Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Nombre:
Matricula:
20220626
Maestro:
Amaurys Bargas
Materia:
Electiva 1
Asignación:
Tareas realizadas
Las tres acciones clave para el funcionamiento de Big Data son:
c. Análisis y extracción de conocimiento: Una vez almacenados los datos, se aplican técnicas de
análisis de datos y minería de datos para extraer patrones, tendencias, correlaciones y otros
insights que sean útiles para la toma de decisiones y la generación de valor.
Deep Learning es una rama del aprendizaje automático (machine learning) que se centra en el
desarrollo de algoritmos y modelos inspirados en la estructura y función del cerebro humano,
conocidos como redes neuronales artificiales. Estos modelos están diseñados para aprender
automáticamente a través de la exposición a grandes cantidades de datos, sin requerir una
programación explícita de reglas o características.
Deep Learning (Aprendizaje Profundo): El Deep Learning es una técnica de Machine Learning que
utiliza redes neuronales artificiales con múltiples capas (profundas) para aprender
representaciones de datos de manera jerárquica. Se utiliza principalmente para tareas de
percepción y reconocimiento de patrones en datos complejos, como imágenes, audio y texto.
Ejemplos de Deep Learning incluyen sistemas de reconocimiento facial en redes sociales,
sistemas de conducción autónoma en vehículos, y sistemas de traducción automática como
Google Translate.
El ciclo de vida del Big Data generalmente se compone de las siguientes etapas:
c. Análisis de datos: Se aplican técnicas de análisis de datos y minería de datos para extraer
información útil y generar conocimientos a partir de los datos.
d. Visualización de datos: Los resultados del análisis se presentan de manera visual a través de
gráficos, tablas u otros medios para facilitar la interpretación y la toma de decisiones.
a. Descriptiva: Se centra en resumir y describir datos históricos para entender qué ha sucedido en
el pasado. Proporciona información sobre tendencias, patrones y características de los datos.