Fecha de Inicio: Ene-2014 Fecha de Finalización: En progreso
Miembros: Norha M. Villegas (investigador principal), Gabriel Tamura (investigador), Lorena Castañeda (investigador), Cristian Sanchez (investigador).
Objetivo General
El objetivo de este proyecto de investigación es desarrollar un conjunto de técnicas y algoritmos de recomendación que combinen métodos de análisis predictivo basados en la minería de datos, con métodos de administración de contexto altamente cambiante, con el fin de mejorar la precisión de los resultados.
Descripción
El término grandes datos o “big data” se refiere a la creciente cantidad de datos que provienen de diversas fuentes como las publicaciones que hacen los usuarios en las redes sociales, imágenes digitales, comportamiento de los usuarios en la web, sensores de clima, registros de transacciones de compra en programas de fidelización, teléfonos móviles, señales de GPS, archivos “log” de sistemas computacionales, entre otras. El término análisis predictivo “predictive analytics” se refiere a la aplicación de técnicas avanzadas de análisis sobre estos grandes volúmenes de datos para entender situaciones pasadas y predecir futuras. Por ejemplo, en la industria del minoreo, para caracterizar y entender perfiles de clientes y predecir sus necesidades o preferencias, en ambos casos de forma personalizada; o en computación en la nube, para planificar y adaptar el aprovisionamiento de recursos computaciones de forma más efectiva según las necesidades que demande las condiciones particulares de cada negocio, las cuales pueden cambiar en tiempo real.
Una de las mayores aplicaciones del análisis predictivo de datos son los sistemas de recomendación, los cuales pueden estar dirigidas hacia distintos objetivos. Por ejemplo, a mejorar la relevancia y personalización de las ofertas que una tienda minorista presenta a sus clientes, bien sea través de sus canales electrónicos o físicamente cuando ingresan a cualquiera de sus sucursales; a soportar a organismos de seguridad y control en la detección de patrones que permitan anticipar la ocurrencia de crímenes; o a mejorar las capacidades de auto-adaptación basada en contexto de infraestructuras de software que requieran reconfigurarse a sí mismas en tiempo de ejecución para garantizar atributos de calidad como el desempeño o la seguridad. El análisis predictivo de datos tradicional se enfoca en la aplicación de técnicas de minería de datos históricos que rara vez tienen en cuenta información del medio ambiente (contexto), afectando de esta manera la efectividad de las predicciones. Trabajos preliminares de nuestro grupo de investigación, en particular los desarrollados en la tesis de doctorado de Norha M. Villegas, demuestran que al combinar las técnicas tradicionales de minería de datos con técnicas de administración de contexto dinámico, es posible mejorar la precisión y relevancia de las recomendaciones de manera considerable.
Patrocinadores
Universidad Icesi
Resultados