Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter
La minería de datos es actualmente una de las áreas con mayor auge y éxito dentro de la informática, al permitir encontrar correlaciones y patrones a partir del análisis de grandes volúmenes de datos. En este sentido, la Geomática es fundamental si los datos se encuentran georreferenciados, aportand...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/20099
- Acceso en línea:
- http://hdl.handle.net/10654/20099
- Palabra clave:
- Análisis de puntos calientes
API
CRISP-DM
Densidad Kernel
Minería de datos
Python
PostgreSQL
Twitter
MINERIA DE DATOS
SISTEMAS DE RECOLECCION AUTOMATICA DE DATOS
API
CRISP-DM
Data mining
Hot Spot Analysis
Kernel Density
Python
Twitter
PostgreSQL
- Rights
- License
- Derechos Reservados - Universidad Militar Nueva Granada, 2018
| id |
UNIMILTAR2_72955f1e80ab74b34d300c8f93d63656 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/20099 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| dc.title.titleenglish.spa.fl_str_mv |
Application of the CRISP-DM methodology to recollection and analysis of georreferenced data from Twitter |
| title |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| spellingShingle |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter Análisis de puntos calientes API CRISP-DM Densidad Kernel Minería de datos Python PostgreSQL MINERIA DE DATOS SISTEMAS DE RECOLECCION AUTOMATICA DE DATOS API CRISP-DM Data mining Hot Spot Analysis Kernel Density Python PostgreSQL |
| title_short |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| title_full |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| title_fullStr |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| title_full_unstemmed |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| title_sort |
Aplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde Twitter |
| dc.contributor.advisor.none.fl_str_mv |
Contreras Guerrero, Javier |
| dc.subject.spa.fl_str_mv |
Análisis de puntos calientes API CRISP-DM Densidad Kernel Minería de datos Python PostgreSQL |
| topic |
Análisis de puntos calientes API CRISP-DM Densidad Kernel Minería de datos Python PostgreSQL MINERIA DE DATOS SISTEMAS DE RECOLECCION AUTOMATICA DE DATOS API CRISP-DM Data mining Hot Spot Analysis Kernel Density Python PostgreSQL |
| dc.subject.lemb.spa.fl_str_mv |
MINERIA DE DATOS SISTEMAS DE RECOLECCION AUTOMATICA DE DATOS |
| dc.subject.keyword.spa.fl_str_mv |
API CRISP-DM Data mining Hot Spot Analysis Kernel Density Python PostgreSQL |
| description |
La minería de datos es actualmente una de las áreas con mayor auge y éxito dentro de la informática, al permitir encontrar correlaciones y patrones a partir del análisis de grandes volúmenes de datos. En este sentido, la Geomática es fundamental si los datos se encuentran georreferenciados, aportando el componente espacial del análisis. Una metodología ampliamente utilizada en el desarrollo de proyectos de minería de datos es la denominada CRISP-DM®, compuesta de seis etapas (comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación e implementación), la cual se emplea para el análisis de información georreferenciada proveniente de la red social Twitter®, con el fin de hallar patrones que permitan responder preguntas como: ¿en dónde se generan más trinos geolocalizados en la ciudad de Bogotá? ¿Cuáles son los sectores catastrales de Bogotá en donde sería más probable encontrar un tweet georreferenciado? |
| publishDate |
2018 |
| dc.date.accessioned.none.fl_str_mv |
2018-12-24T14:51:33Z 2019-12-30T17:58:57Z |
| dc.date.available.none.fl_str_mv |
2018-12-24T14:51:33Z 2019-12-30T17:58:57Z |
