Desarrollo de componente web parametrizable de clustering para análisis de datos

Trabajo de investigación

Autores:
Rubio-Tapias, Joseph Alexander
Alba-Rodríguez, Carlos Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad Católica de Colombia
Repositorio:
RIUCaC - Repositorio U. Católica
Idioma:
spa
OAI Identifier:
oai:repository.ucatolica.edu.co:10983/23778
Acceso en línea:
https://hdl.handle.net/10983/23778
Palabra clave:
ANÁLISIS DE DATOS
MÉTODOS DE CLUSTERING
ARQUITECTURA DE MICROSERVICIOS
API
AGRUPAMIENTO
Rights
openAccess
License
Derechos Reservados - Universidad Católica de Colombia, 2019
id UCATOLICA2_37b7d775c04602fd59ae8ae92644138b
oai_identifier_str oai:repository.ucatolica.edu.co:10983/23778
network_acronym_str UCATOLICA2
network_name_str RIUCaC - Repositorio U. Católica
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de componente web parametrizable de clustering para análisis de datos
title Desarrollo de componente web parametrizable de clustering para análisis de datos
spellingShingle Desarrollo de componente web parametrizable de clustering para análisis de datos
ANÁLISIS DE DATOS
MÉTODOS DE CLUSTERING
ARQUITECTURA DE MICROSERVICIOS
API
AGRUPAMIENTO
title_short Desarrollo de componente web parametrizable de clustering para análisis de datos
title_full Desarrollo de componente web parametrizable de clustering para análisis de datos
title_fullStr Desarrollo de componente web parametrizable de clustering para análisis de datos
title_full_unstemmed Desarrollo de componente web parametrizable de clustering para análisis de datos
title_sort Desarrollo de componente web parametrizable de clustering para análisis de datos
dc.creator.fl_str_mv Rubio-Tapias, Joseph Alexander
Alba-Rodríguez, Carlos Andrés
dc.contributor.advisor.spa.fl_str_mv Rincón-Yáñez, Diego Alberto
dc.contributor.author.spa.fl_str_mv Rubio-Tapias, Joseph Alexander
Alba-Rodríguez, Carlos Andrés
dc.subject.lemb.spa.fl_str_mv ANÁLISIS DE DATOS
topic ANÁLISIS DE DATOS
MÉTODOS DE CLUSTERING
ARQUITECTURA DE MICROSERVICIOS
API
AGRUPAMIENTO
dc.subject.proposal.spa.fl_str_mv MÉTODOS DE CLUSTERING
ARQUITECTURA DE MICROSERVICIOS
API
AGRUPAMIENTO
description Trabajo de investigación
publishDate 2019
dc.date.accessioned.spa.fl_str_mv 2019-10-08T19:51:03Z
dc.date.available.spa.fl_str_mv 2019-10-08T19:51:03Z
dc.date.issued.spa.fl_str_mv 2019
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/submittedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str submittedVersion
dc.identifier.citation.spa.fl_str_mv Alba-Rodríguez, C. A. & Rubio-Tapias, J. A. (2019). Desarrollo de componente web parametrizable de clustering para análisis de datos. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
dc.identifier.uri.spa.fl_str_mv https://hdl.handle.net/10983/23778
identifier_str_mv Alba-Rodríguez, C. A. & Rubio-Tapias, J. A. (2019). Desarrollo de componente web parametrizable de clustering para análisis de datos. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
url https://hdl.handle.net/10983/23778
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Andrea, A. D. ’, Ferri, F., & Grifoni, P. (2015). Approaches, Tools and Applications for Sentiment Analysis Implementation. International Journal of Computer Applications (Vol. 125). Retrieved from http://messenger.yahoo.com/features/emoticons
Andrew McAfee; Erik Brynjolfsson. (2012). Big Data The Management Revolution. Retrieved from https://pdfs.semanticscholar.org/02c7/740af5540f23a2da23d1769e64a8042ec 62e.pdf
Cathy O’Neil, R. S. (2013). Doing Data Science_ Straight Talk from the FrontlineO’Reilly Media (2013)
Doug Laney. (2001). Application Delivery Strategies. Retrieved from https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-DataManagement-Controlling-Data-Volume-Velocity-and-Variety.pdf
Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (n.d.). Cluster Analysis 5th addition2011. https://doi.org/10.1007/BF00154794
Garner, S. R. (n.d.). WEKA: The Waikato Environment for Knowledge Analysis. Retrieved from https://www.cs.waikato.ac.nz/~ml/publications/1995/Garner95- WEKA.pdf
Gollapudi, S. (n.d.). PRACTICAL MACHINE LEARNING.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (n.d.). The WEKA Data Mining Software: An Update. Retrieved from https://www.kdd.org/exploration_files/p2V11n1.pdf
Hernández-Leal, E. J., Duque-Méndez, N. D., Moreno-Cadavid, J., HernándezLeal, E. J., Duque-Méndez, N. D., Moreno-Cadavid, J., & Big, ". (2015). Big Data: una exploración de investigaciones, tecnologías y casos de aplicación Big Data: an exploration of research, technologies and application cases (Vol. 20). Retrieved from http://www.redalyc.org/pdf/3442/344251476001.pdf
IEEE. (2009). IEEE Std 1016-2009 (Revision of IEEE Std 1016-1998), IEEE Standard for Information Technology—Systems Design—Software Design Descriptions. Middle East (Vol. 2009). https://doi.org/10.1109/IEEESTD.2009.5167255
ISTQB. (2018). International Software Testing Qualifications Board ISTQB ® Certified Tester: Foundation Level Extension Syllabus Agile Tester, 1–77.
