Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning
Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning
dc.contributor.author | Martínez, María Roxana | |
dc.contributor.author | Parkinson, Christian Aníbal | |
dc.contributor.author | Caruso, Martín | |
dc.contributor.author | López, Diego Joaquín | |
dc.contributor.author | Vargas Navarro, Rocio Del Carmen | |
dc.contributor.author | Rojas Meléndez, Nayiby Alessandra | |
dc.date.accessioned | 2023-09-18T23:26:04Z | |
dc.date.available | 2023-09-18T23:26:04Z | |
dc.date.issued | 2022 | |
dc.description.abstract | La política de los datos abiertos busca promover la innovación y transformar la actividad gubernamental para brindar mejores servicios y generar mayores niveles de transparencia en la sociedad. Por lo que, mantener la calidad en las fuentes de datos disponibilizadas es fundamental para su tratamiento y obtener así, un conocimiento de éstas. Actualmente, son pocos los trabajos realizados en aspectos de validaciones, análisis de contenidos internos de estos datasets, herramientas de datos, identificación de patrones en su estructura y demás. En base a esto, esta línea de investigación se enfoca en el análisis, diseño y desarrollo de herramientas de software que utilicen técnicas y propuestas para la validación de la calidad de los datos públicos abiertos en el contexto de Gobierno Abierto. Además de detectar el “estado de salud” de estos datos (grado de integridad, redundancia y otros), se trabaja en el estudio de patrones con el fin de incorporar modelos de predicción para aportar un valor agregado a la información otorgada por los gobiernos desde aspectos de Machine Learning, lo que ofrecerá un mejor análisis para la toma de decisiones gubernamentales. | |
dc.identifier.citation | Martínez, R.; Parkinson, C.; Casuso; M.; López, D.; Vargas, R.; Rojas, N. (2022). Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning. En: Workshop de Investigadores en Ciencias de la Computación, WICC. 24. 28-29 abr 2022, Mendoza, Argentina. Libro de Actas. Godoy Cruz : FUSMA Ediciones. p.:143-147 | |
dc.identifier.uri | https://repositorio.uai.edu.ar/handle/123456789/1728 | |
dc.language.iso | es | |
dc.publisher | FUSMA Ediciones | |
dc.subject | datos abiertos | |
dc.subject | gobierno abierto | |
dc.subject | métricas de calidad de datos | |
dc.subject | machine learning | |
dc.subject | predicciones a partir de patrones | |
dc.title | Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning | |
dc.type | DOCUMENTOCONF |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- 0000166245.pdf
- Size:
- 435.41 KB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed to upon submission
- Description: