Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)

El presente proyecto se enfoca en desarrollar un modelo dimensional de Data Warehouse que integra técnicas de aprendizaje no supervisado para apoyar la toma de decisiones en el programa “Norte del Cauca Cómo Vamos” (NCCV). El objetivo principal del proyecto es centralizar y unificar los datos socioe...

Full description

Autores:: Velasco García, Daniel Felipe
Osorio Rodríguez, Jennifer Yesenia

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2024

Institución:: Universidad de San Buenaventura

Repositorio:: Repositorio USB

Idioma:: spa

id	SANBUENAV2_3434e6ec1b9a1ba9b247ce0819b54648
oai_identifier_str	oai:bibliotecadigital.usb.edu.co:10819/23702
network_acronym_str	SANBUENAV2
network_name_str	Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
title	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
spellingShingle	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV) Data Warehouse Cluster Administración de recursos 650 - Gerencia y servicios auxiliares::658 - Gerencia general Data Warehouse Aprendizaje no Supervisado Clustering Datos Semiestructurados ETL Datos Socieconómicos
title_short	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
title_full	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
title_fullStr	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
title_full_unstemmed	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
title_sort	Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)
dc.creator.fl_str_mv	Velasco García, Daniel Felipe Osorio Rodríguez, Jennifer Yesenia
dc.contributor.advisor.none.fl_str_mv	Hidalgo Suárez, Carlos Giovanny
dc.contributor.author.none.fl_str_mv	Velasco García, Daniel Felipe Osorio Rodríguez, Jennifer Yesenia
dc.subject.armarc.none.fl_str_mv	Data Warehouse Cluster Administración de recursos
topic	Data Warehouse Cluster Administración de recursos 650 - Gerencia y servicios auxiliares::658 - Gerencia general Data Warehouse Aprendizaje no Supervisado Clustering Datos Semiestructurados ETL Datos Socieconómicos
dc.subject.ddc.none.fl_str_mv	650 - Gerencia y servicios auxiliares::658 - Gerencia general
dc.subject.proposal.spa.fl_str_mv	Data Warehouse Aprendizaje no Supervisado Clustering Datos Semiestructurados ETL Datos Socieconómicos
description	El presente proyecto se enfoca en desarrollar un modelo dimensional de Data Warehouse que integra técnicas de aprendizaje no supervisado para apoyar la toma de decisiones en el programa “Norte del Cauca Cómo Vamos” (NCCV). El objetivo principal del proyecto es centralizar y unificar los datos socioeconómicos de diversas fuentes, como la salud, educación, empleo y seguridad, recolectados en los municipios de Guachené, Puerto Tejada y Santander de Quilichao. Estos datos, previamente no estructurados, se organizan mediante un Data Warehouse, facilitando su acceso, análisis y visualización para los interesados en el programa. La metodología empleada incluyó el diseño e implementación de un almacén de datos, apoyado por técnicas de aprendizaje no supervisado, específicamente el clustering, para identificar patrones ocultos en los datos semiestructurados.
