Gespeichert in:
| Hauptverfasser: | , , , , |
|---|---|
| Format: | Recurso digital |
| Sprache: | Spanisch |
| Veröffentlicht: |
Zenodo
2017
|
| Schlagworte: | |
| Online-Zugang: | https://doi.org/10.5281/zenodo.18866162 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| _version_ | 1866901428911472640 |
|---|---|
| author | Alarcón-Paredes, Antonio Feliciano Morales, Angelino Cuevas Valencia, Rene Edmundo Catalan Villegas, Arnulfo Alonso-Silverio, Gustavo A |
| author_facet | Alarcón-Paredes, Antonio Feliciano Morales, Angelino Cuevas Valencia, Rene Edmundo Catalan Villegas, Arnulfo Alonso-Silverio, Gustavo A |
| contents | <p>La inteligencia artificial, es un área que ha tenido increíbles avances desde sus inicios, a mediados del siglo pasado. Ha sido utilizada en diversos y prominentes ámbitos de investigación, desde la creación de aparatos y dispositivos “inteligentes” hasta el desarrollo de diversas aplicaciones biomédicas o en las ciencias de la salud. Sin embargo, históricamente, los investigadores de otras áreas han tenido que acercarse a los expertos en ciencias de la computación para poder utilizar y aprovechar los algoritmos para el aprendizaje de máquina, o como se denomina en inglés: machine learning. Situación que motivó la creación de herramientas que permitan que aquellas personas con poco, y en ocasiones nulo, conocimiento sobre programación puedan utilizar modelos y algoritmos para ser utilizados en su investigación. En este trabajo, se toman como base los artículos científicos publicados que pueden encontrarse en Scopus, para indagar sobre las tendencias y perspectivas de algunas herramientas de machine learning: WEKA, scikit-learn y Rapidminer, mediante estadísticas de uso, preferencia y utilización. Se presenta también un análisis de las principales características, ventajas y desventajas de las mismas, con la finalidad de acercar y promover el uso de estas herramientas a los investigadores en otras áreas científicas alrededor del mundo. </p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_18866162 |
| institution | Zenodo |
| language | spa |
| publishDate | 2017 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | ANÁLISIS DE LAS TENDENCIAS Y PERSPECTIVAS DE LAS HERRAMIENTAS DE APRENDIZAJE DE MÁQUINA ACTUALES Alarcón-Paredes, Antonio Feliciano Morales, Angelino Cuevas Valencia, Rene Edmundo Catalan Villegas, Arnulfo Alonso-Silverio, Gustavo A Herramientas de aprendizaje de máquina, herramientas de minería de datos, weka, rapidminer, scikit-learn <p>La inteligencia artificial, es un área que ha tenido increíbles avances desde sus inicios, a mediados del siglo pasado. Ha sido utilizada en diversos y prominentes ámbitos de investigación, desde la creación de aparatos y dispositivos “inteligentes” hasta el desarrollo de diversas aplicaciones biomédicas o en las ciencias de la salud. Sin embargo, históricamente, los investigadores de otras áreas han tenido que acercarse a los expertos en ciencias de la computación para poder utilizar y aprovechar los algoritmos para el aprendizaje de máquina, o como se denomina en inglés: machine learning. Situación que motivó la creación de herramientas que permitan que aquellas personas con poco, y en ocasiones nulo, conocimiento sobre programación puedan utilizar modelos y algoritmos para ser utilizados en su investigación. En este trabajo, se toman como base los artículos científicos publicados que pueden encontrarse en Scopus, para indagar sobre las tendencias y perspectivas de algunas herramientas de machine learning: WEKA, scikit-learn y Rapidminer, mediante estadísticas de uso, preferencia y utilización. Se presenta también un análisis de las principales características, ventajas y desventajas de las mismas, con la finalidad de acercar y promover el uso de estas herramientas a los investigadores en otras áreas científicas alrededor del mundo. </p> |
| title | ANÁLISIS DE LAS TENDENCIAS Y PERSPECTIVAS DE LAS HERRAMIENTAS DE APRENDIZAJE DE MÁQUINA ACTUALES |
| topic | Herramientas de aprendizaje de máquina, herramientas de minería de datos, weka, rapidminer, scikit-learn |
| url | https://doi.org/10.5281/zenodo.18866162 |