DID Diagnóstico por Imagen de Datos y Textos

2011-11-14T17:54:00.001-03:00

Seminario INTRODUCCIÓN a

Métodos iconográficos de observación, explotación y comunicación de DATOS numéricos, cualitativos y textuales

diapositivas de la presentación

Apuntes Sistemas Inteligentes e Inteligencia Artificial

2010-09-25T18:53:00.004-03:00

Minería de datos con Weka y Laboratorios 2010 .
Tutorial de FastClass en R y ayuda del entorno R
TUTORIAL estrategia metodológica y heramientas (Xlstat y DTM) para explotación y visualización.
Redes Neuronales
Introducción a los Sistemas Expertos: 01 Sistemas Expertos
Arquitectura de los Sistemas Basados en Reglas: 02 Sistemas basados en Reglas
Lógica Propocicional y Lógica de Primer Orden: Lógica Formal
01 El sistema Deductivo de Prolog.
02 Programación de Lógica con Prolog.
FILMINAS PROLOG.
Aprendizaje Automático y Árboles de clasificación. Cálculo ganacia.
Redes bayesianas y Diagramas de Influencia
Mineria de Datos
Preprocesamiento y tabla de datos
Las técnicas del análisis multivariado de datos
Conjuntos y operadores de la lógica DIFUSA
Desarrollo de sistemas de Inferencia en lógica difusa. Lógica fuzzy - Metodologías - Herramientas - Aplicaciones. Sistemas basados en conocimientro con incertidumbre.
Analsis de datos sensoriales: escalas difusas.
Sistemas de Inferencia en lógica difusa para evaluacion sensorial.

CARPETA de apuntes:

Tutorial de R y FassClass

2008-12-16T11:48:00.003-02:00

En los siguientes enlaces pueden bajar un tutorial de uso del FastClass, en la primera parte hay una breve introducción sobre el uso del Entorno R, la segunda parte se explica en detalle el uso de las funciones del FastClass y ejemplos de aplicación completos y la ultima parte es un ejemplo realizado por los creadores del programa. En los anexos se puede acceder a los datos y salidas para los ejemplos.

01 Aprendizaje del paquete estadístico R.pdf
02 Tutorial FactoClass.pdf
03 ejemplo Estudio AFCS Bogota.pdf
Anexos

Descargar

Álbumes web de Picasa - Matu - 7 meses

2008-12-01T21:01:00.000-02:00

Álbumes web de Picasa - Matu - 7 meses

FactoClass de R

2008-10-30T17:26:00.002-02:00

Combinación de Métodos Factoriales y Análisis de Cluster

La creación de paquetes portables facilita la labor académica cuando se utiliza R como lenguaje para la ejecución de los métodos estadísticos. Un paquete es útil aun cuando no se requiera la programación de nuevas funciones, ya que se pueden incluir tablas de datos y líneas de comandos para los talleres de un curso (Campo, 2007).

Para el análisis de una tabla de datos haciendo uso de métodos multivariados, Lebart et al. (1995) presenta una estrategia que consiste en realizar primero un análisis factorial según la naturaleza de los datos y luego una clasiﬁcación basada en un algoritmo mixto: clasiﬁcación jerárquica con el método de Ward y agregación alrededor de centros móviles (K-medias). Finalmente se obtiene una partición del conjunto de datos y la caracterización de cada una de las clases, según las variables activas e ilustrativas, ya sean cuantitativas o cualitativas. Para la caracterización de las clases se utilizan los valores test, que son índices descriptivos construidos siguiendo la metodología de pruebas de hipótesis, pero sin el objetivo de hacer inferencias. La ordenación de los valores test dentro de cada clase permite obtener las variables continuas que la caracterizan positivamente, en el sentido de que la media de la clase es suﬁcientemente mayor de la media global, o negativamente cuando la media de la clase es inferior. Para las categorías de variables nominales, la ordenación permite obtener aquellas categorías cuya proporción dentro de la clase se diferencia lo suﬁciente de la proporción global, ya sea porque es mayor (valor test positivo) o menor (valor test negativo).

§ La utilización de las coordenadas factoriales permite tener un marco común en el proceso de formación de conglomerados. Para el proceso de clasiﬁcación el análisis factorial previo se constituye en un pretratamiento, que transforma los datos originales en variables continuas no correlacionadas. Tomar todos los factores para la formación de conglomerados es equivalente a efectuar una clasiﬁcación de las ﬁlas de la tabla de datos utilizando las variables originales. Tomar menos factores implica realizar un ﬁltrado: se supone que los ejes utilizados para la clasiﬁcación tienen la información relevante y que los desechados se deben a las ﬂuctuaciones aleatorias que constituyen el ruido. El diagrama de valores propios orienta la decisión del número de ejes que se utilizan en la clasiﬁcación. Algunas veces, sobre todo en tablas pequeñas, se usan todos los ejes. (Campo, 2007).

§ El método de Ward utiliza la distancia entre clases que cumple con el objetivo de unir, en cada paso del proceso de aglomeración, las dos clases que incrementen menos la inercia intraclases.

§ El algoritmo K-medias para la obtención de una partición directa de un conjunto de “individuos” por variables cuantitativas requiere el número de clases por obtener y de puntos iniciales para cada una de ellas. La propuesta de Lebart et al. (1995) es utilizarlo para obtener una partición que minimice la inercia intraclases. Esto se logra localmente (depende de los puntos iniciales) usando la distancia euclidiana canónica entre los individuos y los centros móviles utilizados para la agregación. En cada paso del algoritmo se actualizan los centros móviles calculando los centros de gravedad de la partición obtenida del paso anterior.

§ Para seleccionar las variables continuas o las categorías de las variables nominales más características de cada clase, se mide la desviación entre los valores relativos a la clase y los valores globales, utilizando los valores test.

Sintaxis del commando en R:

FactoClass( dfact, metodo, dfilu = NULL , nf = 2, nfcl = 10, k.clust = 3,

scanFC = TRUE , n.max = 5000 , n.clus = 1000 ,sign = 2.0,

conso=TRUE , n.indi = 25 )

print.FactoClass(x, ...)

analisis.clus(X,W)

En el paquete de R FactoClass (Campo, 2007), se implementa la estrategia descrita en Lebart et al. (1995), que combina métodos factoriales con análisis de conglomerados, en la exploración multivariada de tablas de datos. FactoClass es una función que conecta a las funciones de ade4 (Chessel et al. 2004) para realizar el análisis factorial de los datos y de stats para el análisis de conglomerados. Funciones complementarias que, incluyendo para producir salidas en formato L ATEX1, utilizando el paquete xtable (Dahl 2006).

Argumentos:

dfact	Objeto de la clase data.frame, Con los datos de las variables activas.
metodo	Función de ade4 para análisis factorial, dudi.pca, Análisis de Componentes Principales; dudi.coa, Análisis de Correspondencias; dudi.acm, Análisis de Correspondencias Múltiples witwit.coa, Análisis de la correspondencia interna;...
dfilu	Variables ilustrativas (por defecto NULL).
nf	Número de ejes a utilizar en el análisis factorial (por defecto 2).
nfcl	Número de ejes a utilizar en la clasificación (por defecto 10).
k.clust	Número de clases para trabajar (por defecto 3).
scanFC	Si es cierto, pide en la consola los valores nf, nfcl y k.clust
n.max	si rowname(dfact)> = n.max, antes realiza k-means (por defecto 5000)
n.clus	si rowname(dfact)> = n.max, antes realiza k-means con n.clus grupos (por defecto 1000)
sign	Valor umbral de prueba para demostrar las características y modalidades de las variables.
conso	proceso de consolidación de la clasificación (por defecto TRUE)
n.indi	Número de los índices para dibujar en el histograma (por defecto 25).
x	objeto de la clase FactoClass
X	coordenadas de los elementos de una clase
W	ponderaciones de los elementos de una clase

...

FactoClass utiliza el paquete estadístico ade4 (Chessel et al. 2004) para realizar el análisis factorial de los datos. Estas funciones retornan un objeto de tipo dudi con los valores y vectores propios y las coordenadas factoriales de las ﬁlas y columnas. Las demás ayudas a la interpretación se obtienen con la función inertia.dudi.

Las funciones dudi de ade4 reciben los datos en un objeto data.frame y utlizan todas las columnas como activas. El paquete ade4 tiene varias funciones para obtener los planos factoriales; si embargo en FactoClass se incluye la función planfac que recibe un objeto dudi y produce un plano factorial similar a los del paquete ade4.

La función ward.cluster transforma la distancia euclidiana en distancia de Ward y llama la función hclust del paquete básico stats. En ward.cluster se incluye una gráﬁca de los índices de nivel para facilitar la decisión de cuántas clases seleccionar para la partición.

La función kmeans de stats no maneja pesos distintos para las ﬁlas. Estos pesos inﬂuyen en los centros de gravedad y en las inercias intra de las clases. Se modiﬁcó (Campo, 2007) esta función para incluir los pesos de las ﬁlas y obtener las inercias intra clases; se nombra kmeansW. En su opción por defecto la función kmeans utiliza el algoritmo de Hartigan & Wong (1979).

Para la caracterización de las clases, se incluye la función cluster.carac, donde se calculan los valores test y se retorna un objeto list con información similar a la que se obtiene en los programas SPAD (Lebart et al. 1999) y DTM (Lebart 2007).

La función analisis.clus calcula las características geométricas de cada clase: el tamaño, la inercia, el peso y el cuadrado de la distancia de origen.

Para impresión en formato de látex ver FactoClass.tex ()

Para dibujar planos factorial ver con el grupo plotFactoClass (), recibe un objeto de tipo FactoClass y produce el plano factorial solicitado.

Objeto de la clase FactoClass:

dudi	objeto de la clase dudi de ade4 con las especificaciones del análisis factorial
nfcl	número de ejes seleccionados para la clasificación
k	número de clases
indices	tabla de los índices obtenidos mediante el método de WARD
cor.clus	coordenadas de los grupos
clus.summ	resumen de los grupos
cluster	vector que indica el grupo de cada uno de los elementos
carac.cate	caracterización del grupo por variables cualitativas
carac.cont	caracterización del grupo por las variables cuantitativas
carac.frec	caracterización del grupo por las variables frecuencia activa

El término clasiﬁcación se utiliza como sinónimo de análisis o formación de conglomerados o clasiﬁcación no supervisada. En ningún momento hace referencia a la clasiﬁcación supervisada o discriminación

Ejemplos [Package FactoClass version 0.7.1

# El análisis de clusters con el Análisis de Correspondencias

data(ColorAdjetive)

FC.col <-FactoClass(ColorAdjetive, dudi.coa)

FC.col

FC.col$dudi

# El análisis de clusters con el Análisis de Correspondencias Múltiples

data(BreedsDogs)

BD.act <- BreedsDogs[-7] # active variables

BD.ilu <- BreedsDogs[7] # ilustrative variables

FC.bd <-FactoClass( BD.act, dudi.acm, k.clust = 4,scanFC = FALSE, dfilu = BD.ilu, nfcl = 10)

FC.bd

FC.bd$clus.summ

FC.bd$indices

Autores

Pedro Cesar del Campo {pcdelcampon@unal.edu.co},
Campo Elías Pardo {cepardot@unal.edu.co} {http://www.docentes.unal.edu.co/cepardot},
Mauricio Sadinle {msadinleg@unal.edu.co}

Referencias

El paquete FactoClass se instala en R (versión 2.4.1 en adelante) a partir del zip disponible en la página: http://www.docentes.unal.edu.co/cepardot/docs/

§ Campo Elías Pardo & Pedro César Del Campo, Combinación de métodos factoriales y de análisis de conglomerados en R, Revista Colombiana de Estadística 30 (2007) 231–245

§ Chessel, D., Dufour, A. B. & Thioulouse, J. (2004), ‘The ade4 Package - I: One table Methods’, R News 4(1), 5–10.

§ Dahl, D. B. (2006), xtable: Export Tables to LaTeX or HTML. David B. Dahl with contributions from many others. R package version 1.4-2

§ Lebart, L. (2007), ‘DTM. Data and Text Mining’, Software. *http://ses.enst.fr/lebart/

§ Lebart, L., Morineau, A. & Piron, M. (1995), Statisitique exploratoire multidimensionnelle, Dunod, Paris.

§ Lebart, L., Morineau, A., Lambert, T. & Pleuvret, P. (1999), SPAD. Système Pour l’Analyse des Donèes, Paris. *http://www.spad.eu

§ R Development Core Team (2007a), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna,

Austria

. ISBN 3-900051-07-0. *http://www.R-project.org

Razones por las que invertir en Business Intelligence

2008-10-15T09:39:00.005-03:00

Según un artículo de Gartner Research, la falta de conocimiento es la mayor amenaza para las empresas modernas. Para ello, apuntan, “el objetivo del Business Intelligence es eliminar las conjeturas y la ignorancia en los ambientes empresariales, aprovechando los vastos volúmenes de datos cuantitativos que las empresas recolectan todos los días en sus diversas aplicaciones corporativas”.