publishDate	2024
dc.date.issued.none.fl_str_mv	2024
dc.date.accessioned.none.fl_str_mv	2025-02-10T19:47:44Z
dc.date.available.none.fl_str_mv	2025-02-10T19:47:44Z
dc.type.spa.fl_str_mv	Trabajo de grado - Pregrado
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.none.fl_str_mv	Velasco, D, Osorio, JY, (2024) Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). Trabajo de grado Ingeniería de Sistemas, Universidad de San Buenaventura Cali, Facultad de Ingeniería, 2024
dc.identifier.instname.spa.fl_str_mv	instname:Universidad de San Buenaventura
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad de San Buenaventura
dc.identifier.repourl.spa.fl_str_mv	repourl:https://bibliotecadigital.usb.edu.co/
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/10819/23702
identifier_str_mv	Velasco, D, Osorio, JY, (2024) Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). Trabajo de grado Ingeniería de Sistemas, Universidad de San Buenaventura Cali, Facultad de Ingeniería, 2024 instname:Universidad de San Buenaventura reponame:Repositorio Institucional Universidad de San Buenaventura repourl:https://bibliotecadigital.usb.edu.co/
url	https://hdl.handle.net/10819/23702
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.references.none.fl_str_mv	[1] Ministerio de Tecnologías de la Información y las Comunicaciones. (2018). Manual para la Implementación de la Política de Gobierno https://gobiernodigital.mintic.gov.co/692/articles-79394_recurso_1.pdf [2] Digital. CINTEL, “Ciudades Inteligentes,” https://cintel.co/lineas-de-accion/innovacion/ciudadesinteligentes/. Accessed: Oct. 02, 2024. [Online]. Available: https://cintel.co/lineas-deaccion/innovacion/ciudades-inteligentes/. Valentina Díaz, “El impacto de las ciudades inteligentes en Colombia,” https://www.ccit.org.co/articulos-tictac/el-impacto-de-las-ciudades-inteligentes-encolombia/. Ministerio de Tecnologías de la Información y las Comunicaciones, “Modelo de Ciudades y Territorios Inteligentes,” 2021. “Norte del Cauca Cómo Vamos,” https://nortedelcaucacomovamos.org/que-es-el-norte-delcauca-como-vamos/. “Bogotá Cómo Vamos,” https://bogotacomovamos.org/quienes-somos/. “DANE,” https://www.dane.gov.co/index.php/acerca-del-dane/informacioninstitucional/generalidades. “Oracle,” https://www.oracle.com/co/database/what-is-a-data-warehouse/. Matthew J. Page et al., “Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas,” Rev Esp Cardiol, vol. 74, no. 9, pp. 790–799, 2021. [10] Eduardo Andrés Sandoval Forero, “METODOLOGÍA PARA LA REVISIÓN SISTEMÁTICA DE LITERATURA CRÍTICA SOBRE LOS DESARROLLOS,” Ciencia Latina, vol. 8, 2024. [11] A. Nesvijevskaia, S. Ouillade, P. Guilmin, and J. D. Zucker, “The accuracy versus interpretability trade-off in fraud detection model,” Data Policy, vol. 3, no. 7, Jul. 2021, doi: 10.1017/dap.2021.3. [12] H. T. D. Pham and D. K. Sewell, “Automated detection of edge clusters via an overfitted mixture prior,” Network Science, 2024, doi: 10.1017/nws.2023.22. [13] A. Simonofski, T. Tombal, C. De Terwangne, P. Willem, B. Frenay, and M. Janssen, “Balancing fraud analytics with legal requirements: Governance practices and trade-offs in public administrations,” Data Policy, vol. 4, no. 1–2, May 2022, doi: 10.1017/dap.2022.6. Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). 