| dc.date.created.none.fl_str_mv |
2018-12-18 |
| dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.spa.spa.fl_str_mv |
Trabajo de grado |
| dc.type.dcmi-type-vocabulary.spa.fl_str_mv |
Text |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/20099 |
| url |
http://hdl.handle.net/10654/20099 |
| dc.language.spa.fl_str_mv |
spa |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2018 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2018 https://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas http://purl.org/coar/access_right/c_abf2 |
| dc.format.spa.fl_str_mv |
pdf |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Calle 100 |
| dc.publisher.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| dc.publisher.department.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Especialización en Geomática |
| institution |
Universidad Militar Nueva Granada |
| dc.source.bibliographicCitation.spa.fl_str_mv |
González, J. (Noviembre de 2018) Minería de Datos, Universidad Politécnica de Puebla. Obtenido de: https://ccc.inaoep.mx/~jagonzalez/AI/Sesion13_Data_Mining.pdf León, E. (Noviembre de 2018) Diplomado en Minería de Datos (Universidad Nacional de Colombia). Obtenido de:http://disi.unal.edu.co/profesores/eleonguz/cursos/md/presentaciones/ Ministerio de las TIC (Noviembre de 2017) Colombia es uno de los países con más usuarios de las redes sociales en la región. Obtenido de: https://www.mintic.gov.co/portal/604/w3-article-2713.html Gallardo, J. (2009) Metodología para la Definición de Requisitos en proyectos de Data Mining. Obtenido de: http://oa.upm.es/1946/1/JOSE_ALBERTO_GALLARDO_ARANCIBIA.pdf Web Empresa (Marzo de 2018) ¿Qué es Twitter? ¿Cómo funciona? ¿Cómo puedo usarlo para mi organización? Obtenido de: https://www.webempresa.com/blog/que-es-twitter-como-funciona.html Twitter (2018) Información sobre las API de Twitter. Obtenido de: https://help.twitter.com/es/rules-and-policies/twitter-api Twitter (2018) Introduction to Tweet JSON. Obtenido de: https://developer.twitter.com/en/docs/tweets/data-dictionary/overview/intro-to-tweet-json Twitter (2018) Tweet Object. Obtenido de: https://developer.twitter.com/en/docs/tweets/data-dictionary/overview/tweet-object Bahit, E. (2013) Python para Principantes. Obtenido de: https://librosweb.es/libro/python/ Paradigma Digital (Noviembre de 2017) ¿Es Python el lenguaje del futuro? Obtenido de: https://www.paradigmadigital.com/dev/es-python-el-lenguaje-del-futuro/ PostgreSQL Tutorial (2018) What is PostgreSQL? Obtenido de: http://www.postgresqltutorial.com/what-is-postgresql/ ESRI (2018) ¿Cómo funciona la Densidad Kernel? Obtenido de: https://pro.arcgis.com/es/pro-app/tool-reference/spatial-analyst/how-kernel-density-works.htm ESRI (2018) Distancia Estándar. Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/standard-distance.htm ESRI (2018) Análisis de Puntos Calientes Optimizado. Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/optimized-hot-spot-analysis.htm ESRI (2018) ¿Cómo funciona el análisis de puntos calientes optimizado? Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/how-optimized-hot-spot-analysis-works.htm ESRI (2018) ¿Cómo funciona Análisis de Puntos Calientes (Gi* de Getis-Ord)? Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm Stone, N. (2017), Social Media Canvassing Using Twitter and WebGIS to Aid in Solving Crime, University of Southern California. Obtenido de: https://spatial.usc.edu/wp-content/uploads/2017/10/Stone_Neil.pdf Wageningen University and Research (WUR) Geoscripting (2018) Harvesting Tweets with Python. Obtenido de: http://geoscripting-wur.github.io/PythonWeek/PythonTwitter.html#Python_notebooks_for_the_self_study Pardo, P. (2013) Geolocalizando Tweets con Python. Obtenido de: http://pardozaragoza.blogspot.com/2013/04/capturando-tweets-con-python-tutorial-1.html IDECA (Septiembre de 2018) Mapa de Referencia de Bogotá D.C. Obtenido de: https://www.ideca.gov.co/es/servicios/mapa-de-referencia/tabla-mapa-referencia |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/20099/1/license.txt http://repository.unimilitar.edu.co/bitstream/10654/20099/2/GarciaVelezGustavoAdolfo2018.pdf.jpg http://repository.unimilitar.edu.co/bitstream/10654/20099/3/GarciaVelezGustavoAdolfo2018.pdf |
| bitstream.checksum.fl_str_mv |
520e8f0b4e8d2d5c25366f2f78f584b0 dffa4543b624473a3f35f9ec0c690991 5d0be4959d6e56cab3d5181a9fc84a0d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1837098390186360832 |
| spelling |
Contreras Guerrero, JavierGarcía Vélez, Gustavo Adolfoggarcia82@gmail.comEspecialista en GeomáticaCalle 1002018-12-24T14:51:33Z2019-12-30T17:58:57Z2018-12-24T14:51:33Z2019-12-30T17:58:57Z2018-12-18http://hdl.handle.net/10654/20099La minería de datos es actualmente una de las áreas con mayor auge y éxito dentro de la informática, al permitir encontrar correlaciones y patrones a partir del análisis de grandes volúmenes de datos. En este sentido, la Geomática es fundamental si los datos se encuentran georreferenciados, aportando el componente espacial del análisis. Una metodología ampliamente utilizada en el desarrollo de proyectos de minería de datos es la denominada CRISP-DM®, compuesta de seis etapas (comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación e implementación), la cual se emplea para el análisis de información georreferenciada proveniente de la red social Twitter®, con el fin de hallar patrones que permitan responder preguntas como: ¿en dónde se generan más trinos geolocalizados en la ciudad de Bogotá? ¿Cuáles son los sectores catastrales de Bogotá en donde sería más probable encontrar un tweet georreferenciado?Data mining is currently one of the most successful areas in informatics since it allows finding correlations and patterns from analysis of big data. In that sense, Geomatics is fundamental as long as data is georeferenced, by giving the spatial component of the analysis. CRISP-DM® is a widely-used methodology in data mining with six basic steps: business understanding, data understanding, data preparation, modeling, evaluation and deployment, which will be used for analysis of geolocated data from Twitter® social network in order to find patterns and answer questions such as: In what places of Bogotá more georreferenced tweets are generated? In which cadastral sectors is likely to find a located tweet?pdfapplication/pdfspaspaUniversidad Militar Nueva GranadaFacultad de IngenieríaEspecialización en GeomáticaDerechos Reservados - Universidad Militar Nueva Granada, 2018https://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadashttp://purl.org/coar/access_right/c_abf2Análisis de puntos calientesAPICRISP-DMDensidad KernelMinería de datosPythonPostgreSQLTwitterMINERIA DE DATOSSISTEMAS DE RECOLECCION AUTOMATICA DE DATOSAPICRISP-DMData miningHot Spot AnalysisKernel DensityPythonTwitterPostgreSQLAplicación de la metodología CRISP-DM a la recolección y análisis de datos georreferenciados desde TwitterApplication of the CRISP-DM methodology to recollection and analysis of georreferenced data from Twitterinfo:eu-repo/semantics/bachelorThesisTrabajo de gradoTexthttp://purl.org/coar/resource_type/c_7a1fGonzález, J. (Noviembre de 2018) Minería de Datos, Universidad Politécnica de Puebla. Obtenido de: https://ccc.inaoep.mx/~jagonzalez/AI/Sesion13_Data_Mining.pdfLeón, E. (Noviembre de 2018) Diplomado en Minería de Datos (Universidad Nacional de Colombia). Obtenido de:http://disi.unal.edu.co/profesores/eleonguz/cursos/md/presentaciones/Ministerio de las TIC (Noviembre de 2017) Colombia es uno de los países con más usuarios de las redes sociales en la región. Obtenido de: https://www.mintic.gov.co/portal/604/w3-article-2713.htmlGallardo, J. (2009) Metodología para la Definición de Requisitos en proyectos de Data Mining. Obtenido de: http://oa.upm.es/1946/1/JOSE_ALBERTO_GALLARDO_ARANCIBIA.pdfWeb Empresa (Marzo de 2018) ¿Qué es Twitter? ¿Cómo funciona? ¿Cómo puedo usarlo para mi organización? Obtenido de: https://www.webempresa.com/blog/que-es-twitter-como-funciona.htmlTwitter (2018) Información sobre las API de Twitter. Obtenido de: https://help.twitter.com/es/rules-and-policies/twitter-apiTwitter (2018) Introduction to Tweet JSON. Obtenido de: https://developer.twitter.com/en/docs/tweets/data-dictionary/overview/intro-to-tweet-jsonTwitter (2018) Tweet Object. Obtenido de: https://developer.twitter.com/en/docs/tweets/data-dictionary/overview/tweet-objectBahit, E. (2013) Python para Principantes. Obtenido de: https://librosweb.es/libro/python/Paradigma Digital (Noviembre de 2017) ¿Es Python el lenguaje del futuro? Obtenido de: https://www.paradigmadigital.com/dev/es-python-el-lenguaje-del-futuro/PostgreSQL Tutorial (2018) What is PostgreSQL? Obtenido de: http://www.postgresqltutorial.com/what-is-postgresql/ESRI (2018) ¿Cómo funciona la Densidad Kernel? Obtenido de: https://pro.arcgis.com/es/pro-app/tool-reference/spatial-analyst/how-kernel-density-works.htmESRI (2018) Distancia Estándar. Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/standard-distance.htmESRI (2018) Análisis de Puntos Calientes Optimizado. Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/optimized-hot-spot-analysis.htmESRI (2018) ¿Cómo funciona el análisis de puntos calientes optimizado? Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/how-optimized-hot-spot-analysis-works.htmESRI (2018) ¿Cómo funciona Análisis de Puntos Calientes (Gi* de Getis-Ord)? Obtenido de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htmStone, N. (2017), Social Media Canvassing Using Twitter and WebGIS to Aid in Solving Crime, University of Southern California. Obtenido de: https://spatial.usc.edu/wp-content/uploads/2017/10/Stone_Neil.pdfWageningen University and Research (WUR) Geoscripting (2018) Harvesting Tweets with Python. Obtenido de: http://geoscripting-wur.github.io/PythonWeek/PythonTwitter.html#Python_notebooks_for_the_self_studyPardo, P. (2013) Geolocalizando Tweets con Python. Obtenido de: http://pardozaragoza.blogspot.com/2013/04/capturando-tweets-con-python-tutorial-1.htmlIDECA (Septiembre de 2018) Mapa de Referencia de Bogotá D.C. Obtenido de: https://www.ideca.gov.co/es/servicios/mapa-de-referencia/tabla-mapa-referenciaEspecializaciónIngeniería - Especialización en GeomáticaLICENSElicense.txttext/plain2898http://repository.unimilitar.edu.co/bitstream/10654/20099/1/license.txt520e8f0b4e8d2d5c25366f2f78f584b0MD51THUMBNAILGarciaVelezGustavoAdolfo2018.pdf.jpgIM Thumbnailimage/jpeg6596http://repository.unimilitar.edu.co/bitstream/10654/20099/2/GarciaVelezGustavoAdolfo2018.pdf.jpgdffa4543b624473a3f35f9ec0c690991MD52ORIGINALGarciaVelezGustavoAdolfo2018.pdfapplication/pdf1920003http://repository.unimilitar.edu.co/bitstream/10654/20099/3/GarciaVelezGustavoAdolfo2018.pdf5d0be4959d6e56cab3d5181a9fc84a0dMD5310654/20099oai:repository.unimilitar.edu.co:10654/200992019-12-30 12:58:57.879Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |