UNIVERSIDAD DE HOLGUN OSCAR LUCERO MOYA Maestra en Informtica Aplicada

Sistemas Informticos Inteligentes

(Trabajo No.2 Actividad Individual)

Profesor: MSc. David Leyva Leyva Tom Nissim Zambrano Guillen C.I.: 11.276.134

Julio, 2011

Sistemas Informticos Inteligentes Sistemas Basados en el Conocimiento: Tema de Maestra: Sistema de Informacin para Registro y Control de Atencin de Participantes para el soporte Estadstico en los Centros Bolivarianos de Informtica y Telemtica (CBIT) del estado Yaracuy.

Desde esta perspectiva, el registro y control de informacin es de suma importancia en las organizaciones. El almacenamiento de datos se ha convertido en una tarea rutinaria de los sistemas de informacin de stas. Los registros son los acontecimientos diarios en una organizacin, llevados de manera ordenada y prctica facilita su procesamiento y posterior anlisis. Esos registros se capturan en cada uno de los CBIT y deben ser llevados por la persona ms cercana a los eventos, generalmente el encargado o coordinador de centro. Independientemente del tamao de la poblacin atendida, el control de la informacin es indispensable. La base del soporte estadstico radica en este control y la eficiencia del mismo depende tambin del anlisis que se genera de la informacin. En este sentido, explotar los datos registrados de las atenciones y personas que se atienden en los CBIT, permite identificar patrones, tendencias, grupos o estratos de datos, a veces encontrados de forma implcita en las base de datos, que interesan para el manejo y soporte estadstico, requiere de una clara necesidad de disponer de tecnologas que ayuden en los procesos de bsqueda y, an ms, de tecnologas que ayuden a comprender su contenido. Lo anterior apunta a un rea de aplicacin de la minera de datos. La minera de datos consiste en la extraccin no trivial de informacin que reside de manera implcita en los datos. Dicha informacin era previamente desconocida y puede resultar til para algn proceso determinado. La minera de datos engloba un conjunto de tcnicas y tecnologas que permiten explorar grandes bases de datos, de manera automtica o semiautomtica, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el

comportamiento de los datos en un determinado contexto. Es decir que la minera de datos intenta ayudar a comprender el contenido de un repositorio de datos, para ello la minera de datos prepara, sondea y explora los datos para sacar la informacin oculta en ellos. Para aplicar un proceso de minera de datos pueden aplicarse los siguientes pasos:
1. Seleccin del conjunto de datos, tanto en lo que se refiere a las variables,

como a las variables. 2. Anlisis de las propiedades de los datos.

3. Transformacin del conjunto de datos de entrada (Procesamiento de los

datos), con el objetivo de prepararlo para aplicar la tcnica de minera de datos que mejor se adapte a los datos y al problema. 4. Seleccionar y aplicar la tcnica de minera de datos
5. Extraccin de conocimiento.

6. Interpretacin y evaluacin de datos. Una vez aplicado los pasos anteriores el modelo obtenido, si resulta ser aceptable, es decir, proporciona salidas adecuadas con mrgenes de error admisibles, ste ya est listo para su explotacin. Existe una diversidad de tcnicas de minera de datos, sin embargo se propone a emplear, basado en el conocimiento de dominio del negocio (CBIT), algunas especficas, las cuales pueden ser un aporte o aplicacin futura a implementar en el tema de tesis que es Sistema de Informacin para Registro y Control de Atencin de Participantes para el soporte Estadstico en los Centros Bolivarianos de Informtica y Telemtica (CBIT) del estado Yaracuy. Estas tcnicas a emplear son: rboles de decisin, los cuales son estructuras que representan conjuntos de decisiones, y estas decisiones generan reglas para la clasificacin de un conjunto de datos. Los rboles de decisin son fciles de usar, admiten atributos discretos y continuos, tratan bien los atributos no significativos y los valores faltantes. Su principal ventaja es la facilidad de interpretacin.

Modelos estadsticos, Los modelos estadsticos son los ms tradicionales y comunes para hacer anlisis predictivos. Clustering, agrupa datos dentro de un nmero de clases preestablecidas o no, partiendo de criterios de distancia o similitud, de manera que las clases sean similares entre s y distintas con las otras clases. Su utilizacin ha proporcionado significativos resultados en lo que respecta a los clasificadores o reconocedores de patrones, como en el modelado de sistemas. Este mtodo debido a su naturaleza flexible se puede combinar fcilmente con otro tipo de tcnica de minera de datos, dando como resultado un sistema hbrido. Para finalizar, con la minera de datos se pueden identificar patrones tiles para los CBIT, tales como reconocer los tipos de personas ms atendidos, as como la edad de los mismos y su ocupacin, con el fin de definir una serie de actividades en funcin de atender a cada tipo de participante que es atendido. Adems, pueden ser detectados registros que, no obstante se consideraron a simple vista de poca importancia, como verdaderas fuentes de informacin que no han sido debidamente explotadas. La minera de datos genera conocimiento y mediante el aprendizaje automtico se puede evidenciar claramente los resultados siendo este un factor fundamental para la toma de decisiones en los CBIT.