129 [14] C. M. Parish, “Cluster Analysis of Combined EDS and EBSD Data to Solve Ambiguous Phase Identifications,” Microscopy and Microanalysis, vol. 28, no. 2, pp. 371–382, Apr. 2022, doi: 10.1017/S1431927622000010. [15] L. A. Briceno-Mena, M. Nnadili, M. G. Benton, and J. A. Romagnoli, “Data mining and knowledge discovery in chemical processes: Effect of alternative processing techniques,” Apr. 26, 2022, Cambridge University Press. doi: 10.1017/dce.2022.21. [16] M. Thundathil, A. R. Nazmi, B. Shahri, N. Emerson, J. Müssig, and T. Huber, “Designing with biobased composites: Understanding digital material perception through semiotic attributes,” Design Science, vol. 9, Mar. 2023, doi: 10.1017/dsj.2023.5. [17] A. S. Bansal, Y. Lee, K. Hilburn, and I. Ebert-Uphoff, “Leveraging spatiotemporal information in meteorological image sequences: From feature engineering to neural networks,” Environmental Data Science, vol. 2, 2023, doi: 10.1017/eds.2023.26. [18] T. Griffiths, D. Corrêa, M. Hodkiewicz, and A. Polpo, “Managing streamed sensor data for mobile equipment prognostics,” Data-Centric Engineering, vol. 3, no. 1, Apr. 2022, doi: 10.1017/dce.2022.4. [19] O. Biran et al., “PolicyCLOUD: A prototype of a cloud serverless ecosystem for policy analytics,” Data Policy, vol. 4, no. 1, Nov. 2022, doi: 10.1017/dap.2022.32 . [20] G. Faggioli, K. Tanidis, and S. Camera, “Towards simulating a realistic data analysis with an optimised angular power spectrum of spectroscopic galaxy surveys,” Exp Results, vol. 1, Dec. 2020, doi: 10.1017/exp.2020.59. [21] Z. Alavikia and M. Shabro, “A comprehensive layered approach for implementing internet of things-enabled smart grid: A survey,” Jun. 01, 2022, Chongqing University of Posts and Telecommunications. doi: 10.1016/j.dcan.2022.01.002. [22] Y. Lin, Z. Jun, M. Hongyan, Z. Zhongwei, and F. Zhanfang, “A method of extracting the semi-structured data implication rules,” in Procedia Computer Science, Elsevier B.V., 2018, pp. 706–716. doi: 10.1016/j.procs.2018.04.315. [23] Ö. Canay and Ü. Kocabıçak, “An innovative data collection method to eliminate the preprocessing phase in web usage mining,” Engineering Science and Technology, an International Journal, vol. 40, Apr. 2023, doi: 10.1016/j.jestch.2023.101360. [24] F. De Paoli et al., “An interactive approach to semantic enrichment with geospatial data,” Data Knowl Eng, vol. 153, Sep. 2024, doi: 10.1016/j.datak.2024.102341. Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). 130 [25] S. Siuly, H. Wang, L. Chen, Y. Guo, and C. Xing, Eds., Health Information Science, vol. 13079. in Lecture Notes in Computer Science, vol. 13079. Cham: Springer International Publishing, 2021. doi: 10.1007/978-3-030-90885-0. [26] K. Yao, “Application of sensor-based speech data mining in E-commerce operations data analysis,” Measurement: Sensors, vol. 33, p. 101118, Jun. 2024, doi: 10.1016/j.measen.2024.101118. [27] F. Ridzuan and W. M. N. Wan Zainon, “A review on data cleansing methods for big data,” in Procedia Computer Science, Elsevier B.V., 2019, pp. 731–738. doi: 10.1016/j.procs.2019.11.177. [28] W. H. Kwok, Y. Zhang, and G. Wang, “Artificial intelligence in perinatal mental health research: A scoping review,” Jul. 01, 2024, Elsevier Ltd. doi: 10.1016/j.compbiomed.2024.108685. [29] P. Chen et al., “Editorial http://www.springer.com/series/7899 Board Members.” [Online]. Available: [30] H. Lahiani and M. Frikha, “A Systematic Review of Social Media Data Mining on Android,” in Procedia Computer Science, Elsevier B.V., 2023, pp. 2018–2027. doi: 10.1016/j.procs.2023.10.192.
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.*.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv	openAccess
rights_invalid_str_mv	http://purl.org/coar/access_right/c_abf2 Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.extent.none.fl_str_mv	136 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad de San Buenaventura
dc.publisher.branch.spa.fl_str_mv	Cali
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.none.fl_str_mv	Cali
dc.publisher.program.spa.fl_str_mv	Ingeniería de Sistemas
institution	Universidad de San Buenaventura
dc.source.other.none.fl_str_mv	Cali