Jackson, N. (2017). Building Microservices with Go. O’Reilly Media.
Jagla, B., Wiswedel, B., & Coppée, J.-Y. (2011). Extending KNIME for nextgeneration sequencing data analysis. BIOINFORMATICS APPLICATIONS NOTE, 27, 2907–2909. https://doi.org/10.1093/bioinformatics/btr478
José Joskowicz. (2008). Reglas y Prácticas en eXtreme Programming. Retrieved from https://iie.fing.edu.uy/~josej/docs/XP - Jose Joskowicz.pdf
Kabacoff, R. I. (2011). R IN ACTION: Data analysis and graphics with R. Livro. https://doi.org/citeulike-article-id:10054678
KAUSHIK, S. (2016). An Introduction to Clustering & different methods of clustering. Retrieved September 30, 2018, from https://www.analyticsvidhya.com/blog/2016/11/an-introduction-to-clusteringand-different-methods-of-clustering/
Lin, N. P., Chang, C. I., Chueh, H. E., Chen, H. J., & Hao, W. H. (2008). A deflected grid-based algorithm for clustering analysis. WSEAS Transactions on Computers, 7(3), 125–132
Mitchell, T. M. (1997). Machine Learning. (Reviews, Ed.).
Moujahid, A. (n.d.). Clustering, 1–17.
RapidMiner | Sistemas de Minería de Datos | Software de Minería de Datos. (n.d.). Retrieved August 31, 2018, from https://www.microsystem.cl/plataforma/rapidminer/
Requirements, Q. (2012). International Standard Iso / Iec (Vol. 25021). https://doi.org/10.1109/IEEESTD.2015.7106438
Richards, M. (2015). Software Architecture Patterns. (O. Media, Ed.).
Software, A., & Kruchten, P. (2006). Planos Arquitectonicos : El Modelo de “ 4 + 1 ” Vistas de la La Arquitectura L ´, 12(6), 1–16
Timmerman, B. (2012). Flow measurements in patient-specific conducting airways models. 16th Int Symp on Applications of Laser Techniques to Fluid Mechanics, 2(3), 9–12. https://doi.org/10.1109/TETC.2014.2330519
Una revisión de los algoritmos de partición más comunes en el análisis de conglomerados: un estudio comparativo. (2010).
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad Católica de Colombia, 2019
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución 4.0 Internacional (CC BY 4.0)
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by/4.0/
rights_invalid_str_mv Derechos Reservados - Universidad Católica de Colombia, 2019
Atribución 4.0 Internacional (CC BY 4.0)
https://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas y Computación
institution Universidad Católica de Colombia
bitstream.url.fl_str_mv https://repository.ucatolica.edu.co/bitstreams/e81330a5-ff1f-4295-9e45-935511202f83/download
https://repository.ucatolica.edu.co/bitstreams/c29356ff-b826-40b2-9d04-329601c9a497/download
https://repository.ucatolica.edu.co/bitstreams/cf4e5dc0-73ea-43de-9517-548d50db8056/download
https://repository.ucatolica.edu.co/bitstreams/9c2dd611-0f76-40f5-ac0c-e4222f8c5975/download
https://repository.ucatolica.edu.co/bitstreams/aa478e01-3604-4e09-a354-79d53fd2b4f5/download
https://repository.ucatolica.edu.co/bitstreams/d0490dd4-89a3-4f3e-a856-3ece6af9f910/download
bitstream.checksum.fl_str_mv 25fbe893329291c289534c4f86745179
2102b1175a3d4da0e3973f3bf50b482b
f97684deedd23d4f3406f1ed5042cd0b
16f1027699a330bdd2dc1fd1a7330ae0
978b00a25e7e31b03eab4b663867afb3
f87fa7df80c1c92acb0daaebb58b7055
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Católica de Colombia - RIUCaC
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1808402561120600064
spelling Rincón-Yáñez, Diego Alberto78321de4-4585-486b-8889-9f3c458e25c7-1Rubio-Tapias, Joseph Alexander8c45aae8-5f0f-4afa-8ec0-72c9f37a1542-1Alba-Rodríguez, Carlos Andrés8ea97114-79d4-4c5d-97ca-79d126893cbb-12019-10-08T19:51:03Z2019-10-08T19:51:03Z2019Trabajo de investigaciónSe desarrolló un Componente Web de Clustering para Análisis de Datos el cual permite ingresar mediante una interfaz web y/o una API un conjunto de datos que son analizados mediante técnicas de clustering, estas técnicas permiten realizar agrupamiento de datos basados en sus características, y así arrojar un resultado que relaciona dichos datos. Lo anterior, busca proveer a la Universidad de una herramienta que permita de manera general, práctica y gratuita, realizar análisis de datos basados en clustering para cualquier estudio de investigación.PregradoIngeniero de SistemasINTRODUCCIÓN 1. GENERALIDADES 2. OBJETIVOS DEL PROYECTO 3. MARCO REFERENCIAL 4. MARCO CONCEPTUAL 5. METODOLOGÍA 6. DESARROLLO DEL PROYECTO 7. RESULTADOS 8. CONCLUSIONES BIBLIOGRAFÍA ANEXOSapplication/pdfAlba-Rodríguez, C. A. & Rubio-Tapias, J. A. (2019). Desarrollo de componente web parametrizable de clustering para análisis de datos. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombiahttps://hdl.handle.net/10983/23778spaFacultad de IngenieríaIngeniería de Sistemas y ComputaciónAndrea, A. D. ’, Ferri, F., & Grifoni, P. (2015). Approaches, Tools and Applications for Sentiment Analysis Implementation. International Journal of Computer Applications (Vol. 125). Retrieved from http://messenger.yahoo.com/features/emoticonsAndrew McAfee; Erik Brynjolfsson. (2012). Big Data The Management Revolution. Retrieved from https://pdfs.semanticscholar.org/02c7/740af5540f23a2da23d1769e64a8042ec 62e.pdfCathy O’Neil, R. S. (2013). Doing Data Science_ Straight Talk from the FrontlineO’Reilly Media (2013)Doug Laney. (2001). Application Delivery Strategies. Retrieved from https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-DataManagement-Controlling-Data-Volume-Velocity-and-Variety.pdfEveritt, B. S., Landau, S., Leese, M., & Stahl, D. (n.d.). Cluster Analysis 5th addition2011. https://doi.org/10.1007/BF00154794Garner, S. R. (n.d.). WEKA: The Waikato Environment for Knowledge Analysis. Retrieved from https://www.cs.waikato.ac.nz/~ml/publications/1995/Garner95- WEKA.pdfGollapudi, S. (n.d.). PRACTICAL MACHINE LEARNING.Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (n.d.). The WEKA Data Mining Software: An Update. Retrieved from https://www.kdd.org/exploration_files/p2V11n1.pdfHernández-Leal, E. J., Duque-Méndez, N. D., Moreno-Cadavid, J., HernándezLeal, E. J., Duque-Méndez, N. D., Moreno-Cadavid, J., & Big, ". (2015). Big Data: una exploración de investigaciones, tecnologías y casos de aplicación Big Data: an exploration of research, technologies and application cases (Vol. 20). Retrieved from http://www.redalyc.org/pdf/3442/344251476001.pdfIEEE. (2009). IEEE Std 1016-2009 (Revision of IEEE Std 1016-1998), IEEE Standard for Information Technology—Systems Design—Software Design Descriptions. Middle East (Vol. 2009). https://doi.org/10.1109/IEEESTD.2009.5167255ISTQB. (2018). International Software Testing Qualifications Board ISTQB ® Certified Tester: Foundation Level Extension Syllabus Agile Tester, 1–77.Jackson, N. (2017). Building Microservices with Go. O’Reilly Media.Jagla, B., Wiswedel, B., & Coppée, J.