Minería de Datos Distribuida usando Clustering k-means

Zoraida Mamani Rodriguez. Es Coordinadora del Grupo de Investigación "Ingeniería Web". Investigadora en las líneas: Ciencia de Datos, Minería de Datos e Ingeniería de Software. Docente Asociada en la Universidad Mayor de San Marcos y consultora en proyectos informáticos en entidades del sector público y privado en Lima, Perú.

La minería de datos distribuida está contemplada en el campo de la investigación e implica la aplicación del proceso de extracción de conocimiento sobre grandes volúmenes de información almacenados en bases de datos distribuidas. Las organizaciones modernas requieren de herramientas que realicen tareas de predicción, pronósticos, clasificación entre otros y en línea, sobre sus bases de datos que se ubican en diferentes nodos interconectados a través de internet, de manera que les permita mejorar la calidad de sus servicios. El Clustering es una de las principales técnicas de modelado de la minería de datos la cual consiste en dividir la información en grupos diferentes, internamente los miembros de cada grupo son muy similares unos de otros y disimiles respecto a los miembros de los otros grupos. Los grupos o clusters resultantes permiten predecir patrones de comportamiento que pueden aportar en la toma de decisiones de las organizaciones. Es en este contexto que el presente trabajo elabora una propuesta de un prototipo de aplicación de minería de datos distribuida basado en la técnica k-means en la predictibilidad del proceso petitorio de una organización pública.