|
|
|
|
| LEADER |
00000nam a2200000 a 4500 |
| 003 |
AR-LpUFIB |
| 005 |
20250311170521.0 |
| 008 |
230201s2022 ag a om 000 0 spa d |
| 024 |
8 |
|
|a DIF-M8607
|b 8831
|z DIF007882
|
| 040 |
|
|
|a AR-LpUFIB
|b spa
|c AR-LpUFIB
|
| 100 |
1 |
|
|a Basgall, María José
|
| 245 |
1 |
0 |
|a Análisis y diseño de técnicas de preprocesamiento de instancias escalables para problemas no balanceados en Big Data :
|b aplicaciones en situaciones de emergencias humanitarias
|
| 260 |
|
|
|c 2022
|
| 300 |
|
|
|a 1 archivo (4,3 MB) :
|b il. col.
|
| 502 |
|
|
|a Tesis (Programa de Doctorado en Tecnologías de la Información y la Comunicación) - Universidad Nacional de La Plata. Universidad de Granada, 2022.
|
| 505 |
0 |
|
|a I Introducción y base teórica -- 1 Introducción -- 1.1 Objetivos -- 1.2 Metodología -- 1.3 Organización de la tesis -- 2 Características de los datos -- 2.1 Complejidades intrínsecas de los datos -- 2.2 Análisis exploratorio de datos -- 2.3 Comentarios del capítulo -- 3 Aprendiendo de los datos -- 3.1 Aprendizaje Automático -- 3.2 Clasificación de los datos -- 3.2.1 Modelos de clasificación -- 3.3 Métricas de evaluación de la calidad predictiva -- 3.3.1 Métodos de validación -- 3.4 Comentarios del capítulo -- 4 Preprocesamiento de los datos -- 4.1 Desequilibrio de clases -- 4.1.1 Enfoques a nivel de algoritmos -- 4.1.2 Métodos sensibles a los costes -- 4.1.3 Enfoques a nivel de datos -- 4.2 Reducción de datos -- 4.2.1 Reducción de instancias (reducción horizontal) -- 4.2.2 Reducción de características (reducción vertical) -- 4.3 Zonas ambiguas de un problema -- 4.4 Comentarios del capitulo -- 5 Big Data -- 5.1 Introducción a Big Data -- 5.2 El modelo MapReduce -- 5.3 El ecosistema Hadoop -- 5.3.1 Almacenamiento: Hadoop HDFS -- 5.3.2 Gestión de recursos y monitorización de trabajos: Hadoop Yarn -- 5.3.3 Motores de procesamiento: Hadoop MapReduce y Apache Spark -- 5.4 Profundizando en Apache Spark -- 5.5 Comentarios del capítulo -- II Aportes -- 6 Big Data no balanceado -- 6.1 Clasificación no balanceada de Big Data -- 6.2 Synthetic Minority Oversampling TEchnique (SMOTE) escalable para la clasificación no balanceada en Big Data -- 6.3 Análisis del comportamiento de SMOTE-BD -- 6.4 Un análisis de soluciones locales y globales para abordar la clasificación -- no balanceada de Big Data -- 6.5 Comentarios del capítulo -- 7 Reducción escalable en escenarios Big Data -- 7.1 Condensación de datos en Big Data -- 7.2 FDR2-BD: Una herramienta rápida de recomendación de reducción -- de datos para problemas de clasificación de Big Data tabular -- 7.2.1 Descripción y flujo de trabajo -- 7.2.2 Resumen de la implementación técnica -- 7.3 Estudio experimental -- 7.3.1 Entorno de trabajo -- 7.3.2 Estudio de reducción del volumen de datos -- 7.3.3 La influencia de la selección de características en la reducción del volumen de datos -- 7.3.4 Detalles de la condensación de datos y evaluación del rendimiento -- 7.3.5 Evaluación de la escalabilidad -- 7.4 Comentarios del capítulo -- 8 Caracterización del solapamiento en conjuntos Big Data -- 8.1 Caracterización de un conjunto de datos. Particionamiento del espacio de características -- 8.2 GridOverlap-BD, hacia la caracterización escalable del solapamiento en un conjunto Big Data -- 8.2.1 Descripción y flujo de trabajo -- 8.2.2 Comentarios de la implementación técnica -- 8.3 Estudio experimental -- 8.3.1 Entorno experimental -- 8.3.2 Efectividad en la distinción de Áreas puras y ambiguas -- 8.3.3 Grado de solapamiento -- 8.3.4 Comparando el desempeño del método de base contra los enfoques para tratar el solapamiento -- 8.4 Comentarios del capítulo -- III Casos de uso -- 9 Emergencias humanitarias -- 9.1 Descripción de los conjuntos de datos de Emergencias Humanitarias (EH) -- 9.2 Análisis exploratorio de los datos -- 9.3 Empleo de técnicas de sobremuestreo y caracterización de los datos -- 9.4 Comentarios del capítulo -- IV Conclusiones -- 10 Conclusiones y trabajo a futuro -- Bibliografía -- Apéndices
|
| 650 |
|
4 |
|a BIG DATA
|
| 650 |
|
4 |
|a APRENDIZAJE AUTOMÁTICO
|
| 653 |
|
|
|a desbalance de datos
|
| 700 |
1 |
|
|a Naiouf, Ricardo Marcelo ,
|e Director/a
|
| 700 |
1 |
|
|a Fernández Hilario, Alberto ,
|e Director/a
|
| 856 |
4 |
0 |
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2520
|
| 942 |
|
|
|c TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|6 TES_2237
|7 0
|9 83801
|a DIF
|b DIF
|d 2025-03-11
|i DIF-05171
|l 0
|o TES 22/37
|p DIF-05171
|r 2025-03-11 17:05:21
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 83802
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:21
|u https://doi.org/10.35537/10915/135846
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 83803
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:21
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2520
|w 2025-03-11
|y TE
|
| 999 |
|
|
|c 57655
|d 57655
|
