xmlui/handle/123456789/116 2026-04-07T14:22:10Z 2026-04-07T14:22:10Z Hernández Alfaro, Kenyi xmlui/handle/123456789/424 2023-08-30T21:58:28Z 2023-07-01T00:00:00Z

Evaluación de la factibilidad del uso exclusivo de herramientas de software de código abierto para la construcción de cubos de información que permitan realizar análisis de datos con el fin de abaratar costos en licenciamiento en un proyecto de inteligencia de negocios. Hernández Alfaro, Kenyi En la actualidad, los datos son el activo más importante de las organizaciones. Transformar esos datos en conocimiento es el quehacer de la inteligencia de negocios. Las organizaciones deben invertir tiempo y recursos en proyectos de inteligencia de negocios para ser más competitivos y tomar decisiones de forma más certera. Implementar proyectos en inteligencia de negocios que sean rentables y, de paso, tratar de abaratar los costos por medio de la utilización de software libre es una tarea de los responsables de los proyectos en tecnología. Con esta investigación, se pretende responder a la interrogante: ¿es posible construir cubos de información para el análisis de datos con el uso exclusivo de herramientas de licenciamiento open source? Para solventar la interrogante, se identificaron todas las posibles herramientas disponibles en el mercado; luego, se clasificaron según sus características y, posteriormente, se escogió una herramienta que solvente las necesidades específicas y que se plasmó en una guía la secuencia de cómo construir un cubo de información, haciendo uso de esta tecnología de software. Se ha considerado que la solución responda a la interrogante de si se pueda utilizar un grupo de herramientas que éstas sean complementarias.

2023-07-01T00:00:00Z Cárdenas Corrales, Frank xmlui/handle/123456789/397 2023-06-08T00:10:45Z 2023-02-01T00:00:00Z

Creación de un manual para la implementación de un sistema de información enfocado a la industria de manufactura en agilizar los procesos, facilitar la captura de datos y análisis de la información. Cárdenas Corrales, Frank El manejo de los datos en la actualidad ha evolucionado de tal forma que proveedores de servicios en la nube ofrecen herramientas para facilitar a los usuarios la captura, manipulación y análisis de la información, ofreciendo servicios para el manejo de bases de datos, tanto estructurados como no estructurados, herramientas para integración de los mismos, manejo de redes y comunicación con equipos, tanto fuera como dentro de la nube, creación de interfaces para la captura de datos y equipos virtuales para poner en producción los proyectos entre muchos otros servicios como para realizar analítica avanzada. Esto ha generado una tendencia de las organizaciones a migrar sus procesos hacia la nube, de ahí la importancia de adquirir conocimientos y documentar la forma en que trabajan estos servicios, cuyo objetivo será plasmado en este documento. Por otro lado, con los conocimientos adquiridos durante la maestría sobre las bondades que ofrecen los diferentes motores de bases de datos y sus herramientas, se visualiza la oportunidad de crear un esquema de base de datos capaz de llevar los indicadores principales para el control de las plantas de manufactura, ya que es un proceso que actualmente se lleva a mano en muchas empresas debido a que los sistemas que utilizan en muchas fábricas se han enfocado más en control de inventarios, manejo de planilla entre otros temas. Como resultado de este proyecto se ofrece al lector una visión holística sobre diferentes servicios en la nube, profundizando en el uso de algunos servicios, la creación y puesta en marcha de un código para bases de datos capaz de controlar los indicadores de un proceso de manufactura, así como los reportes para el control de estos.

2023-02-01T00:00:00Z Zelaya Rivas, Óscar Andrés xmlui/handle/123456789/393 2023-06-07T00:28:11Z 2020-05-01T00:00:00Z

Evaluación comparativa del modelo HTAP con el modelo OLAP para su utilización en el área de inteligencia de negocios. Zelaya Rivas, Óscar Andrés El presente proyecto busca dictar el beneficio que se puede obtener al optar por la opción de Hybrid Transactional/Analytical Processing en lugar de los sistemas transaccionales y analíticos que se implantan por separado. Al considerarse una alternativa tan reciente, no existe información clara sobre aspectos de rendimiento o funcionalidades que se pueden obtener de este modelo. Por eso, se decidió llevar a cabo una evaluación comparativa que permita aclarar lo que este modelo ofrece en el aspecto analítico, en contraste con el tradicional On-line Analytical Processing. Para esta comparación se implementaron sistemas que cumplían el mismo propósito, pero con modelos de procesamiento analítico distintos. Cada implementación utilizó uno de los modelos mencionados y, en el caso de On-line Analytical Processing, se optó por dos de sus alternativas: la relacional y la multidimensional.

2020-05-01T00:00:00Z Wu Feng, Greivin xmlui/handle/123456789/392 2023-06-07T00:25:59Z 2018-05-01T00:00:00Z

Desarrollo de una solución de asistencia médica computarizada para detección de cáncer de pulmón mediante imágenes de tomografía computarizada utilizando herramientas de Big Data. Wu Feng, Greivin El cáncer es una de las causas primarias de muertes a nivel mundial. Según datos de la Organización Mundial de la Salud (OMS), el cáncer de pulmón es uno de los que causa un mayor número de muertes anuales tanto en hombres como mujeres en comparación a otros tipos de cáncer. Los síntomas frecuentes del cáncer de pulmón son la dificultad de respirar, tos y en algunos casos esta viene acompañada con sangre, entre otras manifestaciones que pueden llevar a confundirlo con cualquier otra enfermedad respiratoria. De allí la importancia de una detección temprana, pues además posee una alta mortalidad. El objetivo de este estudio es demostrar la detección de cáncer de pulmón en un enfoque de procesamiento de imágenes médicas de tomografía computarizada. El desarrollo del enfoque ofrecerá la aplicación de conceptos de procesamiento de imágenes, técnicas de segmentación de imágenes y finalmente aplicación de algoritmos de clasificación de minería de datos y aprendizaje de máquinas en un ambiente de Big Data.

2018-05-01T00:00:00Z