§ BI como solución tecnológica

Centralizar, depurar y afianzar los datos. Las tecnologías de BI permiten reunir, normalizar y centralizar toda la información de la empresa, mediante un almacén de datos, permitiendo así su explotación sin esfuerzo. De esta forma, los departamentos comercial, operativo y financiero basan las decisiones estratégicas en la misma información.
Descubrir información no evidente para las aplicaciones actuales. En el día a día de las aplicaciones de gestión se pueden esconder pautas de comportamiento, tendencias, evoluciones del mercado, cambios en el consumo o en la producción, que resulta prácticamente imposible reconocer sin el software adecuado. Es lo que se puede calificar como extraer información de los datos, y conocimiento de la información.
Optimizar el rendimiento de los sistemas. Las plataformas de BI se diseñan para perfeccionar al máximo las consultas de alto nivel, realizando las transformaciones oportunas a cada sistema (OLTP - OLAP), y liberando los servidores operacionales.

§ BI como ventaja competitiva

Seguimiento real del plan estratégico. Si su empresa dispone de plan estratégico, el business intelligence le permite, mediante un cuadro de mando, crear, manejar y monitorizar las métricas y los objetivos estratégicos propuestos en ese plan, para poder detectar a tiempo las desviaciones, adoptando las acciones oportunas para corregirlas.
Aprender de errores pasados. Al historizar los datos relevantes, una aplicación de BI permite que una empresa aprenda de su historia y de sus mejores prácticas, y que pueda evitar tropezarse de nuevo con los mismos errores del pasado.
Mejorar la competitividad. Según la consultora internacional Gartner, 7 de cada 10 compañías realizan análisis sobre sus datos de forma diaria, o incluso instantánea, en el 2.006. Este mecanismo les permite maximizar su rentabilidad. La acuciante tendencia a explotar la información marca cada vez más la diferencia en los sectores.
Obtener el verdadero valor de las aplicaciones de gestión. Durante los últimos años, las empresas se han embarcado en la construcción de estas aplicaciones clave para sus negocios. Sin embargo, no siempre han sabido aprovechar todo el potencial que les pueden proporcionar: cuentas de resultados, cash-flow, etc… Con el business intelligence, todos los empleados, desde el director general hasta el último analista, tienen acceso a información adecuada, integrada y actualizada.

Datos, información, conocimiento

¿En qué se diferencia el conocimiento de los datos y de la información?

En una conversación informal, los tres términos suelen utilizarse indistintamente y esto puede llevar a una interpretación libre del concepto de conocimiento. Quizás la forma más sencilla de diferenciar los términos sea pensar que los datos están localizados en el mundo y el conocimiento está localizado en agentes de cualquier tipo (personas, empresas, máquinas...), mientras que la información adopta un papel mediador entre ambos.

Los conceptos que se muestran a continuación se basan en las definiciones de Davenport y Prusak (1999).

http://www.gestiondelconocimiento.com/conceptos_diferenciaentredato.htm

Datos: Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qué de las cosas y no son orientativos para la acción. Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin un propósito, una utilidad o un contexto no sirven como base para apoyar la toma de una decisión. Los datos pueden ser una colección de hechos almacenados en algún lugar físico como un papel, un dispositivo electrónico (CD, DVD, disco duro...), o la mente de una persona. En este sentido las tecnologías de la información han aportado mucho a recopilación de datos. Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organización, pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc.

Información: La información se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en información añadiéndoles valor:

Contextualizando: se sabe en qué contexto y para qué propósito se generaron.
Categorizando: se conocen las unidades de medida que ayudan a interpretarlos.
Calculando: los datos pueden haber sido procesados matemática o estadísticamente.
Corrigiendo: se han eliminado errores e inconsistencias de los datos.
Condensando: los datos se han podido resumir de forma más concisa (agregación).

Por tanto, la información es la comunicación de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos.

Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la incertidumbre)

Conocimiento: El conocimiento es una mezcla de experiencia, valores, información y know-how que sirve como marco para la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no sólo se encuentra dentro de documentos o almacenes de datos, sino que también esta en rutinas organizativas, procesos, prácticas, y normas. El conocimiento se deriva de la información, así como la información se deriva de los datos. Para que la información se convierta en conocimiento es necesario realizar acciones como:

Comparación con otros elementos.
Predicción de consecuencias.
Búsqueda de conexiones.
Conversación con otros portadores de conocimiento.

Qué es Business Intelligence

2008-10-15T09:31:00.004-03:00

Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc...

Los principales productos de Business Intelligence que existen hoy en día son:

Cuadros de Mando Integrales (CMI)

Sistemas de Soporte a la Decisión (DSS)

Sistemas de Información Ejecutiva (EIS)

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son:

Datamart

Datawarehouse

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un datawarehouse, los datos están desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de inserción, modificación y borrado de datos. En este sentido, los procesos ETL (extracción, transformación y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un único sistema desnormalizado, cuyos datos estén completamente integrados.

En definitiva, una solución BI completa permite:

§ Observar ¿qué está ocurriendo?

§ Comprender ¿por qué ocurre?

§ Predecir ¿qué ocurriría?

§ Colaborar ¿qué debería hacer el equipo?

§ Decidir ¿qué camino se debe seguir?

Fuente: http://www.sinnexus.com/business_intelligence/index.aspx

SINTESIS CARTOGRAFIADO DE TEXTOS

2008-07-07T11:39:00.008-03:00

El objetivo de esta tesis es exponer nuevas estrategias metodológicas de minería de texto aptas para emplear los cartografiados de datos como representación del contenido de los textos. Se propone un marco metodológico que constituye un “protocolo para el proceso de estudio de datos textuales”.
La metodología general propuesta comporta en su realización cuatro fases: [1] adquisición terminológica, [2] control del vocabulario, [3] clasificación de los términos y textos (constitución de los cartografiados), [4] descripción conceptual de los clusters y comentario de los mapas. Dos fases son asistidas por la computadora (1 y 3), mientras que las otras dos (2 y 4) implican la intervención humana, aquélla de los expertos del campo de aplicación. El enfoque estadístico textual (fase 3) proporciona el soporte objetivo para que los expertos precisen cuál es el 1 significado conceptual de los clusters (fase 4).
Se busca 2 principalmente investigar la existencia grupos de unidades de observación que se caracterizan por la utilización de un lenguaje similar. Esto implica que el conocimiento que se obtiene de los individuos está basado en la identificación de si dicen aproximadamente lo mismo, y no en lo que dicen. La lectura de las diferentes salidas del análisis le permite al investigador tener una idea bastante general del conocimiento presente en los textos.
Las posibles técnicas de la Estadística Textual son diversas; mi interés se centra en los métodos de análisis de correspondencias y clasificación automática, dos métodos exploratorios multivariantes complementarios adecuados al tratamiento de datos cualitativos. La propuesta involucra la aplicación de estos métodos, a tablas específicas creadas a partir de los datos textuales. Estos se completan con métodos propios del dominio textual como los glosarios de palabras, las concordancias y la selección del vocabulario más específico de cada texto, para así proveer una herramienta comparativa.

