![](/img/bread_pcacad.jpg)
![](/css/img/ficha_topL.gif) |
Ponencia |
![](/css/img/ficha_topR.gif) |
|
Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
Por:
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Universidad Nacional de Cuyo. Facultad de Ciencias Económicas
Publicado en:
![Descargar Pdf](../img/descarga_pdf.jpg) |
|
Resumen:
El propósito de la presente investigación, es el desarrollo teórico del análisis causal de las
anomalías de los datos, teniendo en cuenta el gran volumen de datos que existen en la
Administración Pública, especialmente en las administraciones tributarias, demostrando que
los procesos metodológicos de la Minería de Datos y Aprendizaje Automático contribuyen a
evidenciar indicios de ilícitos y hechos de corrupción, a través de la aplicación de algoritmos.
Objetivos: • Detectar anomalías en los datos provenientes de bases de datos múltiples, y las
inconsistencias de los datos no tradicionales, sean de origen interno y de origen externo
a la organización, en este caso, una Administración Tributaria; • Analizar las causales de las anomalías y clasificarlas, segregando aquellas causales que manifiesten indicios de ilícitos y hechos de corrupción, del resto de las causales de las imperfecciones en los datos de las bases de datos múltiples y en los datos no tradicionales; • Corregir solamente las anomalías en los datos que puedan aseverarse que su causal de inconsistencia no responde a indicios de ilícitos y hechos de corrupción, para lograr la mayor calidad de los datos bajo análisis con el propósito de garantizar optimizar los modelos, en virtud de los objetivos planteados para la Minería de Datos; • Utilizar el conocimiento adquirido de la aplicación de los modelos, para inducirlo en los procesos metodológicos del Aprendizaje Automático, y redefinir los procesos y procedimientos de la organización de una Administración Tributaria, con los procesos metodológicos de la Minería de Procesos, como segunda instancia.
Disciplinas:
Ciencias sociales
Palabras clave :
Anomalía de los datos - Aprendizaje automático - Minería de datos - Corrección de datos
Descriptores:
BASES DE DATOS - ADMINISTRACIÓN PÚBLICA - CORRECCIÓN DE ERRORES
Cómo citar este trabajo:
Sottile, Antonio; Cavaller, Daniel Guillermo; Sosa, Héctor Nicolás; Silva, Diego; Ortega Yubro, Cristian Darío; Azcurra, Norma Lidia.
(2018).
Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático.
Ponencia
Mendoza, .
Dirección URL del informe: /11906.
Fecha de consulta del artículo: 03/09/24.
|
|
![](/css/img/ficha_botL.gif) |
|
![](/css/img/ficha_botR.gif) |
|
|
Fichas descriptivas de las especies del jardín botánico en la Fac. de Ciencias Agrarias.
Selección de trabajos alrededor de la temática de los Derechos Humanos en la Argentina y en Mendoza en particular.
Una selección de artículos, tesis, informes de investigación y videos sobre temáticas de la vid, la vinificación, la economía y la cultura del vino mendocino
Espacio virtual que pone a disposición tesis doctorales y trabajos finales de maestría de posgrados dictados en la Facultad de Filosofía y Letras de la UNCuyo.
En este sitio se pueden consultar las tesis de grado de la Facultad de Cs. Económicas de la UCuyo. La búsqueda se puede hacer por autor, titulo y descriptores a texto completo en formato pdf.
![](img/+micrositios.webp)
|
//DOSSIERS ESPECIALES |
Cada Dossier contiene una selección de objetos digitales en diversos formatos, bajo un concepto temático transversal. La propuesta invita al usuario a vincular contenidos y conocer los trabajos que la UNCuyo produce sobre temáticas específicas.
|
|
Para la correcta utilización de todos los materiales de esta biblioteca es necesario que disponga de: |
|
![](/img/get_flash_player.jpg) |
|