Full metadata record
DC FieldValueLanguage
dc.contributor.advisorRincón Yáñez, Diego Alberto, dir.spa
dc.contributor.authorRubio Tapias, Joseph Alexanderspa
dc.contributor.authorAlba Rodríguez, Carlos Andrésspa
dc.rightsDerechos Reservados - Universidad Católica de Colombia, 2019spa
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.descriptionTrabajo de investigaciónspa
dc.description.abstractSe 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.spa
dc.description.tableofcontentsINTRODUCCIÓN 1. GENERALIDADES 2. OBJETIVOS DEL PROYECTO 3. MARCO REFERENCIAL 4. MARCO CONCEPTUAL 5. METODOLOGÍA 6. DESARROLLO DEL PROYECTO 7. RESULTADOS 8. CONCLUSIONES BIBLIOGRAFÍA ANEXOSspa
dc.date.accessioned2019-10-08T19:51:03Zspa
dc.date.available2019-10-08T19:51:03Zspa
dc.date.issued2019spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationAlba 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, Colombiaspa
dc.identifier.urihttps://hdl.handle.net/10983/23778spa
dc.language.isospaspa
dc.typeTrabajo de grado - Pregradospa
dc.titleDesarrollo de componente web parametrizable de clustering para análisis de datosspa
dc.subject.lembANÁLISIS DE DATOSspa
dc.rights.creativecommonsAtribución 4.0 Internacional (CC BY 4.0)spa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dc.subject.proposalMÉTODOS DE CLUSTERINGspa
dc.subject.proposalARQUITECTURA DE MICROSERVICIOSspa
dc.subject.proposalAPIspa
dc.subject.proposalAGRUPAMIENTOspa
dc.relation.referencesAndrea, 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/emoticonsspa
dc.relation.referencesAndrew McAfee; Erik Brynjolfsson. (2012). Big Data The Management Revolution. Retrieved from https://pdfs.semanticscholar.org/02c7/740af5540f23a2da23d1769e64a8042ec 62e.pdfspa
dc.relation.referencesCathy O’Neil, R. S. (2013). Doing Data Science_ Straight Talk from the FrontlineO’Reilly Media (2013)spa
dc.relation.referencesDoug 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.pdfspa
dc.relation.referencesEveritt, B. S., Landau, S., Leese, M., & Stahl, D. (n.d.). Cluster Analysis 5th addition2011. https://doi.org/10.1007/BF00154794spa
dc.relation.referencesGarner, S. R. (n.d.). WEKA: The Waikato Environment for Knowledge Analysis. Retrieved from https://www.cs.waikato.ac.nz/~ml/publications/1995/Garner95- WEKA.pdfspa
dc.relation.referencesGollapudi, S. (n.d.). PRACTICAL MACHINE LEARNING.spa
dc.relation.referencesHall, 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.pdfspa
dc.relation.referencesHernández-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.pdfspa
dc.relation.referencesIEEE. (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.2009.5167255spa
dc.relation.referencesISTQB. (2018). International Software Testing Qualifications Board ISTQB ® Certified Tester: Foundation Level Extension Syllabus Agile Tester, 1–77.spa
dc.relation.referencesJackson, N. (2017). Building Microservices with Go. O’Reilly Media.spa
dc.relation.referencesJagla, 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/btr478spa
dc.relation.referencesJosé Joskowicz. (2008). Reglas y Prácticas en eXtreme Programming. Retrieved from https://iie.fing.edu.uy/~josej/docs/XP - Jose Joskowicz.pdfspa
dc.relation.referencesKabacoff, R. I. (2011). R IN ACTION: Data analysis and graphics with R. Livro. https://doi.org/citeulike-article-id:10054678spa
dc.relation.referencesKAUSHIK, 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/spa
dc.relation.referencesLin, 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), 125–132spa
dc.relation.referencesMitchell, T. M. (1997). Machine Learning. (Reviews, Ed.).spa
dc.relation.referencesMoujahid, A. (n.d.). Clustering, 1–17.spa
dc.relation.referencesRapidMiner | Sistemas de Minería de Datos | Software de Minería de Datos. (n.d.). Retrieved August 31, 2018, from https://www.microsystem.cl/plataforma/rapidminer/spa
dc.relation.referencesRequirements, Q. (2012). International Standard Iso / Iec (Vol. 25021). https://doi.org/10.1109/IEEESTD.2015.7106438spa
dc.relation.referencesRichards, M. (2015). Software Architecture Patterns. (O. Media, Ed.).spa
dc.relation.referencesSoftware, A., & Kruchten, P. (2006). Planos Arquitectonicos : El Modelo de “ 4 + 1 ” Vistas de la La Arquitectura L ´, 12(6), 1–16spa
dc.relation.referencesTimmerman, 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.2014.2330519spa
dc.relation.referencesUna revisión de los algoritmos de partición más comunes en el análisis de conglomerados: un estudio comparativo. (2010).spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero de Sistemasspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.programIngeniería de Sistemas y Computaciónspa
dc.type.contentTextspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_71e4c1898caa6e32spa
Appears in Collections:ACI. Pregrado Sistemas



This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.