Mostrar el registro sencillo del ítem
Big data para sistemas de información geográfica (SIG)
dc.contributor.author | Corporación Universidad de la Costa | spa |
dc.date.accessioned | 2020-07-21T19:46:13Z | |
dc.date.available | 2020-07-21T19:46:13Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | https://hdl.handle.net/11323/6765 | spa |
dc.description.abstract | El crecimiento en el volumen de datos generados por diferentes sistemas y actividades cotidianas en la sociedad ha forjado la necesidad desde la Ingeniería modificar, optimizar y generar métodos y modelos de almacenamiento y tratamiento de datos que suplan las falencias que presentan las bases de datos y los sistemas de gestión de datos tradicionales. Respondiendo a esto surgió la implementación de Big Data, término que incluye diferentes tecnologías asociadas a la administración y el procesamiento de grandes volúmenes de datos provenientes de diferentes fuentes y que se generan con rapidez. De esta manera, herramientas como los Sistemas de Información Geográfica (SIG) constituyen una herramienta innovadora para el almacenamiento de información general y específica de nuestro entorno. Esta enorme cantidad de datos, así como los datos que se generarán a futuro con la evolución de los SIG, acarrean la necesidad de contar con profesionales en el ámbito de la Ingeniería idóneos y con amplias competencias en sistemas de gestión de datos mejorados | spa |
dc.language.iso | spa | |
dc.publisher | Universidad de la Costa | spa |
dc.relation.ispartofseries | Contenidos académicos por cátedra | spa |
dc.rights | CC0 1.0 Universal | spa |
dc.rights.uri | http://creativecommons.org/publicdomain/zero/1.0/ | spa |
dc.subject | Modelos de almacenamiento | spa |
dc.subject | Bases de datos | spa |
dc.subject | Big data | spa |
dc.title | Big data para sistemas de información geográfica (SIG) | spa |
dc.type | Otros | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.identifier.instname | Corporación Universidad de la Costa | spa |
dc.identifier.reponame | REDICUC - Repositorio CUC | spa |
dc.identifier.repourl | https://repositorio.cuc.edu.co/ | spa |
dc.publisher.program | Ingeniería Industrial | spa |
dc.relation.references | Cate, Fred H. (2014). The Big Data Debate. Science 346(6211): 818-818. | spa |
dc.relation.references | Gotway, Carol A., and Linda J. Young. (2002). Combining Incompatible Spatial Data. Journal of the American Statistical Association 97(458): 632-648. | spa |
dc.relation.references | Ma, Y. (2015). Remote sensing big data computing: Challenges and opportunities. Future Generat. Comput. Syst. 51:47–60. | spa |
dc.relation.references | Mohamed, A., Nahafabadi, M.K., Wah, Y.B., Zaman, E.A.K., Maskat, R. (2019). The state of the art and taxonomy of big data analytics: View from the new big data framework. Artif. Intell. Rev. 1–49. | spa |
dc.relation.references | Olaya, V. (2011). Sistemas de Información Geográfica. http://wiki.osgeo.org/wiki/Libro_SIG. | spa |
dc.relation.references | Penchikala, Srini. (2015). Big Data Processing in Apache Spark – Part 1: Introduction. InfoQ Article. | spa |
dc.relation.references | Smith, MJ, MF Goodchild and PA Longley. (2006-2011). Geospatial Analysis: A Comprehensive Guide to Principles, Techniques and Software Tools, 3rd Edition. | spa |
dc.relation.references | Castro Zuluaga, C., Uribe Cadavid, D., & Castro Urrego, J. (2014). Marco de referencia para el desarrollo de un sistema de apoyo para la toma de decisiones para la gestión de inventarios. INGE CUC, 10(1), 30-42. Retrieved from https://revistascientificas.cuc.edu.co/ingecuc/article/view/340 | spa |
dc.relation.references | Bustacara Prasca, A., Becerra Rueda, E., & Niebles-Atencio, F. (2016). Programación multiobjetivo de las operaciones en un laboratorio de análisis de minerales usando colonia de hormigas. IJMSOR: International Journal of Management Science & Operation Research, 1(1), 8-19. Recuperado a partir de http://ijmsoridi.com/index.php/ijmsor/article/view/72 | spa |
dc.relation.references | Gómez Montoya, R., Sánchez Alzate, J., & Palacio Muñoz, J. (2011). Análisis de la operación despacho en un centro de distribución basado en gestión de procesos y simulación. INGE CUC, 7(1), 75-86. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/278 | spa |
dc.relation.references | Dutcher, Jenna. (2014). What is Big Data? UC Berkeley Data Science Blog. | spa |
dc.relation.references | Press, Gil. (2014). 12 Big Data Definitions: What’s Yours? Forbes Blog. | spa |
dc.relation.references | Atz, Ulrich. (2013). 11 Tips on How to Handle Big Data in R. Open Data Institute Blog. | spa |
dc.relation.references | Viloria, A., Torres, M., Vargas, J., & Pineda, O. B. (2020). Enrichment of Metabolic Routes through Big Data. In S. E. & Y. A.-U.-H. (Eds.), Procedia Computer Science (Vol. 170, pp. 899–904). Universidad de la Costa, Barranquilla, Colombia: Elsevier B.V. https://doi.org/10.1016/j.procs.2020.03.113 | spa |
dc.relation.references | Viloria, A., Guiliany, J. G., Llinás, N. O., Hernandez-P, H., Sanabria, E. S., & Lezama, O. B. P. (2020). Selecting electrical billing attributes: big data preprocessing improvements. Lecture Notes in Electrical Engineering. Universidad de la Costa, St. 58 #66, Barranquilla, Atlántico, Colombia: Springer. https://doi.org/10.1007/978-981-15-3125-5_44 | spa |
dc.relation.references | Varela, N., Silva, J., Gonzalez, F. M., Palencia, P., Palma, H. H., & Pineda, O. B. (2020). Method for the Recovery of Images in Databases of Rice Grains from Visual Content. In S. E. & Y. A.-U.-H. (Eds.), Procedia Computer Science (Vol. 170, pp. 983–988). Universidad de la Costa, Barnaquila, Colombia: Elsevier B.V. https://doi.org/10.1016/j.procs.2020.03.097 | spa |
dc.relation.references | Viloria, A., Senior Naveda, A., Hernández Palma, H., Niebles Núẽz, W., & Niebles Núẽz, L. (2020). Using Big Data to Determine Potential Dropouts in Higher Education. In Journal of Physics: Conference Series (Vol. 1432, p. 012077). https://doi.org/10.1088/1742-6596/1432/1/012077 | spa |
dc.relation.references | Silva, J., Hernández Palma, H., Niebles Núẽz, W., Ruiz-Lazaro, A., & Varela, N. (2020). Big Data and Automatic Detection of Topics: Social Network Texts. In Journal of Physics: Conference Series (Vol. 1432, p. 012073). https://doi.org/10.1088/1742-6596/1432/1/012073 | spa |
dc.relation.references | Viloria, A., Wang, G., & Gaitan, M. (2020). Segmentation of Sales for a Mobile Phone Service Through CART Classification Tree Algorithm. Smart Innovation, Systems and Technologies (Vol. 164). https://doi.org/10.1007/978-981-32-9889-7_7 | spa |
dc.relation.references | Viloria, A., Sierra, D. M., Camargo, J. F., Zea, K. B., Fuentes, J. P., Hernández-Palma, H., & Kamatkar, S. J. (2020). Demand in the Electricity Market: Analysis Using Big Data. Advances in Intelligent Systems and Computing (Vol. 1039). https://doi.org/10.1007/978-3-030-30465-2_36 | spa |
dc.relation.references | Viloria, A., Lis-Gutiérrez, J. P., Gaitán-Angulo, M., Godoy, A. R. M., Moreno, G. C., & Kamatkar, S. J. (2018). Methodology for the design of a student pattern recognition tool to facilitate the teaching - Learning process through knowledge data discovery (big data). Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 10943 LNCS). https://doi.org/10.1007/978-3-319-93803-5_63 | spa |
dc.relation.references | Chávez Porras, Álvaro, Pinzón Uribe, L., & Velasquez Castiblanco, Y. (2017). Análisis comparativo de ensayos de Fito-remediación en lodos de lixiviado aplicando Análisis Envolvente de Datos. INGE CUC, 13(2), 79-83. https://doi.org/10.17981/ingecuc.13.2.2017.07 | spa |
dc.relation.references | Ardila Gamboa, C., & Ballesteros Riveros, F. (2018). Análisis Envolvente de Datos (DEA) para medir el desempeño relativo basado en indicadores de una red de abastecimiento con Logística Inversa. INGE CUC, 14(2), 137-146. https://doi.org/10.17981/ingecuc.14.2.2018.13 | spa |
dc.relation.references | Ardila Gamboa, C., & Ballesteros Riveros, F. (2018). Análisis Envolvente de Datos (DEA) para medir el desempeño relativo basado en indicadores de una red de abastecimiento con Logística Inversa. INGE CUC, 14(2), 137-146. https://doi.org/10.17981/ingecuc.14.2.2018.13 | spa |
dc.relation.references | Segura, E. (2016). Información, estabilidad y complejidad de aprendizaje en memorias asociativas. IJMSOR: International Journal of Management Science & Operation Research, 1(1), 49-53. Recuperado a partir de http://ijmsoridi.com/index.php/ijmsor/article/view/77 | spa |
dc.relation.references | IBM. (2014). IBM What is big data? — Bringing big data to the enterprise. www.ibm.com. Retrieved from http://www.ibm.com/big-data/us/en/ | spa |
dc.relation.references | The R Project for Statistical Computing. Available online: http://www.r-project.org/ | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_1843 | spa |
dc.type.content | Text | spa |
dc.type.driver | info:eu-repo/semantics/other | spa |
dc.type.redcol | http://purl.org/redcol/resource_type/ARTOTR | spa |
dc.type.version | info:eu-repo/semantics/acceptedVersion | spa |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa | spa |
dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | spa |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Planes de Asignaturas [356]
Contenidos académicos e investigativos de las asignaturas impartidas en los diferentes programas de la Universidad de la Costa.