Bases de Datos Masivas - Cartelera

Horario

Clases presenciales: Miércoles de 18 a 21 hs

Aula: 406 

Cronograma

Teóricas

 

Trabajos Prácticos

Extra 2023: Desafío de visualización

  • Seminario de visualización. [Consignas] [Datos]. 

Software de la Asignatura

Tutorial de instalación/uso de Docker y herramientas dockerizadas [ Acceder ]

Drivers JDBC de MySQL y PostgreSQL [ Descarga ]

Instalación individual del software:

Trabajo Final: [ Consigna ] [ Template ]

Trabajos Finales

  • 2023
    • Rapaport, Mariano; Normand, Agustı́n. Predicción de precios de inmuebles en C.A.B.A mediante técnicas de aprendizaje automático. [ pdf ]
  • 2022
    • Juan Natello. Evaluación de estrategias de sobremuestreo utilizando SMOTE para mejorar problemas de clasificación supervisada. [ pdf ]
  • 2021
    • Salvador Woinilowicz. Generación de recomendaciones a partir de reglas de asociación. [ pdf ]
    • Mario Quiroga. Predicción de nuevos casos de coronavirus/COVID-19 con Random Forest. [ pdf ]
    • Agustín Rodriguez. Creación de dataset y aplicación de random forest para prediccir movimientos en el precio de acciones del mercado financiero. [ pdf ]
  • 2018
    • Juan Cardona. Análisis de sentimiento sobre una colección de textos cortos y aplicando técnicas de aprendizaje profundo. [ pdf ]
    • Bernoldi & Genova. Tablero de control como herramienta de soporte para una Cultura Centrada en el Cliente. [ pdf ]
  • 2017
    • Ezequiel Victorel. Factores que influyen en la tasa de crímenes de la ciudad utilizando el conjunto de datos Philadelphia Crime [ pdf ]
  • 2016
    • Alejandro F. Dunogent [ pdf ]
    • Luis Andrés Giordano [ pdf ]
    • Tonin Monzón Francisco [ pdf ]

Recursos

Canal de YouTube: [ Acceso ]

Canal de Slack: [ Unirse ]

Bibliografía

  1. Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine17(3), 37.
  2. Han, J., Kamber, M., & Pei, J. (2011). Data mining: concepts and techniques: concepts and techniques. Elsevier.
  3. Maimon, O., & Rokach, L. (Eds.). (2005). Data mining and knowledge discovery handbook (Vol. 2). New York: Springer. [ Cap 1 ]
  4. Brown, M. L., & Kros, J. F. (2003). Data mining and the impact of missing data.Industrial Management & Data Systems103(8), 611-621.
  5. Mitchell, T. M. (1997). Machine learning. WCB. [ Cap 3 ]
  6. Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern recognition letters31(8), 651-666. (Lectura Optativa).
  7. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (p. 6). New York: springer. [ Cap 10: Unsupervised Learning ] [ pdf ]