Aplicación de Data Mining en evaluación docente técnica redes neuronales

Vista sencilla de ítem
dc.contributor.advisorGarcía Diaz, Juan Carlos
dc.contributor.authorArdila Díaz, Lilian Paola
dc.contributor.authorPaez Rojas, Javier Antonio
dc.contributor.cvlacGarcía Díaz, Juan Carlos [0000201529]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.date.accessioned2024-09-09T14:09:41Z
dc.date.available2024-09-09T14:09:41Z
dc.date.issued2000
dc.degree.nameIngeniero de Sistemasspa
dc.description.abstractComo primera medida es importante destacar la tecnología descubrimiento y conocimiento debido a que durante mucho tiempo las empresas han generado gran cantidad de información obtenía los procesos que ellos realizan esta acumulación de información le representa a la empresa una gran inversión de capital además no es aprovechada máxima para poder competir y tomar ventaja de las obras empresas para llevar a cabo el descubrimiento de conocimiento existe un proceso denominado minería de datos que permite extraer patrones de comportamiento dentro de las bases de datos para esto y diversas técnicas que se utilizan la aplicación de estas técnicas usualmente se realizan a través de herramientas de software por el alto volumen de datos que hay que procesar actualmente en el mercado existen varias herramientas comerciales específicas para kdd y que utilicen tradiciones técnicas de minería de datos.spa
dc.description.abstractenglishAs a first step it is important to highlight the discovery and knowledge technology because for a long time companies have generated a large amount of information obtained from the processes they carry out this accumulation of information represents a large capital investment for the company and is not fully exploited to compete and take advantage of the works of companies to carry out the discovery of knowledge there is a process called data mining that allows to extract behavior patterns within the databases for this and various techniques that are used the application of these techniques are usually carried out through software tools due to the high volume of data that must be processed currently on the market there are several specific commercial tools for kdd and that use traditional data mining techniques.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsINTRODUCCION..................................................................................................................................................................... 1. DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS................................................................................................ 1.1. ELEMENTOS DEL DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.2. PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.3. MODELOS DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.3.1. Método probabilístico................................................................................................................................................................ 1.3.2. Método estadístico................................................................................................................................................ 1.3.3. Método de clasificación................................................................................................................................................ 2. MINERIA DE DATOS................................................................................................................................................ 2.1. CARACTERISTICAS DE MINERIA DE DATOS................................................................................................................................ 2.2. IMPORTANCIA DE MINERIA DE DATOS................................................................................................................................................ 2.3. AREAS DE LA MINERIA DE DATOS................................................................................................................................................ 2.4. PROCESO DE MINERIA DE DATOS................................................................................................................................................ 2.5. TECNICAS DE MINERIA DE DATOS................................................................................................................................................ 2.6. EVOLUCION DE LA MINERIA DE DATOS.............................................................................................................................................. 3. REDES NEURONALES................................................................................................................................................ 3.1. HISTORIA DE LAS REDES NEURONALES................................................................................................ 3.2. INTRODUCCION A LAS REDES NEURONAL................................................................................................ 3.3. CARACTERISTICAS DE LAS REDES NEURONALES ................................................................................................ 34. TOPOLOGIA........................................................................................................................................................................................ 3.5. FUNCIONAMIENTO BASICO................................................................................................................................................ 3.6. TAXONOMIA DE LAS REDES NEURONALES................................................................................................ 3.7. PASOS A SEGUIR EN EL DISEÑO DE UNA RED NEURONAL................................................................................................ 3.8. APLICACIONES DE LAS REDES NEURONALES.................................................................................................................................... 3.9, TIPOS DE REDES NEURONALES................................................................................................................................................ 3.9.1. Perceptrón................................................................................................................................................ 3.8.2 Backpropagation................................................................................................................................................ 3.9.3.Hopfield................................................................................................................................................................................................ 3.9.4,Las redes de Kohonen................................................................................................................................................. 4. MAPAS AUTO - ORGANIZATIVOS DE KOHONEN......................................................................................................................... 4.1. INTRODUCCION................................................................................................................................................ 4.2 CARACTERÍSTICAS................................................................................................................................................ 4.3. ARQUITECTURA................................................................................................................................................ 4.4. APRENDIZAJE DE LAS REDES DE KOHONEN........................................................................................................................... 4.5, APLICACIONES................................................................................................................................................ 5. IMPLEMENTACION DE UNA HERRAMIENTA COMPUTARIZADA PARA REDES NEURONALES................................................ 5.1. ARCHIVO................................................................................................................................................ 5.1.1. Cargar................................................................................................................................................ 5.1.2.Salir................................................................................................................................................ 5.2. RED NEURONAL................................................................................................................................................ 5.2.1. Selección de variables ................................................................................................................................................ 5.2.2. Configuración................................................................................................................................................ 5.2.3. Simulación................................................................................................................................................ 53 REPORTES................................................................................................................................................ 5.4. AYUDA................................................................................................................................................ 6. CASO DE APLICACIÓN................................................................................................................................................ 6.1. PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 6.1.1. Comprender el dominio de la aplicación................................................................................................................................ 6.1.2. Preparación de los datos................................................................................................................................................ 6.1.3, Elegir el modelo a emplear................................................................................................................................................ 6.1.4. Aplicación de los algoritmos de Minería de Datos................................................................................................ 6.1, 5. Interpretación propia de los resultados................................................................................................ 6.1.6. Utilizar los conocimientos obtenidos................................................................................................ 7. CONCLUSIONES Y RECOMENDACIONES................................................................................................ BIBLIOGRAFIA................................................................................................................................................spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/26427
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.relation.referencesANGOSS SOFTWARE CORPORATION. About KnowledgeStudio. hitp:/4vww.angoss.com/kstudio/studio,htmspa
dc.relation.referencesARVIZU, María del Socorro. Mineria de datos. 30 de Agosto de 1999 http:/Awww.imparcial.com.mx/Notas/Semanal/informatica/n14.htmspa
dc.relation.referencesASOCIACIÓN ARGENTINA DE INTELIGENCIA ARTIFICIAL. Data Mining. 10 de Septiembre de 1998, htip:/hww laguía.c . 1.ar/asia/datamain.htmspa
dc.relation.referencesASOCIACIÓN ARGENTINA DE IA. edes Neuronales. Mayo de 1999. http:Awww.adi.uam.es/-adarraga/studs/ — xes/Pag5.htmlspa
dc.relation.referencesBAUTISTA, Rodolfo y SANCLEMEN — ¡Harrison. Systems for knowedge in Databases. 6 de Octubre de 1998, http:/waw.inf.udec.cl/-mcaro/seminaric /dm_doc7 htmlspa
dc.relation.referencesBELTRAN, Yolima y CASTRO, Aura. lisefio de un modelo de evaluación formativa del desempeño docente p: 1 la facultad de Ciencias Humanas”, Departamento de Ciencias Sociales y euucación. Febrero 27 de 1994.spa
dc.relation.referencesCARNE, C. Presser. Data Mining, Descubriendo Informacion oculta. 1999. http://ww.lafacu.com/apuntes/informatica/datamining/default.htmspa
dc.relation.referencesCASTELLANOS, Miguel Angel y CONCEJERO, Pedro. Introducción a las Redes Neuronales y su aplicación a las Búsquedas de documentos. Abril de 1999. http:/waw.tid.es/presencia/boletin/bole1 9/art002.htmspa
dc.relation.referencesDBMINER TECHNOLOGY INC, Dbminer"” Discover The Competitive Edge In Your Data. Febrero 9 del 2000. http://db.cs. sfu.ca/DBMiner/index.htmlspa
dc.relation.referencesELECTRONICA. Redes Neuronales Artificiales. 13 de Junio del 2000. hitp://electronica.com,mxineural/spa
dc.relation.referencesESTEVEZ, Pablo. EM-753 Redes Neuronales. 2000. http://cipres.cec.uchile.cl-em753/spa
dc.relation.referencesFREEMAN, J. y SKAPURA, D. Redes Neuronales Algoritmos, aplicaciones y técnicas de programación. Págs 253-283.Addison-Wesley y Diaz de Santos, Wilmington.spa
dc.relation.referencesGRANADOS, Jorge. Redes Neuronales 5 de Agosto de 1996 http:/homepages.mty.itesm.mx/-Igranado/red_neur.htmspa
dc.relation.referencesHERNANDEZ, María Andreina, Data Mining. http:/fwww.cipher.com.veldata_min.htmspa
dc.relation.referencesKOPERSKI, Kris. GEOMINER: A knowedge discovery system for spalial databases and geographic information systems. MNoviembre 6 de 1997. http://db.cs.sfu.ca/GeoMiner/spa
dc.relation.referencesMANAGEMENT INTELLIGENTER TECHNOLOGIEN. Software Tools for intefligent Data Analysis. 2000. http://www.mitgmbh.de/mi/sprinde».htmspa
dc.relation.referencesMICROSOFT CORPORATION. Manual del Programador, Microsoft Visual Basic 5. Editorial Mc Graw Hill, España,1998,spa
dc.relation.referencesMINISTERIO DE ADMINISTRACIONES PÚBLICAS ESPAÑA. Data Mining o Mineria De Datos. http:/fwww.map.es/csifsilice/DW2253. htmlspa
dc.relation.referencesPRESSER CARNE, Cynthia. Data Mining. Attp:/Awaw.monografias.com/trabajos/datamining/datamining.htmlspa
dc.relation.referencesPRYKE, Andy, Data Mining Software. Abril de 1994, Attp:Mvwww.cs.bham.ac.uk-anprsoftware.htrlspa
dc.relation.referencesSILICON GRAPHICS INC. Products, Software. 1993 http:/iwww.sgi.com/software/mineset/spa
dc.relation.referencesUNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA. Redes Neuronales. 3 de Diciembre de 1997 hitp://fciencias.ens.uabc.mx/notas cursos/inteligencia/neurona/neuronal.htmspa
dc.relation.referencesUNIVERSIDAD AUTONOMA DE MEXICO. Enero 19 del 2000. hitp:/Avw.uam.esspa
dc.relation.referencesWRIGHT, Peggy. El Descubrimiento del conocimiento en las Bases de Datos: herramientas y técnicas, Diciembre 23 de 1999. http://ww.acm.org/crossroads/espanol/xrds5-2/kcd. himlspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsNeural networksspa
dc.subject.keywordsComputer programspa
dc.subject.keywordsData miningspa
dc.subject.keywordsStatistical methodspa
dc.subject.keywordsNeural networks (Computer science)spa
dc.subject.keywordsNatural computingspa
dc.subject.keywordsData miningspa
dc.subject.keywordsMultimedia data miningspa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembRedes neuronales (Computadores)spa
dc.subject.lembComputación naturalspa
dc.subject.lembMinería de datosspa
dc.subject.lembMinería de datos multimediaspa
dc.subject.proposalRedes neuralesspa
dc.subject.proposalPrograma para computadorspa
dc.subject.proposalMétodo estadísticospa
dc.titleAplicación de Data Mining en evaluación docente técnica redes neuronalesspa
dc.title.translatedApplication of Data Mining in technical teaching evaluation neural networksspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
2000_Tesis_Lilian_Ardila.pdf
Tamaño:
15.26 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería de Sistemas