Please use this identifier to cite or link to this item:
https://hdl.handle.net/11000/31999
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Polotskaya, Kristina | - |
dc.contributor.advisor | Rabasa, Alejandro | - |
dc.contributor.author | Canals Orts, Eugenio | - |
dc.contributor.other | Departamentos de la UMH::Ingeniería de Computadores | es_ES |
dc.date.accessioned | 2024-04-25T12:41:22Z | - |
dc.date.available | 2024-04-25T12:41:22Z | - |
dc.date.created | 2024-02 | - |
dc.identifier.uri | https://hdl.handle.net/11000/31999 | - |
dc.description.abstract | En la actual era digital en constante evolución, la generación masiva de datos en todos los ámbitos de la sociedad ha planteado desafíos y oportunidades para las organizaciones. Estos datos tienen el potencial de mejorar la Toma de Decisiones estratégicas y operativas, pero su mero volumen no es suficiente para aprovechar su valor. Por tanto, la Ciencia de Datos surge como la disciplina que busca extraer conocimiento y patrones a partir de datos específicos. Y de manera subyacente el Análisis de Datos, mediante métodos y algoritmos, desempeña un papel fundamental en la obtención de conocimientos para respaldar la Toma de Decisiones. En paralelo, el concepto de Big Data ha ganado relevancia al referirse a la acumulación masiva de datos estructurados y no estructurados que superan la capacidad de las herramientas tradicionales de procesamiento y análisis. El desafío radica en extraer información significativa de este volumen de datos, donde las herramientas de Ciencia de Datos y análisis juegan un rol crucial. Estas herramientas permiten a las organizaciones adquirir información valiosa, identificar tendencias, predecir comportamientos y tomar decisiones. Al aplicar técnicas de Machine Learning y minería de datos, se pueden descubrir correlaciones ocultas y patrones relevantes, incluso en conjuntos de datos extremadamente grandes y complejos. En este contexto, la justificación de este proyecto reside en la necesidad actual de Análisis y Visualización de Datos para tomar decisiones informadas en diversos sectores. Ante el crecimiento constante en volumen y complejidad de los datos, desarrollar una herramienta web dedicada para este propósito puede proveer beneficios significativos y cumplir con las necesidades de entidades que buscan aprovechar al máximo la información contenida en sus datos. La creación de una aplicación desde cero ofrece un mayor control sobre funcionalidades y especificaciones, permitiendo adaptarla a necesidades particulares. Esto contrasta con las soluciones comerciales menos personalizables. Además, el proceso de desarrollo implica una investigación exhaustiva de tecnologías existentes y su implementación, determinando la viabilidad de una aplicación web enfocada en el tratamiento de datos. | es_ES |
dc.format | application/pdf | es_ES |
dc.format.extent | 66 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Miguel Hernández de Elche | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | ciencia de datos | es_ES |
dc.subject | análisis de datos | es_ES |
dc.subject | minería de datos | es_ES |
dc.subject | machine learning | es_ES |
dc.subject | Big Data | es_ES |
dc.subject.classification | Ingeniería Informática | es_ES |
dc.subject.other | CDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnología | es_ES |
dc.title | Programación y testeo de módulos de análisis y visualización de datos | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
View/Open:
TFG-Canals Orts, Eugenio.pdf
5,5 MB
Adobe PDF
Share: