# Titulo

1 Random Forests

2 Top 10 algorithms in data mining

3 The Google File System

Machine learning: Trends, perspectives, and

4
prospects

BUSINESS INTELLIGENCE AND ANALYTICS: FROM

5
BIG DATA TO BIG IMPACT

6 Deep Learning
7 Deep Learning for Sentiment Analysis: A Survey

8 Statistics for big data: A perspective

9 Data Mining with Big Data

10 Deep Learning in Neural Networks: An Overview

Learning Nash Equilibrium for General-Sum

11
Markov Games from Batch Data

TensorFlow: A System for Large-Scale Machine

12
Learning
 A New Backpropagation Algorithm without
13
Gradient Descent

Beyond the hype: Big data concepts, methods,

14
and analytics

15 Deep Residual Learning for Image Recognition

 Autores Idea Principal

El paper habla de la forma en que trabajan los

Leo Breiman random forests, como algoritmo de predicción,
basada en los arboles de decisión.

Xindong Wu, Vipin Kumar, J. Ross

Quinlan, Joydeep Ghosh, Qiang
Yang, Hiroshi Motoda, Geoffrey J. El paper habla de los mejores 10 algortimos para
McLachlan, Angus Ng, Bing Liu, data mining identificados por la IEEE. Incluyen
Philip S. Yu, Zhi-Hua Zhou, Michael algoritmos de clasificación, clustering, entre otros.
Steinbach, David J. Hand, Dan
Steinberg

El paper habla del Google File System, explicando lo

Sanjay Ghemawat, Howard que es y su influencia en el uso de personas que no
Gobioff, and Shun-Tak Leung cuentan con el hardware requerido para presentar
un alto rendimiento en cuanto a datos .

El paper habla de Machine Learning como una

herramienta para mejorar computadoras en base a
M. I. Jordan and T. M. Mitchell la experiencia. Explica como los temas involucrados
como inteligencia artificial puede ayudar a crear
nuevos algortmos para el procesamiento de datos

El paper habla acerca de la importancia del áre a de

Hsinchun Chen, Roger H.L. Chiang
inteligencia de negocios para identificar metodos y
and Veda C. Storey
lograr la evolución de aplicaciones de esta área.

El paper habla acerca de como el Deep Learning

ayuda a los modelos computacionales a procesar
Yann LeCun, Yoshua Bengio &
datos con diferentes niveles de abstracción y su
Geoffrey Hinton
importancia en áreas como reconocimiento de voz,
de objetos, entre otros
 El paper habla acerca de Deep learning y su
Lei Zhang, Shuai Wang and Bing Liu.
influencia en aprender de los datos en diferentes
capas y aplicaciones, sobre todo en análisis de
sentimientos.

El paper habla acerca del rol de la estadística en la

Peter Bühlmann and Sara van de ciencia de datos y como ayuda a validar y diseñar
Geer algortimos de simulación en base a modelos
matemáticos.

El paper habla acerca de big data y como se aplcia

Xindong Wu, Xingquan Zhu, Gong- como modelo de procesamiento en la minería de
Qing Wu, Wei Ding datos. Explica diferentes teoremas y métodos para
poder analizar grandes cantidades de datos.

El paper habla acerca de deep learning y como se ha

vuelto importante en los últimos años para el
Ju ̈rgen Schmidhuber reconocimiento de patrones y machine learning.
Explica diferentes tipos de casos de machine
learning para el procesamiento de datos.

Julien Pérolat, Florian Strub, Bilal El paper habla acerca de las redes neuronales, su
Piot, Olivier Pietquin arquitectura y la aplicación del equilibrio de Nash.

Martín Abadi, Paul Barham,

Jianmin Chen, Zhifeng Chen, Andy
Davis, Jeffrey Dean, Matthieu
Devin, Sanjay Ghemawat,
El paper habla acerca de TensorFlow, un sistema de
Geoffrey Irving, Michael Isard,
machine learning que opera a gran escala. Explica la
Manjunath Kudlur, Josh
arquitectura del sistema para poder crear servidores
Levenberg, Rajat Monga, Sherry
para hacer aplicaciones de algortimos y poder
Moore, Derek G. Murray, Benoit
probar resultados.
Steiner, Paul Tucker, Vijay
Vasudevan, Pete Warden, Martin
Wicke, Yuan Yu, and Xiaoqiang
Zheng, Google Brain
 El paper habla acerca del algortimo de
backpropagation en el área de redes neuronales.
Explica como el uso de machine learning puede
Varun Ranganathan and S.
ayudar a este algortimo funcionar de la manera
Natarajan
correcta y el uso de gradientes para poder encontrar
los errores basados en los biases y pesos de las
neuronas.