bitstream.url.fl_str_mv	https://bibliotecadigital.usb.edu.co/bitstreams/0e5d998c-844d-473b-bda7-5991bca71150/download https://bibliotecadigital.usb.edu.co/bitstreams/1ab0f3e9-788e-43c6-b95b-1583ec9f158a/download https://bibliotecadigital.usb.edu.co/bitstreams/897c9272-7672-4eb8-bc6a-91f665a38ed0/download https://bibliotecadigital.usb.edu.co/bitstreams/04be3426-7186-4eb0-9efe-0af07cbfe449/download https://bibliotecadigital.usb.edu.co/bitstreams/9fc92efa-0cfc-41cf-a007-2441f37e51e3/download https://bibliotecadigital.usb.edu.co/bitstreams/b8ca9eab-88cf-4b02-af8e-a7244a86e6c4/download https://bibliotecadigital.usb.edu.co/bitstreams/be054aa3-3233-426e-826f-a4db53008f9c/download https://bibliotecadigital.usb.edu.co/bitstreams/71146062-7819-4c39-9b9f-020a69988528/download
bitstream.checksum.fl_str_mv	b428339fb86a06058f68ebbd9a525c7d 25785f460ac284412c3e6ea948dfb43e 3b6ce8e9e36c89875e8cf39962fe8920 ce8fd7f912f132cbeb263b9ddc893467 01be5413f7efeb648f0917eaef149f9e e0f414efb6fa98cee67e1ab3bc545ad4 48b2617eb5099eab1fe1a417f5b8f76e 1cb17e514a8ebccbd182ece346a20c7f
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv	bdigital@metabiblioteca.com
_version_	1837099292836233216
spelling	Hidalgo Suárez, Carlos Giovannyvirtual::2897-1Velasco García, Daniel FelipeOsorio Rodríguez, Jennifer Yesenia2025-02-10T19:47:44Z2025-02-10T19:47:44Z2024El presente proyecto se enfoca en desarrollar un modelo dimensional de Data Warehouse que integra técnicas de aprendizaje no supervisado para apoyar la toma de decisiones en el programa “Norte del Cauca Cómo Vamos” (NCCV). El objetivo principal del proyecto es centralizar y unificar los datos socioeconómicos de diversas fuentes, como la salud, educación, empleo y seguridad, recolectados en los municipios de Guachené, Puerto Tejada y Santander de Quilichao. Estos datos, previamente no estructurados, se organizan mediante un Data Warehouse, facilitando su acceso, análisis y visualización para los interesados en el programa. La metodología empleada incluyó el diseño e implementación de un almacén de datos, apoyado por técnicas de aprendizaje no supervisado, específicamente el clustering, para identificar patrones ocultos en los datos semiestructurados.This project focuses on developing a dimensional Data Warehouse model that integrates unsupervised learning techniques to support decision-making in the "Norte del Cauca Cómo Vamos" (NCCV) program. The main objective is to centralize and unify socioeconomic data from various sources, including health, education, employment, and security, collected in the municipalities of Guachené, Puerto Tejada, and Santander de Quilichao. This previously unstructured data is organized through a Data Warehouse, facilitating its access, analysis, and visualization for program stakeholders.PregradoIngeniero de Sistemas136 páginasapplication/pdfVelasco, D, Osorio, JY, (2024) Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). Trabajo de grado Ingeniería de Sistemas, Universidad de San Buenaventura Cali, Facultad de Ingeniería, 2024instname:Universidad de San Buenaventurareponame:Repositorio Institucional Universidad de San Buenaventurarepourl:https://bibliotecadigital.usb.edu.co/https://hdl.handle.net/10819/23702spaUniversidad de San BuenaventuraCaliFacultad de IngenieríaCaliIngeniería de Sistemas[1] Ministerio de Tecnologías de la Información y las Comunicaciones. (2018). Manual para la Implementación de la Política de Gobierno https://gobiernodigital.mintic.gov.co/692/articles-79394_recurso_1.pdf [2] Digital. CINTEL, “Ciudades Inteligentes,” https://cintel.co/lineas-de-accion/innovacion/ciudadesinteligentes/. Accessed: Oct. 02, 2024. [Online]. Available: https://cintel.co/lineas-deaccion/innovacion/ciudades-inteligentes/. Valentina Díaz, “El impacto de las ciudades inteligentes en Colombia,” https://www.ccit.org.co/articulos-tictac/el-impacto-de-las-ciudades-inteligentes-encolombia/. Ministerio de Tecnologías de la Información y las Comunicaciones, “Modelo de Ciudades y Territorios Inteligentes,” 2021. “Norte del Cauca Cómo Vamos,” https://nortedelcaucacomovamos.org/que-es-el-norte-delcauca-como-vamos/. “Bogotá Cómo Vamos,” https://bogotacomovamos.org/quienes-somos/. “DANE,” https://www.dane.gov.co/index.php/acerca-del-dane/informacioninstitucional/generalidades.