MINERÍA DE DATOS APLICADA EN LA INGENIERIA.

ASPRILLA MORENO, ANGELICA

ANGELICA_ASPRILLA23182@ELPOLI.EDU.CO

IDENTIFICACIÓN DE ESTANDARES PARA LA DOCUMENTACION Y

CONSTRUCCION DE INFORMES

Gloria Amparo Lora Patiño

POLITECNICO COLOMBIANO JAIME ISAZA CADAVID

MEDELLIN, ANTIOQUIA

2019-06-14
Resumen- El presente trabajo describe
como la minería de datos implica al
crecimiento excesivo de las ciencias de la
computación. El objetivo general del
proceso de minería de datos consiste en
extraer información de un conjunto de
datos y transformarla en una estructura
comprensible para su uso posterior. La
minería de datos se ha convertido en una
herramienta estratégica para la toma de
decisiones de mercadeo, producción,
organización y demás factores que buscan
el crecimiento de las empresas y las hacen
más competitivas, pero también se ha
generalizado a cualquier tipo de sistema
informático de apoyo a decisiones,
incluyendo la inteligencia artificial,
aprendizaje automático y la inteligencia
empresarial.
Palabras claves:
 Minería de datos
 Decisión
 Herramienta
 Información
 Crecimiento
Abstract: The present work describes
how data mining implies the excessive
growth of computer science. The general
objective of the data mining process is to
extract information from a data set and
transform it into a comprehensible
structure for later use. Data mining has
become a strategic tool for making
decisions about marketing, production,
organization and other factors that seek
the growth of companies and make them
more competitive, but it has also become
generalized to any type of information
technology system. Decision support,
including artificial intelligence, machine
learning and business intelligence.
Introducción
Las organizaciones (empresas) poseen
problemas a la hora de tomar decisiones
con base en la búsqueda de estrategia
competitiva que logren aumentar la
innovación, esto genera que haya
desventajas en las organizaciones, al tener
grandes cantidades de datos e
información almacenada de forma
incorrecta, conlleva a que muchos de
estos datos y especificaciones no sean
utilizados debidamente, con el fin de
crear estrategias que contribuyan a la
formación de industrias competitivas e
innovadoras.
Unas de las principales preocupaciones de
estos sectores es la necesidad de competir
y sobresalir en el mercado global, como
respuesta a esto, se ha desatado un gran
impulso a implementar organización que
le permita al usuario tener una
confiabilidad alta, y que las
organizaciones dejen de tomar decisiones
a ciegas sobre los procesos de datos de
los usuarios.
La minería de datos o exploración de
datos es un campo de la estadística y
las ciencias de la computación, referido al
proceso que intenta descubrir patrones en
grandes volúmenes de conjuntos de datos.
Utiliza los métodos de la inteligencia
artificial, aprendizaje
automático, estadística y sistemas
de bases de datos. El objetivo general del
proceso de minería de datos consiste en
extraer información de un conjunto de
datos y transformarla en una estructura
comprensible para su uso posterior.
Además de la etapa de análisis en bruto,
supone aspectos de gestión de datos y de
bases de datos, de procesamiento de
datos, del modelo y de las
consideraciones de inferencia, de métricas
de Intereses, de consideraciones de
la teoría de la complejidad
computacional, de post-procesamiento de
las estructuras descubiertas, de la
visualización y de la actualización en
línea.
La tarea de minería de datos real es el
análisis automático o semi-automático de
grandes cantidades de datos para extraer
patrones interesantes hasta ahora
desconocidos, como los grupos de
registros de datos (análisis clúster),
registros poco usuales (la detección de
anomalías) y dependencias (minería por
reglas de asociación). Esto generalmente
implica el uso de técnicas de bases de
datos como los índices espaciales. Estos
patrones pueden entonces ser vistos como
una especie de resumen de los datos de
entrada, y pueden ser utilizados en el
análisis adicional o, por ejemplo, en el
aprendizaje automático y análisis
predictivo. Por ejemplo, el paso de
minería de datos podría identificar varios
grupos en los datos, que luego pueden ser
utilizados para obtener resultados más
precisos de predicción por un sistema de
soporte de decisiones. Ni la recolección
de datos, preparación de datos, ni la
interpretación de los resultados y la
información son parte de la etapa de
minería de datos, pero que pertenecen a
todo el proceso KDD como pasos
adicionales.
Los términos relacionados con la
obtención de datos, la pesca de datos y
espionaje de los datos se refieren a la
utilización de métodos de minería de
datos a las partes de la muestra de un
conjunto de datos de población más
grandes establecidas que son (o pueden
ser) demasiado pequeñas para las
inferencias estadísticas fiables que se hizo
acerca de la validez de cualquier patrón
descubierto. Estos métodos pueden, sin
embargo, ser utilizados en la creación de
nuevas hipótesis que se prueban contra
poblaciones de datos más grandes.
RESUMEN
La minería de datos es una nueva
tecnología de manejo y análisis de
información que aprovecha la capacidad
existente de procesamiento,
almacenamiento y transmisión de datos a
gran velocidad y bajo costo. Permite
encontrar el conocimiento en las inmensa
montañas de información para luego
tomar decisiones mejor fundamentadas
para el futuro de las organizaciones,
Aparte de esto implica al crecimiento
excesivo de las ciencias de la
computación. La minería de datos se ha
convertido en una herramienta estratégica
para la toma de decisiones de mercadeo,
producción, organización y demás
factores que buscan el crecimiento de las
empresas y las hacen más competitivas,
pero también se ha generalizado a
cualquier tipo de sistema informático de
apoyo a decisiones, incluyendo la
inteligencia artificial, aprendizaje
automático y la inteligencia empresarial.
Todo esto sucedió debido a que las
organizaciones (empresas) en muchas
ocasiones estaban obligadas a tomar
decisiones a ciegas sobre los procesos de
datos de los usuarios, es ahí donde los
usuarios tiene muy baja confiabilidad
hacía las compañías. Gracias a todas esas
preocupaciones se tomo una
determinación de crear estrategias que
contribuyan a la formación de industrias
competitivas e innovadoras.
CONCLUSIONES
interesantes hasta ahora desconocidos,
como los grupos de registros de datos
(análisis clúster), registros poco usuales
(la detección de anomalías) y
dependencias (minería por reglas de
asociación). Esto generalmente implica el
uso de técnicas de bases de datos como
los índices espaciales. Estos patrones
pueden entonces ser vistos como una
especie de resumen de los datos de
entrada, y pueden ser utilizados en el
análisis adicional o, por ejemplo, en el
aprendizaje automático y análisis
predictivo. La utilidad de la minería de
datos se reduce a la medida en que no se
evalúen adecuadamente los resultados que
genera.

El objetivo principal de las compañías es

competir y sobresalir en el mercado
REFERENCIAS
global, es por ello que se debió realizar la
implementación de la minería de datos, (1) Oded Maimon and Lior Rokach
esto es producto que al tener grandes (2010). Data Mining and Knowledge
cantidades de datos e información Discovery Handbook. Springer, New
almacenada de forma incorrecta, conlleva York. ISBN 978-0-387-09823-4.
a que muchos de estos datos y
especificaciones no sean utilizados (2) Wikipedia (12 mayo 2019).
debidamente. Por ende se ve la necesidad
de implementar herramientas que ayuden
a la toma de decisiones con base en la
búsqueda de estrategias competitivas que
logren aumentar la innovación,
productividad y definir las necesidades
del cliente, y satisfacerlas al máximo, por
otro lado, disminuir las decisiones que
son obligadas a tomar a ciega por parte de
las organizaciones, ya que esta es una de
las principales preocupaciones de las
empresas. La tarea de minería de datos
real es el análisis automático de grandes
cantidades de datos para extraer patrones