El paper habla acerca de big data, desde su

definicion hasta su evolución e impacto en las
Amir Gandomi and Murtaza
diferentes industrias. Hace enfasis en el desarrollo
Haider
de aplicar los metodos eficientes y correctos a altos
volúmenes de datos en temas de predicción.

El paper habla acerca de las redes neuronales y el

entrenamiento que deben llevar para poder ser
Kaiming He, Xiangyu Zhang,
optimizadas y aplicarse al área de reconocimiento
Shaoqing Ren and Jian Sun
visual. Esta área es super importante en el área de
machine learning.
Rating de interes Ideas potenciales

Basado en este articulo, se pueden desarrollar algortimos para

4/5 predicción de problemas de clasificación, regresión y lograr
obtener un error bajo comparado con un solo arbol de decisión.

Basado en este artículo, se pueden desarrollar y aprender los

mejores 10 algoritmos para hacer data mining en problemas de
4/5
distinta indole. Explican la importancia de los algoritmos, su uso
y como se citan de parte de otros investigadores en el área.

Basado en este artículo se puede investigar acerca de los GPUs y

los servicios web para poder optimizar los recursos si no se
3/5
cuenta con el hardware requerido tomando en cuenta aspectos
como escalabilidad y rendimiento.

Basado en este artículo, se puede investigar acerca de las

diferentes ramas de Machine Learning y poder crear algoritmos
4/5 eficientes que logren aprender en base a datos o actividades
pasadas y que puedan ser aplicados a grandes cantidades de
datos.

Basado en este artículo, se puede investigar acerca de las áreas

de inteligencia de negocios importantes para poder crear
3/5
algoritmos eficientes que puedan procesar altos volúmenes de
datos en base a la investigación de muchos investigadores.

Basado en este artículo, se puede investigar mas a fondo el Deep

Learning y entrenar de una mejor manera a las computadoras
5/5
para que puedan procesar datos abstractos en imágenes, videos,
voz y audio.
 Basado en este artículo, se puede investigar mas a fondo los
algortimos de deep learning para poder procesar y hacer
5/5 entender a las máquinas las opiniones, sentimientos, emociones
y comportamientos de los humanos para poder procesar datos
en la web y redes sociales por ejemplo

Basado en este artículo, se puede investigar mas acerca de la

influencia de la estadística en los algortimos utilizados en big
4/5
data y trazar una escalabilidad en base a los recursos
disponibles.

Basado en este artículo, se puede investigar acerca de los

algortimos importantes en bigdata para la minería de datos y su
4/5 influencia en términos de eficiencia en los recursos utilizados.
Da lugar tambien a investigar acerca de diferentes teoremas que
forman o dan base a esos algoritmos.

Basado en este artículo se puede investigar mas a fondo temas

3/5 importantes como las redes neuronales y su influencia en
procesos de decisiones.

Basado en este articulo se pueden investigar las redes

3/5 neuronales y sus aplicaciones en temas de juegos de mesa como
Ajedrez

Basado en este artículo, se puede investigar acerca de diferentes

plataformas que permitan aplicar algortimos en sus servidores y
4/5 utilizar sus recursos. Esto permitiria aprovecharlos y asi poder
aplicar ejemplos más complejos debido a la eficiencia de los
recursos que se ofrecen.
 Basado en este artículo, se puede investigar las redes
neuronales y los diferentes metodos existentes como back y
4/5 forward propagation. Se puede investigar mas a fondo los
gradientes para poder aplicar las redes neuronales de una mejor
manera.

Basado en este artículo, se puede investigar acerca de big data y

los algortimos mas eficientes para procesar esa cantidad de
5/5 datos. Ver la relación que hay entre los algortimso y la cantidad
de datos y así poder aplicar el mejor posible para las
predicciones.

Basado en este artículo, se puede investigar mas a fondo temas

como el reconocimiento de imágenes y el procesamiento de las
mismas para que sean filtradas y se pueda reconocer de una
5/5
mejor forma cada uno de los algortimos. Tambien se puede
aprender acerca de redes neuronales y algoritmos más
eficientes en procesamiento de imagenes.