Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/6585
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nd/4.0es_ES
dc.contributorArturo González Gutiérrezes_ES
dc.creatorElieth Velázquez Chávezes_ES
dc.date2010-03-
dc.date.accessioned2016-09-02T18:49:53Z-
dc.date.available2016-09-02T18:49:53Z-
dc.date.issued2010-03-
dc.identifier604 - RI000949.pdfes_ES
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/6585-
dc.descriptionEl estudio y modelado de los Sistemas de Soporte a las Decisiones (SSD) han atraído la atención de la comunidad académica desde hace varias décadas. Una de las definiciones dada por Sprague y Carlson, establece que un SSD es un sistema interactivo basado en computadoras, que asiste a los tomadores de decisiones, utilizando datos y modelos, para resolver problemas semi-estructurados y no estructurados dentro de una organización. Con la finalidad de desarrollar SSD más efectivos, los desarrolladores de modelos de negocios y los investigadores se han interesado en las técnicas de minería de datos, las cuales permiten, mediante el reconocimiento de patrones, descubrir información valiosa escondida en los datos. Uno de los retos que hacen interesante al problema y justifican el estudio de técnicas de reconocimiento de patrones es el manejo de grandes cantidades de datos. Para ello, se utilizan técnicas de agrupamiento (clustering) de datos. El trabajo consiste en identificar estructuras o subclases de los objetos almacenados en las bases de datos que tengan un significado relevante en su campo de aplicación. La ventaja principal al usar las técnicas de agrupamiento de datos es la posibilidad de descubrir estructuras o categorías bien definidas y relevantes directamente en los datos sin tener que contar con un conocimiento preciso del contexto. En el presente trabajo se presentan dos casos de estudio. El primero utiliza una base de datos de estudiantes aspirantes a la Facultad de Informática, y tiene el propósito de encontrar las características que distinguen a los aspirantes aceptados de los no aceptados. Se cuenta con una base de datos de 5,500 registros correspondientes al periodo de 2004-1 hasta 2008-2. Las herramientas para éste análisis son Matemática y SQL Server. El segundo caso de estudio consiste en el problema de localización de grupos de interés de maestros y materias. A partir de información representada mediante una matriz binaria de 20 x 20. En ambos casos de estudio se emplean técnicas de clustering y de optimización.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectClusteringes_ES
dc.subjectClasificación de datoses_ES
dc.subjectSoporte a la toma de decisioneses_ES
dc.titleClasificación de datos en un espacio multidimensional: un enfoque sistémico de soporte a la toma de decisioneses_ES
dc.typeTesis de maestríaes_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Sistemas de Información Gestión y Tecnologíaes_ES
dc.degree.departmentFacultad de Informáticaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Sistemas de Información Gestión y Tecnología

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI000604.pdf3.11 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.