Diseño de Metodología de BI para visualización de datos de neurociencia computacional. Proyecto de Investigación
RESUMEN : Este proyecto tiene como objetivo principal desarrollar una metodología de Business Intelligence (BI) diseñada específicamente para la visualización de datos en el ámbito de la neurociencia computacional. El enfoque se centra en facilitar la interpretación y análisis de grandes volúmenes d...
- Autores:
-
Ramírez Giraldo, Jhorman Stiven
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/44963
- Acceso en línea:
- https://hdl.handle.net/10495/44963
- Palabra clave:
- Neurociencias
Neurosciences
Base de datos
Databases
Análisis de datos
Data analysis
Almacenamiento de información
Information storage
BIDS
CSV
Power BI
http://aims.fao.org/aos/agrovoc/c_3866
http://vocabularies.unesco.org/thesaurus/concept501
http://vocabularies.unesco.org/thesaurus/concept2214
https://id.nlm.nih.gov/mesh/D009488
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-sa/4.0/
| Summary: | RESUMEN : Este proyecto tiene como objetivo principal desarrollar una metodología de Business Intelligence (BI) diseñada específicamente para la visualización de datos en el ámbito de la neurociencia computacional. El enfoque se centra en facilitar la interpretación y análisis de grandes volúmenes de datos generados en este campo, proporcionando a los investigadores herramientas accesibles y efectivas para extraer información relevante. Para ello, se transforma el formato estándar de almacenamiento de datos BIDS (Brain Imaging Data Structure) a formatos más manejables, como CSV, compatibles con diversas plataformas de BI. Esta transformación no solo simplifica el manejo de los datos, sino que también permite la integración con herramientas gratuitas de visualización interactiva. Como resultado, el grupo de investigación Gruneco podrá explorar sus datos de manera dinámica y detectar patrones que respalden sus hipótesis científicas. La metodología propuesta se presenta como una solución escalable y adaptable, ideal para otras áreas que enfrentan desafíos similares en el manejo de datos complejos. |
|---|