-Y. (2011). Extending KNIME for nextgeneration sequencing data analysis. BIOINFORMATICS APPLICATIONS NOTE, 27, 2907–2909. https://doi.org/10.1093/bioinformatics/btr478José Joskowicz. (2008). Reglas y Prácticas en eXtreme Programming. Retrieved from https://iie.fing.edu.uy/~josej/docs/XP - Jose Joskowicz.pdfKabacoff, R. I. (2011). R IN ACTION: Data analysis and graphics with R. Livro. https://doi.org/citeulike-article-id:10054678KAUSHIK, S. (2016). An Introduction to Clustering & different methods of clustering. Retrieved September 30, 2018, from https://www.analyticsvidhya.com/blog/2016/11/an-introduction-to-clusteringand-different-methods-of-clustering/Lin, N. P., Chang, C. I., Chueh, H. E., Chen, H. J., & Hao, W. H. (2008). A deflected grid-based algorithm for clustering analysis. WSEAS Transactions on Computers, 7(3), 125–132Mitchell, T. M. (1997). Machine Learning. (Reviews, Ed.).Moujahid, A. (n.d.). Clustering, 1–17.RapidMiner | Sistemas de Minería de Datos | Software de Minería de Datos. (n.d.). Retrieved August 31, 2018, from https://www.microsystem.cl/plataforma/rapidminer/Requirements, Q. (2012). International Standard Iso / Iec (Vol. 25021). https://doi.org/10.1109/IEEESTD.2015.7106438Richards, M. (2015). Software Architecture Patterns. (O. Media, Ed.).Software, A., & Kruchten, P. (2006). Planos Arquitectonicos : El Modelo de “ 4 + 1 ” Vistas de la La Arquitectura L ´, 12(6), 1–16Timmerman, B. (2012). Flow measurements in patient-specific conducting airways models. 16th Int Symp on Applications of Laser Techniques to Fluid Mechanics, 2(3), 9–12. https://doi.org/10.1109/TETC.2014.2330519Una revisión de los algoritmos de partición más comunes en el análisis de conglomerados: un estudio comparativo. (2010).Derechos Reservados - Universidad Católica de Colombia, 2019info:eu-repo/semantics/openAccessAtribución 4.0 Internacional (CC BY 4.0)https://creativecommons.org/licenses/by/4.0/http://purl.org/coar/access_right/c_abf2ANÁLISIS DE DATOSMÉTODOS DE CLUSTERINGARQUITECTURA DE MICROSERVICIOSAPIAGRUPAMIENTODesarrollo de componente web parametrizable de clustering para análisis de datosTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/version/c_71e4c1898caa6e32PublicationORIGINALDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdfDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdfapplication/pdf2047958https://repository.ucatolica.edu.co/bitstreams/e81330a5-ff1f-4295-9e45-935511202f83/download25fbe893329291c289534c4f86745179MD51RAE.pdfRAE.pdfapplication/pdf168986https://repository.ucatolica.edu.co/bitstreams/c29356ff-b826-40b2-9d04-329601c9a497/download2102b1175a3d4da0e3973f3bf50b482bMD52TEXTDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdf.txtDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdf.txtExtracted texttext/plain151100https://repository.ucatolica.edu.co/bitstreams/cf4e5dc0-73ea-43de-9517-548d50db8056/downloadf97684deedd23d4f3406f1ed5042cd0bMD53RAE.pdf.txtRAE.pdf.txtExtracted texttext/plain8684https://repository.ucatolica.edu.co/bitstreams/9c2dd611-0f76-40f5-ac0c-e4222f8c5975/download16f1027699a330bdd2dc1fd1a7330ae0MD55THUMBNAILDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdf.jpgDESARROLLO DE COMPONENTE WEB PARAMETRIZABLE DE CLUSTERING PARA ANÁLISIS DE DATOS_625178_625167_20.pdf.jpgRIUCACimage/jpeg9093https://repository.ucatolica.edu.co/bitstreams/aa478e01-3604-4e09-a354-79d53fd2b4f5/download978b00a25e7e31b03eab4b663867afb3MD54RAE.pdf.jpgRAE.pdf.jpgRIUCACimage/jpeg18239https://repository.ucatolica.edu.co/bitstreams/d0490dd4-89a3-4f3e-a856-3ece6af9f910/downloadf87fa7df80c1c92acb0daaebb58b7055MD5610983/23778oai:repository.ucatolica.edu.co:10983/237782023-03-24 16:11:57.332https://creativecommons.org/licenses/by/4.0/Derechos Reservados - Universidad Católica de Colombia, 2019https://repository.ucatolica.edu.coRepositorio Institucional Universidad Católica de Colombia - RIUCaCbdigital@metabiblioteca.com

Publicaciones similares