Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Aspecto 1: ¿Qué es el análisis de patrones? Analizar patrones proporciona medidas descriptivas de los patrones de valores perdidos en los datos y puede resultar útil como paso exploratorio antes de la imputación. Aspecto 2: Explica las particiones de espacio. Una partición de disco, en mantenimiento, es el nombre genérico que recibe cada división presente en una sola unidad física de almacenamiento de datos. Toda partición tiene su propio sistema de archivos (formato); generalmente, casi cualquier sistema operativo interpreta, utiliza y manipula cada partición como un disco físico independiente, a pesar de que dichas particiones estén en un solo disco físico. Partición lógica: Ocupa una porción de la partición extendida o la totalidad de la misma, la cual se ha formateado con un tipo específico de sistema de archivos (FAT32, NTFS, ext2,...) y se le ha asignado una unidad, así el sistema operativo reconoce las particiones lógicas o su sistema de archivos. Puede haber un máximo de 23 particiones lógicas en una partición extendida. Linux impone un máximo de 15, incluyendo las 4 primarias, en discos SCSI y en discos IDE 8963. Aspecto 3: ¿Por qué es importante la identificación de patrones? El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de entre conjuntos de dichos objetos. Aspecto 4: Explica el reconocimiento de patrones difusos. 1. Adquisición de datos: El primer paso consta en la adquisición de datos. El responsable de este proceso es de un dispositivo llamado sensor. Funciona transformando magnitudes físicas o químicas en magnitudes eléctricas. Las variables captadas pueden ser de distintas índoles, como, por ejemplo: color, temperatura, intensidad lumínica, inclinación, velocidad, fuerza, etc. 2. Formulación de característica: Consta en la formulación de características para usarse posteriormente en la clasificación de objetos. 3. Selección de atributos: Es la selección adecuada de atributos para describir a los objetos. 4. Clasificación de objetos: En este paso, se clasifican los objetos de acuerdo a los atributos que presentan, asignándolos en un grupo u otro. En este procedimiento se utilizan tecnologías de machine learning, que consta en hacer que las computadoras aprendan a clasificar los objetos de manera autónoma. https://es.wikipedia.org/wiki/Mantenimiento https://es.wikipedia.org/wiki/Hardware https://es.wikipedia.org/wiki/Sistema_de_archivos https://www.ceupe.com/blog/machine-learning.html o Clasificación supervisada: Es la utilización de modelos ya prestablecidos para clasificar objetos o comportamientos. o Clasificación no supervisada: Es cuando la clasificación se realiza intentando identificar similitudes entre objetos. o Clasificación parcialmente supervisada: Es un panorama donde existen modelos en algunas clases, pero no en todas. Por lo tanto, combina elementos de la clasificación supervisada y no supervisada.
Compartir