.ijinfomgt.2018.11.012Silva, J., Varela, N., Ovallos-Gazabon, D., Palma, H. H., Cazallo-Antunez, A., Bilbao, O. R., … Pineda Lezama, O. B. (2020). Data Mining and Social Network Analysis on Twitter. (B. V., C. J., & T. J.M.R.S., Eds.), Lecture Notes in Electrical Engineering. Universidad Peruana de Ciencias Aplicadas, Lima, Peru: Springer. https://doi.org/10.1007/978-981-15-2612-1_39Viloria, A., Hernandez-P, H., Lezama, O. B. P., & Orozco, V. D. (2020). Electric consumption pattern from big data. Lecture Notes in Electrical Engineering. Universidad de la Costa, St. 58 #66, Barranquilla, Atlántico, Colombia: Springer. https://doi.org/10.1007/978-981-15-3125-5_47Silva, J., Borré, J. R., Piñeres Castillo, A. P., Castro, L., & Varela, N. (2019). Integration of data mining classification techniques and ensemble learning for predicting the export potential of a company. In Procedia Computer Science (Vol. 151, pp. 1194–1200). https://doi.org/10.1016/j.procs.2019.04.171Viloria, A., López, J. R., Payares, K., Vargas-Mercado, C., Duran, S. E., Hernández-Palma, H., & David, M. A. (2019). Determinating student interactions in a virtual learning environment using data mining. In Procedia Computer Science (Vol. 155, pp. 587–592). https://doi.org/10.1016/j.procs.2019.08.082Ospina-Mateus, H., Quintana Jiménez, L. A., López-Valdés, F. J., Morales-Londoño, N., & Salas-Navarro, K. (2019). Using Data-Mining Techniques for the Prediction of the Severity of Road Crashes in Cartagena, Colombia. Communications in Computer and Information Science (Vol. 1052). https://doi.org/10.1007/978-3-030-31019-6_27Viloria, A., Acuña, G. C., Franco, D. J. A., Hernández-Palma, H., Fuentes, J. P., & Rambal, E. P. (2019). Integration of data mining techniques to postgresQL database manager system. In Procedia Computer Science (Vol. 155, pp. 575–580). https://doi.org/10.1016/j.procs.2019.08.080Quitian, O. I. T., Lis-Gutiérrez, J. P., & Viloria, A. (2020). Supervised and unsupervised learning applied to Crowdfunding. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_11Viloria, A., Li, J., Sandoval, J. M., & Villa, J. V. (2020). Database Knowledge Discovery in Marketing Companies. Smart Innovation, Systems and Technologies (Vol. 164). https://doi.org/10.1007/978-981-32-9889-7_6Silva, J., Gaitán, M., Varela, N., Pérez, D. M., & Lezama, O. B. P. (2020). Applying a business intelligence system in a big data context: Production companies. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_31Viloria, A., García Guliany, J., Niebles Núẽz, W., Hernández Palma, H., & Niebles Núẽz, L. (2020). Data Mining Applied in School Dropout Prediction. In Journal of Physics: Conference Series (Vol. 1432, p. 012092). https://doi.org/10.1088/1742-6596/1432/1/012092Viloria, A., Varela, N., Pérez, D. M., & Lezama, O. B. P. (2020). Data processing for direct marketing through big data. Advances in Intelligent Systems and Computing (Vol. 1108 AISC). https://doi.org/10.1007/978-3-030-37218-7_21Segura, E. (2016). Información, estabilidad y complejidad de aprendizaje en memorias asociativas. IJMSOR: International Journal of Management Science & Operation Research, 1(1), 49-53. Recuperado a partir de http://ijmsoridi.com/index.php/ijmsor/article/view/77Esteban-Infantes Corral, M., González Cancelas, N., & Camarero Orive, A. (2019). Estrategias empresariales de las navieras ante el nuevo escenario de Alianzas Marítimas. INGE CUC, 15(2), 87-98. https://doi.org/10.17981/ingecuc.15.2.2019.09CC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ingeniero IndustrialMedios de almacenamiento de datosMinería de datosPlataformas webBusiness analyticsOtrosTextinfo:eu-repo/semantics/otherhttp://purl.org/redcol/resource_type/ARTOTRinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALBusiness analytics.pdfBusiness analytics.pdfapplication/pdf501817https://repositorio.cuc.edu.co/bitstreams/bd81cb04-fe45-46b9-9999-997ec768bfea/download2adf9f193e083a124a4ae10298601fc0MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repositorio.cuc.edu.co/bitstreams/23690e88-83ff-4570-9511-38e86c85a0a6/download42fd4ad1e89814f5e4a476b409eb708cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-811https://repositorio.cuc.edu.co/bitstreams/8173e3b9-e549-4620-9124-8eb2936cf5ac/download05b69be6172181b9f3a44123a200d834MD53THUMBNAILBusiness analytics.pdf.jpgBusiness analytics.pdf.jpgimage/jpeg70756https://repositorio.cuc.edu.co/bitstreams/496304fa-e597-4e1c-8c50-f89063b42d24/downloadde486df116cfaae81a003f7be19843ffMD54TEXTBusiness analytics.pdf.txtBusiness analytics.pdf.txttext/plain18379https://repositorio.cuc.edu.co/bitstreams/69a0a509-12d8-409b-a373-f7dced25ec78/download7da4889fec2dcfafeef6d9c45d936920MD5511323/6770oai:repositorio.cuc.edu.co:11323/67702024-09-17 14:08:32.71http://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 Universalopen.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.coT3BlbiBhY2Nlc3M=

Publicaciones similares