Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Guia metodológica para la selección de técnicas de depuración de datos

Amón Uribe, Iván (2010) Guia metodológica para la selección de técnicas de depuración de datos. Maestría thesis, Universidad Nacional de Colombia.

Texto completo

[img]
Vista previa
PDF (Contenido) - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

2MB
[img]
Vista previa
PDF (Anexos) - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

328kB
[img]
Vista previa
PDF (Anexos) - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

69kB
[img]
Vista previa
PDF (Anexos) - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

248kB

Resumen

Los problemas de calidad de los datos han capturado la atención de los investigadores, llevando al desarrollo de múltiples técnicas para detectar y corregir los problemas en los datos, pero no es trivial decidir cuáles técnicas deben aplicarse a un conjunto de datos particular de la vida real. Para lograr buenos resultados en procesos de limpieza de datos, la elección de la técnica es fundamental, pero no se conoce de alguna metodología que detalle la forma de realizar dicha selección de técnicas. Es por esto que esta tesis de maestría construye una guía metodológica que oriente al analista de los datos hacia una selección, con mayor rigor científico, de las técnicas adecuadas para aplicar a un conjunto de datos particular de un dominio específico. La guía metodológica construida en este trabajo, orienta la selección de técnicas para tres de los posibles problemas que pueden presentar los datos: detección de duplicados, valores atípicos incorrectos y valores faltantes. Analistas de datos que requieran hacer tareas de depuración de datos para los tres problemas mencionados, encontrarán una guía metodológica expresada mediante diagramas de flujo, la cual recomienda una o varias técnicas –de entre algunas estudiadas- para su situación particular. / Abstract. Data quality problems have captured the attention of researchers, leading to the development of multiple techniques to detect and correct problems in the data, but it is not trivial to decide which techniques should be applied to a particular data set of real life. To achieve good results in data cleaning processes, the choice of technique is essential, but of the best of our knowledgement not known any methodology that details how to perform the selection of techniques. This work builds a methodological guide that orients the analyst of the data to a selection, with greater scientific rigor, appropriate techniques to apply to a particular data set from a specific domain. The guide direct the selection of techniques for three of the possible problems that may present the data: record linkage, outliers and missing values. Data analysts do tasks requiring data cleansing for the three problems mentioned above, find a methodological guide expressed by flowcharts, which recommends one or more techniques for their particular situation

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor: Jiménez Ramírez, Claudia Stella
Palabras clave:Depuración en Ciencia del Computador; Datos; Bases de datos; Programación (Computadores)
Temática:0 Generalidades / Computer science, information & general works
Unidad administrativa:Sede Medellín > Facultad de Minas > Escuela de Ingeniería de Materiales
Código ID:2033
Enviado por : Biblioteca Sede Medellín Universidad Nacional de Colombia
Enviado el día :04 Oct 2010 19:12
Ultima modificación:15 Febrero 2011 03:04
Ultima modificación:15 Febrero 2011 03:04
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox