Uso de datamining y analisis de clúster para mejorar la productividad de Mipymes de la Ciudad de Pilar
Resumen
El objetivo de este trabajo es proporcionar a los usuarios empresariales conocimientos de las características operativas y de rendimiento en los aspectos de producción del negocio. El mismo presenta un enfoque metodológico para desarrollar una métrica práctica de recopilación de datos para la productividad basada en factores de influencia establecidos en los emprendimientos de carácter industrial.
Este estudio se realizará utilizando una técnica de Datamining denominada “Clúster Analysis” o análisis de clústeres, que permite identificar dentro de un conjunto de datos, un determinado grupo de usuarios según características comunes
Descargas
Citas
Nurul Islam, Martin Beer, Frances Slack. 2015. E-Learning Challenges Faced by Academics in Higher Education: A Literature Review. Sheffield Hallam University, UK. Publicado por Redfame Publishing.
Bharati M. Ramageri. DATA MINING TECHNIQUES AND APPLICATIONS. Indian Journal of Computer Science and Engineering Vol. 1 No. 4 301-305. 2010
Documentación NCSS. Clustering in NCSS. 2020https://www.ncss.com/software/ncss/clustering-in-ncss/
Sunil Kumar. 5 Common Problems Faced By Students In eLearning And How To Overcome Them. 2015https://elearningindustry.com/5-common-problems-faced-by-students-in-elearning-overcome
Explorium Data Science Team. Clustering — When You Should Use it and Avoid It. 2020https://www.explorium.ai/blog/clustering-when-you-should-use-it-and-avoid-it/
Tabla 1. Instituto Nacional de Estadística (INE)
Figura 1. scikit-learn.org
Fabián Pedregosa; Gael Varoquaux; Alejandro Gramfort; Vicente Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vicente Dubourg; Jake Vanderplas; Alejandro Passos; David Cournapeau; Matthieu Perrot; Édouard Duchesnay (2011). "Scikit-learn: aprendizaje automático en Python" . Revista de investigación de aprendizaje automático.
Tabla 1. Instituto Nacional de Estadística (INE)
Figura 1. scikit-learn.org
Fabián Pedregosa; Gael Varoquaux; Alejandro Gramfort; Vicente Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vicente Dubourg; Jake Vanderplas; Alejandro Passos; David Cournapeau; Matthieu Perrot; Édouard Duchesnay (2011). "Scikit-learn: aprendizaje automático en Python" . Revista de investigación de aprendizaje automático.
Manjarrés Betancourt, Juan Carlos. 8 algoritmos de agrupación en clústeres en el aprendizaje automático que todos los científicos de datos deben conocer.https://www.freecodecamp.org/espanol/news/8-algoritmos-de-agrupacion-en-clusteres-en-el-aprendizaje-automatico-que-todos-los-cientificos-de-datos-deben-conocer/
Kassambara, A. (2017). Practical guide to cluster analysis in R: Unsupervised machine learning (Vol. 1). Sthda.
George Seif (2018). The 5 Clustering Algorithms Data Scientists Need to Know. (Towards Data Science)
RDocumentation, Nick Carchedi, https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/kmeans
Derechos de autor 2023 Alberto Luis Ríos Vargas;Brian Marin Rios Nicoli
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.png)