En esta propuesta, qué métodos aplicar, cuándo y cómo, depende de dos tipos de estudio: “análisis de respuestas abiertas” (ARA) o el “estudio diferencial de textos” (EDT). Para el ARA, el objetivo es la comparación de opiniones escritas para encontrar similitudes y diferencias entre los individuos e identificarlos por sus características de grupo utilizando la información cerrada que califica los individuos. Estos, pueden provenir de encuestas, entrevistas, cuestionarios, blogs, e-mail u otro medio que permite expresar la opinión escrita de una persona sobre un tema. En el caso del EDT, el objetivo es el análisis comparativo de fragmentos de textos. Estos, pueden provenir de una observación para estudios constituidos por un conjunto de artículos de periódicos o incluso, encuestas o test psicológicas, textos literarios o científicos.

Esta clasificación es el 1º paso para realizar el estudio de textos, el procedimiento a seguir será diferente se esté en un caso u otro. Para determinar el enfoque, se debe observar el objetivo del estudio y la fuente o instrumento de observación de donde provienen los textos a analizar.

1 La parte más importante del trabajo de los expertos es analizar los clusters con el objetivo de determinar su significación conceptual, y caracterizar en función de esta significación el cartografiado en el cual la posición relativa de los clusters se encuentra representada.
2 El problema que motiva un análisis estadístico puede ser tratar de formalizar un modelo probabilístico a priori; o bien, puede estar planteado en términos generales con el objetivo de explorar un universo tomado en consideración.

La guía metodológica propuesta, permite el análisis léxico de los textos y especialmente la construcción automática de estructuras de clasificación que se codifican en forma de tesauros. En cada etapa o procedimiento se obtienen una serie de resultados con la interpretación y validación estadística de los indicadores de conocimiento que se van obteniendo, de esta manera al finalizar se integra en un informe global todas las conclusiones.
Para ambos enfoques el protocolo propone en primer lugar procedimientos de corrección y normalización de los textos y codificación de textos individuales, preparación de las tablas con datos complementarios y confección de los ficheros con los datos. Con el fichero con la variable léxica y cualitativas se procede a la segmentación del corpus, se obtienen las unidades de análisis básicas: formas, lemas, segmentos, etc. Se logra el 1 glosario con las unidades léxicas sobre la cuál se realizan procedimientos como el estudio de la Riqueza del vocabulario, la Desambiguación y la Lematización para finalmente obtener el diccionario con las unidades seleccionadas. A partir del glosario se confecciona la tabla léxica base 2. A partir de esta formamos los “Cartografiados de textos” mediante la aplicación del 3 análisis factorial y métodos de clasificación sobre los factores. Se incluye la caracterización y 4 validación de clusters y su visualización en los mapas. Opcionalmente se incluye el estudio de la especificidad del vocabulario para cada texto individual y el análisis de asociación de palabras (lemas), para el enfoque EDT. A partir de la tabla léxica transpuesta se confeccionan otras tablas 5 en función de datos complementarios. A partir de cada una de estas confeccionamos el o los “Cartografiados de textos”. Se incluye la caracterización y validación de grupos según datos complementarios. Opcionalmente se incluye el estudio de la especificidad del vocabulario para cada grupo de textos. En estas estrategias se proponen procedimientos relacionados al estudio de la “inercia” para detectar textos elementales o grupos de textos extremos que afectan la proyección de la información en el mapa. El uso de la proyección “ilustrativa” trae muchas ventajas y es parte de la propuesta. Los métodos de clasificación conducirán a la construcción de clases de individuos homogéneas en cuanto al vocabulario empleado, o a la determinación de grupos de palabras que suelen ser empleadas por los mismos individuos y que delimitan, por tanto, campos semánticos o temáticas conectadas entre sí. La clasificación de los individuos o unidades textuales puede realizarse a partir de las coordenadas de estos tras llevar a cabo un análisis factorial. El estudio de concordancia se utilizará tanto el la preparación del vocabulario, como en la interpretación de los resultados, para clarificar dudas respecto al contexto de ciertos lemas o palabras claves.

[1] Para el EDT se tratan dos glosarios uno con lemas conseguidos por un lematizador automático y otro con palabras y segmentos seleccionados.
[2] Tabla de contingencia “individuos * unidades elementales”
[3] El Análisis de Correspondencias es aplicado, en el marco de la Estadística Textual, a tablas de contingencia en las que disponemos de información sobre la frecuencia en que aparecen determinadas unidades textuales en distintos textos o partes de un corpus textual considerado.
[4] Los valores-test conforman una herramienta de caracterización de un eje factorial de un AC a partir de las modalidades de una variable suplementaria o de un grupo o cluster obtenido a través de un método de clasificación
[5] Tabla agregada “unidades elementales* grupos individuos”

http://ai.frm.utn.edu.ar/micesari//files/CARTOGRAFIADO_TEXTOS.pdf

Software tratamiento de datos

2008-05-13T12:39:00.006-03:00

Encontrarás enlaces a software que puede ser útil a estudiantes e investigadores en el campo de la Estadística (y en otros, porqué no), en un entorno Windows. No es una lista exhaustiva; sólo pretende ser útil. Normalmente la mayoría del software es de pago, pero no siempre es así y aquí se da una alternativa libre de tasas cuando ésta existe.

R es un intérprete GNU del lenguaje estadístico S que utiliza también S-plus. Aunque S-plus es un programa comercial que suele ir un paso por delante de R incorporando más funciones, la base es similar, y R puede funcionar también en modo batch consumiendo muchos menos recursos de la máquina que S-plus: puedes tener varias aplicaciones abiertas a la vez sin problemas. R es, por otro lado, algo superior en cuanto a gráficos. El código no es 100% intercambiable entre ambos, pero puede portarse sin excesiva dificultad, generalmente. Hoy en día es difícil encontrar algo mejor en el mercado que alguno de los dos, sea de pago ó no. Hay versiones precompiladas Linux, Unix, Mac y Windows 95/98/NT/ME/2000/XP. Es recomendable utilizar Emacs como interfaz de usuario (éste también puede usarse como interfaz para S-plus), aunque en las últimas versiones R ya incluye un interfaz de usuario con dos ventanas, una de input y otra de output similar al que podemos usar desde Emacs.

Referencias

Manuales oficiales.
La introducción oficial en castellano (644K).
Otra introducción (685K), complementaria en parte, de John Maindonald.
SimpleR. Un tutorial en línea.
Spoetry (1021K). Sobre estilo y más escribiendo con S.
Rtips. Consejos y pistas rápidas para R.

XLispStat, un lenguaje estadístico veterano, inspirado en S y basado en el lenguaje de programación Lisp.

ViSta. "The Visual Statistics System", es un sistema de visualización estadística muy dinámico y altamente interactivo, que ayuda a ver lo que tus datos parecen estar diciendo y a contrastar lo que piensas que ves en ellos. Una pequeña herramienta de análisis estadístico con especial énfasis en la presentación gráfica, análisis multivariante y regresión y pensado especialmente para la enseñanza. Tiene una buena variedad de gráficos modernos, es muy rápido y extensible a través de (X)LispStat. Aunque de desarrollo más lento que otros programas como R o Gretl, sigue activo, y ahora mismo tienen una versión 7 (para Windows) en pruebas. La versión de Unix/Linux va retrasada con respecto a la de Windows.

ViSta tiene un interfaz de programación que incluye ViDAL, ("ViSta's Data Analysis Language"), y XLispStat, un lenguaje de programación orientado al objeto de carácter estadístico. Estos lenguajes pueden ser introducidos directamente desde el teclado o pueden ser ejecutados en forma de scripts

ViSta permite llevar a cabo análisis y visualización de datos estadística univariada y multivariada, incluyendo:

Tests univariados simples
Asignación de valores ausentes
Análisis de varianza univariado de n factores
Análisis de regresión (lineal, no lineal, múltiple, multivariado y análisis de redundancia)
Análisis de componentes principales
Análisis de correspondencias
Análisis de tablas de frecuencias (Chi-cuadrado)
Escalamiento multidimensional

DTM - Minería de Datos y Textos (Lebart). Estadística Exploratoria Multidimensional para datos complejos que incluyen datos numéricos y textuales.

Complementariedad de las técnicas de visualización (Análisis de componentes principales, Análisis de correspondencias simple y múltiple) y la clasificación automática (método mixto que combina clasificación jerárquica [criterio de Ward] y centros móviles [k-means]; mapas autoorganizados de Kohonen [redes neuronales SOM).
Validación de las técnicas de visualización: Re-muestreo (bootstrap, bootstrap parcial, bootstrap total, bootstrap sobre variables). Tres opciones para el bootstrap total: Tipo 1: simple corrección de señal para los ejes. Tipo 2: como tipo 1, + corrección de la rotación de ejes. Tipo 3 rotaciones procrustéennes para acercar a los réplicaciones de la muestra inicial.
Análisis de asociación y métodos vecinos. Mapas de Kohonen (SOM).
La presente versión de este programa académico informático permite desarrollar una batería de ejemplos típicos. [Están disponibles doce ejemplos de aplicación, comentados y cinco ejemplos de importación de datos]. El usuario puede usar el programa sobre sus propios datos cambiando un número muy limitado de parámetros y respetando los formatos de entradas para los datos numéricos y cualitativos, los diccionarios y los datos textuales. Los procedimientos de importación facilitan la utilización de los datos externos.
Limitaciones de esta versión: 22.500 filas (individuos, líneas), 1.000 variables (numéricas o nominales), 100.000 caracteres para las respuestas de un individuo a cuestiones abiertas (textos).

Para bajar de Intenert DTM (versión 3.8), acceder a la página de Lebart:
http://ses.telecom-paristech.fr/lebart/

Software - inst_dtm.zip (1920 K) http://ses.telecom-paristech.fr/lebart/DEA/inst_dtm.zip
Ejemplos - dtm_examples.zip (1400 K) http://ses.telecom-paristech.fr/lebart/DEA/dtm_examples.zip
Guía de Instalación - Install_dtm.pdf (1400 K) http://ses.telecom-paristech.fr/lebart/DEA/Install_dtm.pdf
Pronto, tutorial completo en español.....

DTM - Minería de Datos y Textos (Lebart)

2008-04-12T11:29:00.018-03:00

Estadística Exploratoria Multidimensional para datos complejos que incluyen datos numéricos y textuales.

Aspectos específicos:

Complementariedad de las técnicas de visualización (Análisis de componentes principales, Análisis de correspondencias simple y múltiple) y la clasificación automática (método mixto que combina clasificación jerárquica [criterio de Ward] y centros móviles [k-means]; mapas autoorganizados de Kohonen [redes neuronales SOM).
Validación de las técnicas de visualización: Re-muestreo (bootstrap, bootstrap parcial, bootstrap total, bootstrap sobre variables). Tres opciones para el bootstrap total: Tipo 1: simple corrección de señal para los ejes. Tipo 2: como tipo 1, + corrección de la rotación de ejes. Tipo 3 rotaciones procrustéennes para acercar a los réplicaciones de la muestra inicial.
Análisis de asociación y métodos vecinos. Mapas de Kohonen (SOM).

La presente versión de este programa académico informático permite desarrollar una batería de ejemplos típicos. [Están disponibles doce ejemplos de aplicación, comentados y cinco ejemplos de importación de datos]. El usuario puede usar el programa sobre sus propios datos cambiando un número muy limitado de parámetros y respetando los formatos de entradas para los datos numéricos y cualitativos, los diccionarios y los datos textuales. Los procedimientos de importación facilitan la utilización de los datos externos.

Limitaciones de esta versión: 22.500 filas (individuos, líneas), 1.000 variables (numéricas o nominales), 100.000 caracteres para las respuestas de un individuo a cuestiones abiertas (textos).

Para bajar de Intenert DTM (versión 3.8), acceder a la página de Lebart:

http://ses.telecom-paristech.fr/lebart/

1. Software - inst_dtm.zip (1920 K)
http://ses.telecom-paristech.fr/lebart/DEA/inst_dtm.zip
2. Ejemplos - dtm_examples.zip (1400 K)
http://ses.telecom-paristech.fr/lebart/DEA/dtm_examples.zip
3. Guía de Instalación - Install_dtm.pdf (1400 K)
http://ses.telecom-paristech.fr/lebart/DEA/Install_dtm.pdf

Pronto, tutorial completo en español..... http://www.ziddu.com/download/1666704/TutorialDTMImportancin.pdf.html

Proceso del Cartografiado

2008-04-03T15:29:00.007-03:00

El proceso del cartografiado de la información parte de una observación de las características de una realidad estudiada, conservar las observaciones y resumirlas en una tabla de datos. Posteriormente efectúa el análisis de los datos y los resume en una síntesis analógica (gráfica) y digital (texto descriptivo).

