Biblioteca Digital | FCEN-UBA

Biblioteca Digital ¿Por qué?
Objetivos
Impactos
Estadísticas
Documentos
Presentaciones
Notas
Autores y derechos
¿Por qué depositar?
¿Cómo depositar?
Autorización
Depositar y publicar
Editoriales
Publicar mi tesis Formulario Tesis Posgrado
Formulario Tesis Grado
Normativa
Res. CD 2053/05
Res. CD 2533/09
Res. CD 0272/13
Res. CD 2793/15

Colecciones Tesis Doctorales
Fotografías
Publicaciones
Archivo
Libros
Reportes Técnicos

Tesis > TEMA

Computación [ 80 tesis ]

Minería de Datos [ 6 tesis ]

Santa María, Cristóbal Raúl. "Aplicaciones de data mining al estudio de la biodiversidad en relevamientos metagenómicos" (2011) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Resumen Registro Cita

Resumen:
El trabajo aquí presentado trata acerca de las mediciones de biodiversidad en comunidades microbianas que suelen involucrar dos aspectos: la riqueza y la distribución de los taxones. Una metodología usual para estudiar esas comunidades comprende la utilización de genes marcadores, tal como el que codifica para el rRNA 16S. Se presenta un estado del arte referido a las técnicas de procesamiento computacional que son empleadas, en esos análisis, sobre las secuencias de ADN del gen marcador. También se reseñan las formas de estimación estadística de la diversidad más comúnmente usadas. Se evalúan y detallan las limitaciones que surgen de la aplicación de esos métodos, que comprenden procedimientos habituales en explotación de datos afectados, en este caso, por la presencia de taxones dominantes y de otros que resultan raros aunque no menos importantes desde el punto de vista del análisis del ecosistema. Se proponen alternativas de estimación por simulación para el descubrimiento del conocimiento sobre cantidad de taxones y distribución de los mismos. Los estimadores desarrollados procuran describir las características de la comunidad hallando un patrón distintivo a partir de los datos. En particular se utiliza una idea de Alan Turing acerca de la probabilidad de selección de una especie aun no contabilizada, para construir un Algoritmo de Recuento de Especies (ARE) que expande la muestra original poniendo en evidencia la distribución real y la riqueza. Se emplea también la idea de cobertura muestral para proponer distintas correcciones a este procedimiento y se construye un algoritmo de estimación que combina el uso de ambos estimadores con el de la entropía, que mide la cantidad de información muestral. Los resultados de las pruebas realizadas muestran el desempeño más eficiente de los algoritmos construidos respecto de las mediciones por estimación no paramétrica o por rarefacción, las que a menudo subestiman los valores de riqueza de la población microbiana.

Henrión, Guillermo Gabriel. "Descubrimiento de sitios regulatorios potenciales en las regiones intergénicas de Mycobacterium tuberculosis utilizando técnicas de minería de datos" (2013) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Resumen Registro Cita

Lenton, Antonio A.. "Correlaciones periodístico-legislativos en la Argentina durante los años 2006-2011" (2013) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Registro Cita

Abalde, Roberto. "Inducción de preferencias a partir del contexto de elección del usuario en sistemas de recomendación" (2014-02-28) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Resumen Registro Cita

Resumen:
La mayoría de los sistemas de recomendación actuales que usan técnicas de filtrado colaborativo basado en memoria predicen las preferencias de un usuario usando solamente la información de los ítems sobre los que el usuario expresó su preferencia. Sin embargo no utilizan el contexto de elección del usuario, esto es, el conjunto de ítems que fueron recomendados al usuario pero que fueron ignorados. En este trabajo de tesis presentamos las modificaciones hechas a los algoritmos clásicos de filtrado colaborativo basado en memoria para que utilicen el contexto de elección del usuario al momento de predecir sus preferencias por nuevos ítems. Como no se conocen conjuntos de datos públicos que tengan el contexto de elección del usuario y que nos permitan probar los algoritmos modificados, implementamos dichas modificaciones en un sistema de recomendación real para poder recolectar los datos necesarios para la etapa de experimentación. Finalmente, realizamos una serie de experimentos sobre tres conjuntos de datos, que nos permitieron verificar que nuestra propuesta tiene un mejor desempeño que los sistemas de recomendación clásicos.

Abstract:
Most of existing recommendation systems use memory-based collaborative filtering techniques to predict the preferences of a user using only the information of the items for which the user expressed a preference. However, existent systems do not use the context of user choice, that is, the set of items that were recommended to the user but were ignored by her. In this thesis we present the modifications made to the classic memory-based collaborative filtering algorithms to use the context of user choice in the prediction of the user preferences. Since there are no known public datasets including the context of user choice that could allow us to test the modified algorithms, we implemented these changes in a real recommender system that allowed us to build a dataset with the information required. Finally, we conducted a series of experiments on three datasets, which allowed us to verify that our proposal has better performance than the traditional recommendation systems.

Padua, Luciana María. "Comparación interactiva de modelos de minería de datos utilizando técnicas de visualización" (2014-07-24) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Resumen Registro Cita

Arcaya Arhuata, Ludmer Edward. "Caracterización de la confianza en las instituciones del gobierno del Perú" (2016-07-12) Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires

pdf

Resumen Registro Cita

Resumen:
Este trabajo consiste en un análisis sobre la percepción de la confianza en las instituciones públicas del gobierno, usando técnicas de Minería de datos, se busca obtener los 5 factores más influyentes en el año 2014, con respecto a la percepción de confianza en las instituciones del gobierno del Perú, y cómo es su comportamiento desde el 2007 al 2014. Para conseguir este objetivo se usan datos públicos de encuestas, que están disponibles en el repositorio digital del Instituto Nacional de Estadísticas e Informática de Perú (INEI), que, siendo órgano rector de las estadísticas del Perú, ejecuta todos los años un programa de Encuestas Nacional de Hogares (ENAHO), el cual cuenta con 29 categorías de estudios, siendo algunas de ellas: Educación, Empleabilidad, Características del hogar, Gobernabilidad y Democracia. El trabajo comenzó con la búsqueda de datos en los repositorios del INEI, continúo con la carga en una base de datos, luego se efectuó la limpieza e integración usando SQL, hasta la construcción de una tabla Analítica. Sobre estos datos se aplicaron métodos descriptivos para la selección de variables potenciales. Luego ejecutando el algoritmo de árbol de decisión, se obtuvieron las 5 variables más influyentes, con el Análisis Factorial de correspondencias se vio las atracciones entre las modalidades de estas variables y la confianza. Los resultados del trabajo muestran que el Congreso de la República es la institución con mayor desconfianza, seguida por el Gobierno regional, La Policía Nacional y el Poder Judicial. Estas instituciones fueron las que se seleccionaron para realizar el análisis de influencia, no combinando estas ya que las instituciones son autónomas y se sospecha que las influencias son independientes. Las variables más influyentes son: , y y estas son las mismas para las instituciones estudiadas, las variables restantes son y , y . El trabajo también muestra la evolución temporal de influencia, comportamiento de las variables.

http://digital.bl.fcen.uba.ar

Biblioteca Central Dr. Luis Federico Leloir - Facultad de Ciencias Exactas y Naturales - Universidad de Buenos Aires
Intendente Güiraldes 2160 - Ciudad Universitaria - Pabellón II - C1428EGA - Tel. (54 11) 4789-9293 int 34