Extendiendo smartcube para visualizar valores estadísticos dentro de grandes conjuntos de datos multidimensionales, manteniendo la eficiencia de uso de memoria y baja latencia de respuesta a consultas

Neyra Herrada, Alex Maglio

Extendiendo smartcube para visualizar valores estadísticos dentro de grandes conjuntos de datos multidimensionales, manteniendo la eficiencia de uso de memoria y baja latencia de respuesta a consultas

dc.contributor.advisor	Peralta Aranibar, Eddie Rogger
dc.contributor.author	Neyra Herrada, Alex Maglio
dc.date.accessioned	2025-04-09T17:20:51Z
dc.date.available	2025-04-09T17:20:51Z
dc.date.issued	2024
dc.description.abstract	La visualización de grandes cantidades de datos multidimensionales consiste en obtener información clave mediante su exploración, análisis y organización. En el estado del arte, podemos encontrar diversas metodologías para llevar a cabo estas tres tareas mediante el uso adecuado de estructuras de datos. En este trabajo, proponemos presentar dichas metodologías, basadas en Data Cube, una de las que marcó un punto de inflexión en el área, contribuyendo con una estructura de datos orientada a la optimización del uso de memoria y eficiencia en la resolución de consultas. En la continua búsqueda por incrementar la optimización en el uso de recursos y el tiempo de respuesta a consultas, Smartcube combina el enfoque de estructuras de datos con Artificial Intelligence (AI) para mantener en todo momento la disposición más conveniente de nodos en la estructura de datos, según las consultas del usuario. Así, buscamos extender Smartcube aprovechando la optimización que aporta, para incluir valores estadísticos preprocesados en la indexación, lo que permitirá visualizar gráficos más complejos. Como resultado, los mapas de calor y los histogramas pueden mejorarse al visualizarlos junto con valores estadísticos como la media, mediana y varianza, enriqueciendo su valor informativo. El aumento del preprocesamiento traerá como consecuencia inevitable un incremento en el uso de memoria. Sin embargo, intentamos que este crecimiento sea moderado, a pesar de aumentar al preprocesamiento con cuatro valores, y mantenemos un bajo tiempo de respuesta en las consultas.
dc.description.uri	Tesis de pregrado
dc.format	application/pdf
dc.identifier.other	1082617
dc.identifier.uri	https://hdl.handle.net/20.500.12590/18611
dc.language.iso	spa
dc.publisher	Universidad Católica San Pablo
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Metáfora visual
dc.subject	Estructura de datos
dc.subject	Data cube
dc.subject	Smartcube
dc.subject	Red neuronal recurrente
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#1.02.01
dc.title	Extendiendo smartcube para visualizar valores estadísticos dentro de grandes conjuntos de datos multidimensionales, manteniendo la eficiencia de uso de memoria y baja latencia de respuesta a consultas
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	72533483
renati.advisor.orcid	https://orcid.org/0000-0001-5990-5160
renati.author.dni	72397411
renati.discipline	611016
renati.juror	Gomez Nieto, Erick Mauricio
renati.juror	Muñoz Salas, Gina Lucia
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ciencia de la Computación
thesis.degree.grantor	Universidad Católica San Pablo. Departamento de Ciencia de la Computación
thesis.degree.level	Título Profesional
thesis.degree.name	Licenciado en Ciencia de la Computación
thesis.degree.program	Escuela Profesional Ciencia de la Computación