Observar para comparar y describir:

La observación sistemática de un aspecto de la realidad (objeto de estudio) tiene por objeto el comparar los elementos observados y descriptos.
Leer la información disponible en una tabla de individuos o unidades que se analizan (filas) x variables o características observadas (columnas), implica:
a) Comparar todos los individuos entre ellos, a fin de evaluar el grado de “semejanza” que existe entre ellos por sus propiedades observadas.
b) Evaluar el nivel de “asociación” o “relación” que existe entre las características observadas (variables).

CURRICULUM Matilde

2008-04-02T17:17:00.015-03:00

http://ai.frm.utn.edu.ar/micesari/

Estudios:

· Grado: “Licenciada en Sistemas de Información” (Universidad Champagnat). Mención de honor otorgado por la Federación Argentina de Mujeres Universitarias, mejor egresada de su carrera (2001)
· Postgrado:
Doctorado en la "Carrera en Red de Doctorado Orientación Tecnología de Alimentos (UNJujuy) " Tema: "Análisis y aplicación Modelos borrosos para determinar calidad sensorial alimentos" (2011).
Maestría en “Ingeniería del Software e Ingeniería del Conocimiento”, carrera desarrollada en el Instituto Tecnológico de Buenos Aires (ITBA) conjunto con Universidad Politécnica de Madrid (2009).
Especialista en “Ingeniería de Sistemas Expertos”. Título otorgado por el Instituto Tecnológico de Buenos Aires (ITBA) conjunto con Universidad Politécnica de Madrid (2007).
Especialista en “Tecnologías Inteligentes para la Exploración de Información”. Título otorgado por el Instituto Tecnológico de Buenos Aires (ITBA) (2005)

· Informática: Manejo herramientas estadísticas e inteligente para el análisis de datos, nivel avanzado: SPAD 5.5, DTM VIC y XLSTAT 7.5.3., y Weka, nivel básico de Entorno R, Elvira, SPSS, Clementine, SAS Entreprice Miner y Statistical Data Miner,. 20 años de experiencia cómo operadora de PC (Microsoft). Windows 98, 2000 y XP. Virtual PC. Office, entre otros.
· Conocimientos de lenguaje: Visual Basic (6.0) (macros de M. Excel) y lenguaje C (Borlandc C), Prolog (SWIProlog), Kal (Kappa PC), Java (Netbeans), CLIP (FuzzyClip) y XFL3 (Xfuzzy). Conocimientos en lógica difusa y desarrollo de sistemas de inferencia en lógica difusa.
· Idiomas: Portugués e Inglés técnico: nivel básico.

Experiencia laboral:

· En el cargo de docente auxiliar (JTP interina, dedicación simple) en materia curricular en la carrera de Ing. En Sistemas FRM (1º semestre 5º año): Inteligencia Artificial I (2009-2011).
· En el cargo de docente auxiliar en el curso de Postgrado de Tratamiento de Datos Aplicado a estadística Ambiental, de la Maestría en Ingeniería Ambiental de la Universidad Nacional de Cuyo, Facultad de Ingeniería (2003 - 2011)
· Participación y colaboración en las 1º jornadas para desarrollar el Plan estratégico de la facultad (1º semestre 2011-2010). Participante auxiliar, voluntario en la comisión de acreditaron de la carrera de Ingeniería de Sistema de la FRM (2010-2011).
· Docente titular, ha realizado guía y evaluación de proyectos de innovación en tecnologías de la información y comunicación en seguridad publica (Cátedra de Gestión de Tecnológica de la Información y Comunicación, Licenciatura en Seguridad Pública del Instituto Universitario de Seguridad Pública (IUSP) de la Universidad Nacional de Cuyo (UN Cuyo) 2009.
· Planificación y dictado del Taller de estrategias metodologicas y herramientas para la explotación inteligente de la información. Curso de Postgrado de Apoyo y Capacitación en Metodologías y Técnicas de Análisis de Datos, Maestría en Energía de la Universidad Nacional de Cuyo Facultad de Ingeniería (2008). Propuesta para el dictado del curso de postgrado (2009) en la Facultad de Ingeniería de la uncuyo: Métodos Multivariados para Explotación de Datos: Principios y Aplicación de Métodos Multivariados para Explotación de datos en Ingeniería.
· Docente invitado del Dr. Bromberg, curso postgrado “Inteligencia Artificial Avanzada”(2010).
· Docente invitado: en el curso de Metodología y Técnicas de Investigación, 1º Curso de Apoyo y Capacitación en Metodologías y Técnicas de análisis de datos del Ciclo de Licenciaturas del Instituto San Pedro Nolasco de la Universidad Aconcagua (2004 – 2008)
· Docente invitado: en la cátedra de Metodología y Técnicas de Investigación, de la Licenciatura en Comunicación y Gestión en Diseño Grafico y Licenciatura de Gestión y Producción Teatral, de la uncuyo, Facultad de Arte y Diseño (2004 – 2006)
· Docente invitado: en el Curso de Postgrado de Estadística Multivariada, de la Maestría en Ingeniería de la Alimentación de la Universidad Nacional de Cuyo, Facultad de Agronomía (2005)
· Docente invitado: en la cátedra de Evaluación Comparada de Software, a cargo de la profesora Bibiana Rossi, de la Maestría en Informática Gerencial de la Universidad Champagnat (2004).
· Producción de material pedagógico del Curso de Metodología de la Investigación, que dicta en la Maestría Ingeniería Ambiental- Facultad de Ingeniería – uncuyo, 2001-2011. Del Curso Metodología de la Investigación, dictado en la Licenciatura de Comunicación y Gestión en Diseño- Facultad De Diseño – uncuyo, 2006. Del Curso Metodología de la Investigación y desarrollo de Tesis, dictado en el ciclo de Licenciaturas del Instituto San Pedro Nolasco, 2004-2008. Confección de apuntes sobre Redes Neuronales (2005), Minería de datos con Weka (2007), Estadística Multivariada (2008) y Tutorial de fastclass en R y ayuda del entorno R para el análisis de datos.