“Oracle,” https://www.oracle.com/co/database/what-is-a-data-warehouse/. Matthew J. Page et al., “Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas,” Rev Esp Cardiol, vol. 74, no. 9, pp. 790–799, 2021. [10] Eduardo Andrés Sandoval Forero,“METODOLOGÍA PARA LA REVISIÓN SISTEMÁTICA DE LITERATURA CRÍTICA SOBRE LOS DESARROLLOS,” Ciencia Latina, vol. 8, 2024. [11] A. Nesvijevskaia, S. Ouillade, P. Guilmin, and J. D. Zucker, “The accuracy versus interpretability trade-off in fraud detection model,” Data Policy, vol. 3, no. 7, Jul. 2021, doi: 10.1017/dap.2021.3. [12] H. T. D. Pham and D. K. Sewell, “Automated detection of edge clusters via an overfitted mixture prior,”Network Science, 2024, doi: 10.1017/nws.2023.22.[13] A. Simonofski, T. Tombal, C. De Terwangne, P. Willem, B. Frenay, and M. Janssen, “Balancing fraud analytics with legal requirements: Governance practices and trade-offs in public administrations,” Data Policy, vol. 4, no. 1–2, May 2022, doi: 10.1017/dap.2022.6. Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). 129 [14] C. M. Parish, “Cluster Analysis of Combined EDS and EBSD Data to Solve AmbiguousPhase Identifications,” Microscopy and Microanalysis, vol. 28, no. 2, pp. 371–382, Apr. 2022, doi: 10.1017/S1431927622000010. [15] L. A. Briceno-Mena, M. Nnadili, M. G. Benton, and J. A. Romagnoli, “Data mining and knowledge discovery in chemical processes: Effect of alternative processing techniques,” Apr. 26, 2022, Cambridge University Press. doi: 10.1017/dce.2022.21. [16] M. Thundathil, A. R. Nazmi, B. Shahri, N. Emerson, J. Müssig, and T. Huber, “Designing with biobased composites: Understanding digital material perception through semiotic attributes,” Design Science, vol. 9, Mar. 2023, doi: 10.1017/dsj.2023.5. [17] A. S. Bansal, Y. Lee, K. Hilburn, and I. Ebert-Uphoff, “Leveraging spatiotemporal information in meteorological image sequences: From feature engineering to neural networks,” Environmental Data Science, vol. 2, 2023, doi: 10.1017/eds.2023.26.[18] T. Griffiths, D. Corrêa, M. Hodkiewicz, and A. Polpo, “Managing streamed sensor data for mobile equipment prognostics,” Data-Centric Engineering, vol. 3, no. 1, Apr. 2022, doi: 10.1017/dce.2022.4.[19] O. Biran et al., “PolicyCLOUD: A prototype of a cloud serverless ecosystem for policy analytics,” Data Policy, vol. 4, no. 1, Nov. 2022, doi: 10.1017/dap.2022.32. [20] G. Faggioli, K. Tanidis, and S. Camera, “Towards simulating a realistic data analysis with an optimised angular power spectrum of spectroscopic galaxy surveys,” Exp Results, vol. 1, Dec. 2020, doi: 10.1017/exp.2020.59.[21] Z. Alavikia and M. Shabro, “A comprehensive layered approach for implementing internet of things-enabled smart grid: A survey,” Jun. 01, 2022, Chongqing University of Posts and Telecommunications. doi: 10.1016/j.dcan.2022.01.002. [22] Y. Lin, Z. Jun, M. Hongyan, Z. Zhongwei, and F. Zhanfang, “A method of extracting the semi-structured data implication rules,” in Procedia Computer Science, Elsevier B.V., 2018, pp. 706–716. doi: 10.1016/j.procs.2018.04.315.[23] Ö. Canay and Ü. Kocabıçak, “An innovative data collection method to eliminate the preprocessing phase in web usage mining,” Engineering Science and Technology, an International Journal, vol. 40, Apr. 2023, doi: 10.1016/j.jestch.2023.101360.[24] F. De Paoli et al., “An interactive approach to semantic enrichment with geospatial data,” Data Knowl Eng, vol. 153, Sep. 2024, doi: 10.1016/j.datak.2024.102341. Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca Cómo Vamos (NCCV). 130[25] S. Siuly, H. Wang, L. Chen, Y. Guo, and C. Xing, Eds., Health Information Science, vol. 13079. in Lecture Notes in Computer Science, vol. 13079. Cham: Springer International Publishing, 2021. doi: 10.1007/978-3-030-90885-0.