Autor:
de La Vega, Alfonso

Foto de perfil
E-mails conocidos
alfonso.delavega@unican.es
delavegaa@unican.es
Fecha de nacimiento
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
de La Vega
Nombre de pila
Alfonso
Nombre
Nombres alternativos
Afiliaciones conocidas
Dpto. Ingeniería Informática y Electrónica Universidad de Cantabria
Universidad de Cantabria, Spain
Páginas web conocidas
Página completa del ítem
Notificar un error en este autor

Filtros

20231
Restablecer filtros

Ajustes

Tema: Series Temporales ×

Resultados de la búsqueda

Mostrando 1 - 1 de 1
  • Miniatura
    Artículo
    Arquitectura de un Framework para la Generación Automatizada de Datasets Temporales en Data Lakes
    Sal, Brian; de La Vega, Alfonso; López Martínez, Patricia; García-Saiz, Diego; Grande, Alicia; López, David; Sánchez Barreiro, Pablo. Actas de las XXVII Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2023), 2023-09-12.
    En los últimos años, los data lakes se han popularizado como solución para el almacenamiento centralizado de grandes volúmenes de datos heterogéneos procedentes de fuentes dispares. Estos datos suelen tener un marcado carácter temporal, ya que los datos suelen extraerse periódicamente de diversas fuentes a diferentes frecuencias y se almacenan directamente en crudo. Por tanto, estos datos deben ser adecuadamente preprocesados antes de ser consumidos por las aplicaciones que los explotan. Esta tarea de preprocesamiento se realiza actualmente de manera manual, mediante la escritura de scripts en lenguajes de transformación de datos. Este proceso es laborioso, costoso y, por lo general, propenso a errores. Para tratar de aliviar este problema, este artículo presenta la arquitectura inicial de Hannah, un framework que busca automatizar la generación de datasets para la minería de series temporales a partir de datos en bruto provenientes de data lakes. El objetivo es que, utilizando la menor cantidad de información posible como entrada, el framework sea capaz de recuperar los datos requeridos del data lake y procesarlos para que encajen adecuadamente dentro de un dataset.