· Profesora del curso Tecnologías de Explotación de Información (TEI) Carrera de Especialización en Posgrado de Redes de Datos GRID tics: Grupo UTN de Investigación y Desarrollo en tics - UTN REGIONAL MENDOZA. Universidad Tecnológica Nacional (UTN), Facultad Regional Mendoza (FRM) (aprobado por consejo de la facultad en el 2010).
· Docente titular (Adjunto) en materia electiva de la carrera de Ing. En Sistemas (1º semestre 4º año): Tecnologías de Explotación de Información. La misma tiene como finalidad que el alumno adquiera los conocimientos necesarios para el preproceso, análisis y modelización efectiva de los datos operativos e informacionales tanto numéricos, cualitativos y textuales, mediante el uso de técnicas y herramientas de análisis multivariado y de la minería de datos (en proceso de aprobación por el consejo departamental)
· Docente titular (Adjunto) en materia electiva de la carrera de Ing. En Sistemas (2º semestre 5º año): Ingeniería del Conocimiento. La misma tiene como finalidad adquirir los fundamentos teóricos relacionados con la Ingeniería del Conocimiento así como los aspectos prácticos para el desarrollo de Sistemas Basados en el Conocimiento (aprobada por el consejo departamental en el 2009).

· Servicios profesionales de asesoría y tratamiento de datos en proyectos interdisciplinarios de investigación entre la Facultad de Diseño (uncuyo), la Facultad de Ciencias Agrarias (uncuyo) y el INTA (2005 – 2011);
· Tratamiento de datos para proyectos de investigación en Ciencias Agrarias de la uncuyo y asesoramiento a tesis de maestría de la facultad de Ingeniería de uncuyo, sobre el análisis de datos (2004 – 2011).
· Servicios de consultora y coordinación de proyectos informáticos para la empresa informática INDEN S.A. (enero 2004 - julio 2005). Experiencia: Creación y desarrollo del proyecto para armar, organizar y documentar el Centro de Cómputo de la Cooperativa Eléctrica de Godoy Cruz, (creación, planificación, dirección y desarrollo). (2004-2005) Planificación y desarrollo de una Auditoria para evaluar la performance del sistema de información Netpack 5 Salud, implementado en el Instituto Zaldivar. (marzo 2005) Diseño y aplicación de metodología para compara y seleccionar un sistema de gestión. Diagnóstico de la situación actual, determinación de necesidades y evaluación de sistemas de gestión integral para su selección, compra e implementación para La Cooperativa Eléctrica de Godoy Cruz, empresa de distribución de energía eléctrica de Godoy Cruz - Mendoza”; (julio 2004). Coordinadora y desarrolladora del proyecto para armar, organizar y documentar el Centro de Cómputo de la Cooperativa eléctrica de Godoy Cruz. Planificando del control de la implementación del nuevo sistema de gestión (para La Cooperativa Eléctrica de Godoy Cruz) seleccionado, cuya compra está en negociación
· Consultoría en Diagnóstico por Imagen de Datos en Base de Datos (“Tratamiento de Tablas de datos y su comunicación gráfica a través del Cartografiado de datos”) en la Dirección de Evaluación Educativa e Investigación de la Dirección General de Escuela de Mendoza (2001-20046),
· Diseño de una metodología para desarrollar una auditoria en calidad de la función informática en la empresa”, (Proyecto Final de los estudios realizados en la Universidad Champagnat).

Investigación

En el marco de la tesis doctoral en curso, investigación sobre la aplicación y análisis de Sistema Experto Difuso para determinar Calidad Sensorial de Alimentos. Una tecnología actual para el control de calidad en vino. Doctorado de la Carrera en Red de Doctorado con Orientación en Tecnología de Alimentos (U. N. de Jujuy, Argentina). Director Dr. Enrique Arnau y Co Directora Dra. Adriana Gámbaro).
Docente investigador con funciones de codirección, en conjunto con el Dr. Bromberg, titular de la Cátedra de Inteligencia Artificial de la FRM- UTN, en Laboratorio de Desarrollo de Herramientas de Aprendizaje y Razonamiento de Máquinas DHARMa (2010-2011).
· Miembro de la Carrera de Investigador, de la UTN- FRMza, Incorporado a la Carrera de Investigador de la Universidad Tecnológica Nacional con la Cat D, rama de actividad Investigación Tecnológica e Ingeniería. Docente Investigador categorizado por el Ministerio de Cultura y Educación de la Nación Cat. V.
· Integración como investigador formado del Proyecto I+D+I incorporado al programa de incentivos, interdisciplinario entre la Facultad de Ciencias Agrarias y Facultad de Diseño de la UNCuyo y la Facultad Regional de Mendoza de la UTN, sobre “Calidad de productos frutihortícolas en poscosecha” (Directora Vignoni, Lucía Alicia – código 06/A451).
· Presentación en la 2º convocatoria 2011 de la dirección del Proyecto I+D+I (PID UTN) sobre “El Análisis Multivariante de datos sensoriales difusos, en el marco del evaluación sensorial de vinos”. (formulación a presentar en la 2º convocatoria agosto 2011, como trabajo final del curso de Formulación de Proyectos de I+D+I cursado en el espacio virtual de la UTN).
· Integración del Proyecto I+D+I (PID Facultad) sobre “Diseño de algoritmos basados en independencia para el aprendizaje de modelos probabilísticas gráficos de mejor calidad”. (Director Bromberg, Facundo – código UTN1205).
· Asesoría en el proyecto interdisciplinario de investigación entre la Facultad de Diseño, la Facultad de Ciencias Agrarias y el INTA (1999-2011).

Descripción de Trabajos de Postgrado

2008-04-02T15:36:00.014-03:00

Nivel de Significación Estadística para el Aprendizaje de una Red Bayesiana

Una red bayesiana una vez construida constituye un dispositivo potente para el razonamiento probabilístico. Sin embargo nos queda la tarea de construcción de tal modelo. Un aspecto importante en el aprendizaje es medir la calidad no de cómo fue estructurada la red a partir de los datos, sino de con qué se determina esta estructura; es decir evaluar la significación estadística de los datos de entrenamiento independientemente del tipo o estructura de la red bayesiana. Esto permitirá mejorar el proceso de inferencia, simplificándolo, tomando relaciones que son realmente significativas. En este trabajo, se propone una métrica estadística que permita por un lado validar los datos con que se arma la estructura del grafo independientemente del tipo de red; por otro lado, validar las hipótesis que se infieren sobre una red bayesiana (relaciones de dependencia e independencia). Concretamente buscar un valor de prueba que determina la significación estadística de las relaciones representadas en la red. De este modo si utilizamos la red para clasificación, podremos validar estadísticamente el modelo de predicción, y en caso de que utilicemos la red para abducir nuevo conocimiento, validarlo estadísticamente al mismo (hipótesis). La propuesta es complementar los métodos bayesianos con las técnicas de descripción de la estadística clásicas.