[26] K. Yao, “Application of sensor-based speech data mining in E-commerce operations data analysis,” Measurement: Sensors, vol. 33, p. 101118, Jun. 2024, doi: 10.1016/j.measen.2024.101118.[27] F. Ridzuan and W. M. N. Wan Zainon, “A review on data cleansing methods for big data,” in Procedia Computer Science, Elsevier B.V., 2019, pp. 731–738. doi: 10.1016/j.procs.2019.11.177.[28] W. H. Kwok, Y. Zhang, and G. Wang, “Artificial intelligence in perinatal mental health research: A scoping review,” Jul. 01, 2024, Elsevier Ltd. doi: 10.1016/j.compbiomed.2024.108685.[29] P. Chen et al., “Editorial http://www.springer.com/series/7899 Board Members.” [Online]. Available: [30] H. Lahiani and M. Frikha, “A Systematic Review of Social Media Data Mining on Android,” in Procedia Computer Science, Elsevier B.V., 2023, pp. 2018–2027. doi: 10.1016/j.procs.2023.10.192.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/CaliData WarehouseClusterAdministración de recursos650 - Gerencia y servicios auxiliares::658 - Gerencia generalData WarehouseAprendizaje no SupervisadoClusteringDatos SemiestructuradosETLDatos SocieconómicosModelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionComunidad Científica y AcadémicaPublicationhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001575691virtual::2897-1https://scholar.google.com/citations?user=4QfTUFYAAAAJ&hl=esvirtual::2897-10000-0003-2308-0720virtual::2897-119e1d8c4-f4bf-4b9a-bea4-330895ce7b4evirtual::2897-119e1d8c4-f4bf-4b9a-bea4-330895ce7b4evirtual::2897-1ORIGINALModelo_Dimensional_Datawarehouse_Velasco_2024.pdfModelo_Dimensional_Datawarehouse_Velasco_2024.pdfapplication/pdf3588656https://bibliotecadigital.usb.edu.co/bitstreams/0e5d998c-844d-473b-bda7-5991bca71150/downloadb428339fb86a06058f68ebbd9a525c7dMD51Formato_Autorizacion_Publicacion_Repositorio_USBcol.pdfFormato_Autorizacion_Publicacion_Repositorio_USBcol.pdfapplication/pdf210479https://bibliotecadigital.usb.edu.co/bitstreams/1ab0f3e9-788e-43c6-b95b-1583ec9f158a/download25785f460ac284412c3e6ea948dfb43eMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://bibliotecadigital.usb.edu.co/bitstreams/897c9272-7672-4eb8-bc6a-91f665a38ed0/download3b6ce8e9e36c89875e8cf39962fe8920MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/04be3426-7186-4eb0-9efe-0af07cbfe449/downloadce8fd7f912f132cbeb263b9ddc893467MD54TEXTModelo_Dimensional_Datawarehouse_Velasco_2024.pdf.txtModelo_Dimensional_Datawarehouse_Velasco_2024.pdf.txtExtracted texttext/plain101180https://bibliotecadigital.usb.edu.co/bitstreams/9fc92efa-0cfc-41cf-a007-2441f37e51e3/download01be5413f7efeb648f0917eaef149f9eMD55Formato_Autorizacion_Publicacion_Repositorio_USBcol.pdf.txtFormato_Autorizacion_Publicacion_Repositorio_USBcol.pdf.txtExtracted texttext/plain7538https://bibliotecadigital.usb.edu.co/bitstreams/b8ca9eab-88cf-4b02-af8e-a7244a86e6c4/downloade0f414efb6fa98cee67e1ab3bc545ad4MD57THUMBNAILModelo_Dimensional_Datawarehouse_Velasco_2024.pdf.jpgModelo_Dimensional_Datawarehouse_Velasco_2024.pdf.jpgGenerated Thumbnailimage/jpeg6991https://bibliotecadigital.usb.edu.co/bitstreams/be054aa3-3233-426e-826f-a4db53008f9c/download48b2617eb5099eab1fe1a417f5b8f76eMD56Formato_Autorizacion_Publicacion_Repositorio_USBcol.pdf.jpgFormato_Autorizacion_Publicacion_Repositorio_USBcol.pdf.jpgGenerated Thumbnailimage/jpeg16553https://bibliotecadigital.usb.edu.co/bitstreams/71146062-7819-4c39-9b9f-020a69988528/download1cb17e514a8ebccbd182ece346a20c7fMD5810819/23702oai:bibliotecadigital.usb.edu.co:10819/237022025-02-11 04:33:57.007http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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

Modelo dimensional (Data Warehouse) que integra técnicas de aprendizaje no supervisado como apoyo a la toma de decisiones en el proyecto Norte del Cauca cómo vamos (NCCV)

Publicaciones similares