Trabajo final de Especialidad en Tecnologias de explotación de Información

Métodos de adquisición de conocimiento y modelado de sistemas expertos bayesianos de ayuda a la toma de decisiones

El objetivo en este trabajo es proponer métodos de ayuda a la adquisición de conocimiento para modelizar sistemas expertos de apoyo a la toma de decisión. La integración de técnicas para construir el modelo de conocimiento, basado en el descubrimiento de conocimiento y la modelización del mismo en forma de grafo (red de decisión) a partir del comportamiento observable y de las acciones de un profesional experto decisor. Los métodos multivariados (discretización óptima, análisis factorial y clasificación automática) permiten descubrir conocimiento de grandes conjuntos de datos a través del diagnóstico por imagen de datos; y las redes probabilísticas permiten definir en forma gráfica las relaciones de dependencia entre las variables y definir la función de probabilidad conjunta. Los diagramas de influencia han demostrado ser una herramienta eficaz para modelizar y tratar el conocimiento relativo a un problema de toma de decisiones .La importancia del presente trabajo y su mayor aporte, es que propone una investigación y el desarrollo de un marco metodológico generalizable a la resolución de problemas haciendo accesible a los profesionales instrumentos de análisis modernos de datos para descubrir conocimiento.

Trabajo final de Especilidad en Desarrollo de Sistemas Expertos

Cartografiado de Textos. Protocolo de Exploración y Visualización de datos textuales aplicados a la Minería de Textos

El análisis clásico de datos textuales no es económico y consume muchos recursos en especialistas y tiempo. Esta situación ha motivado el desarrollo de nuevas estrategias metodológicas con técnicas y paradigmas existentes, y la integración de los métodos de análisis que faciliten el proceso de exploración de datos textuales. A lo largo del tiempo distintos métodos han surgido con el objeto de explotar la información de tipo textual. Algunos como la ordenación alfabética, las ediciones de concordancias, índices y glosarios son muy antiguos. Otros mas recientes han aparecido gracias al desarrollo de técnicas estadísticas como el análisis de datos multivariado. Los métodos presentados en este trabajo facilitan la exploración, la gestión y la descripción de corpus de gran tamaño, permiten derivar información de ellos desde un punto de vista estadístico y poner de manifiesto sus rasgos estructurales. En objetivo de este trabajo es definir un marco teórico-metodológico que presente en forma sistemática la integración de las distintas técnicas estadísticas de análisis léxico y técnicas estadísticas de exploración multivariada; y utilizarlas en el trazado de un protocolo o guía para la exploración y diagnóstico por imagen de datos textuales. Además, experimentar con las estrategias metodológicas que implican la construcción del Cartografiado de Texto, a Casos de Ejemplo.

Tesis de Magister en Ingenieria del Software e Ingenieria del Conocimiento

Competencias

2008-04-02T14:27:00.004-03:00

Oriento mi actividad al desarrollo, análisis y aplicación de instrumentos metodológicos de análisis de datos de la empresa. Data y Text mining.

En este último tiempo estoy participando en equipos de investigación en tareas de:

Análisis de datos en estudios de calidad de alimentos agrícolas.
Producción de material metodológico para la creación de herramientas inteligentes para la explotación de la información.

Fundamentalmente el ofrecimiento es para una entidad vitivinícola, entonces mi propuesta se centra en participar en líneas de investigación de:

“Índice Color de Alimentos. Relación entre el color y la composición de los alimentos Metodología de Análisis del Color”.
“Desarrollo de nuevos métodos en el análisis cromático de los alimentos. Análisis instrumental y visual del color en Vinos y Derivados de Uva”.
“Mejora de la calidad de bienes vínicos. Nuevas tecnologías aplicadas a la elaboración y el control. Diseño de Sistemas de Control de Calidad en la Producción de Alimentos.
“Aplicación de técnicas estadísticas. Caracterización de Alimentos Relaciones entre la composición y la calidad nutricional y sensorial.”

Estando en condiciones de trabajar en el tratamiento y explotación de la información en proyectos, entre otros, tales como:

“Control de procesos enológicos por medidas de color. Relación con otros parámetros de calidad”
“Extracción y evolución del color según las condiciones de maceración prefermentativa a temperatura controlada de vinos"
“Influencia del proceso de criomaceración en la evolución del color de vinos"
“Aplicación de medidas cromáticas al seguimiento de procesos de vinificación”
“Aplicación multivariante de la Colorimetría Triestímulo en el control de calidad de zumos "
“Relaciones multivariantes color-composición en la producción de zumos. Mantenimiento y seguimiento del sistema de control de calidad”
“Control tecnológico por análisis cromático en la elaboración de vinos finos“
“Aplicación de la Colorimetría Triestímulo en el diseño y desarrollo de sistemas de control on-line en la producción de zumos"
"Evolución del potencial aromático y medida colorimétrica triestímulo de uvas y mostos para vinificación. Efecto del tipo de suelo y edad de la cepa"
"Detección de alteraciones en vinos”, estudio fisicoquímico, colorimétrico y organoléptico".
"Identificación multivariante de tipos comerciales de producto vitivinicolas”.
"Producción de metodologías para la investigación de la calidad y seguridad alimentaria".
"Aplicación de técnicas estadísticas multivariantes y el diagnóstico por imagen de datos".
“Caracterización polínica, fisicoquímica y por colorimetría triestímulo de mieles monoflorales”
“Caracterización colorimétrica de aceites de oliva: patrones de calidad” "Control de calidad de alimentos y productos comercializados por la entidad"

Apuntes - Trabajos

2008-04-02T12:04:00.025-03:00

Césari, M. 2006. Nivel de Significación Estadística para el Aprendizaje de una Red Bayesiana. Trabajo Final de Especialidad en Tecnologías de Explotación de Información

Césari, M. 2007. Métodos de adquisición de conocimiento y modelado de sistemas expertos bayesianos de ayuda a la toma de decisiones. (Métodos multivariados de clustering y diagramas de influencia), Trabajo Final para la Especialidad en desarrollo de sistemas expertos.

Césari, M. 2008. Cartografiado de Textos. Protocolo de Exploración y Visualización de datos textuales aplicados a la Minería de Textos. Tesis para la Maestría en Ingeniería del Software e Ingeniería del Conocimiento.

Apuntes Redes Neuronales Artificiales (2005).

Tutorial de Weka (datamining con auto evaluación y práctica) (2006).

Apuntes de clase cursos de estadisitica multivariada (2007-2008).

Tutorial de R y FassClass (2008)

http://ai.frm.utn.edu.ar/micesari//files/