@conference{umaquinga2020,

title = {Interactive Visualization Interfaces for Big Data Analysis Using Combination of Dimensionality Reduction Methods: A Brief Review},

author = {Ana C. Umaquinga-Criollo and Diego H. Peluffo-Ordóñez and Paúl D. Rosero-Montalvo and Pamela E. Godoy-Trujillo and Henry Benítez-Pereira},

editor = {Springer Charm },

url = {https://link.springer.com/chapter/10.1007/978-3-030-37221-7_17

https://doi.org/10.1007/978-3-030-37221-7_17},

doi = {https://doi.org/10.1007/978-3-030-37221-7_17},

isbn = {978-3-030-37220-0},

year  = {2020},

date = {2020-01-03},

booktitle = {Technology, Sustainability and Educational Innovation (TSIE)},

pages = {193-203},

publisher = {Springer, Cham},

abstract = {The Big Data analysis allows to generate knowledge based on mathematical models that surpass human capabilities, and therefore it is necessary to have robust computer systems. In this connection, the dimensionality reduction (DR) allows to perform approximations to make data perceptible in a simple and compact way while also the computational cost is reduced. Additionally, interactive interfaces enable the user to work with algorithms involving complex mathematical and statistical processes typically aimed at providing weighting factors to each RD algorithm to find the best way to represent data at a low dimension. In this study, a bibliographic re-view of the different models of interactive interfaces for the analysis of Big Data using RD is presented, by considering different, existing proposals and approaches on how to display the information. Particularly, those approaches based on mental processes and uses of color along with an intuitive handling are of special interest.},

note = { Print ISBN 978-3-030-37220-0 Online ISBN 978-3-030-37221-7 },

keywords = {Big data, Business intelligence, data mining, Dimensionality reduction, Interactive interface},

pubstate = {published},

tppubtype = {conference}

}

@conference{Anaya2018,

title = {Morfologías visuales de representación de datos como aumento de capacidades analíticas humanas: Una revisión de literatura},

author = {Andrés Javier Anaya Isaza and Ana Cristina Umaquinga Criollo and Gabriela Narváez Olmedo and Paúl David Rosero Montalvo and Diego Hernán Peluffo Ordóñez},

url = {https://www.researchgate.net/publication/322509217_Morfologias_visuales_de_representacion_de_datos_como_aumento_de_capacidades_analiticas_humanas_Una_revision_de_literatura 

https://issuu.com/utnuniversity/docs/ebook_aportes_de_la_ingenieria_2017/374},

isbn = {978-9942-984-97-5},

year  = {2017},

date = {2017-11-20},

booktitle = {Aportes de la Ingeniería para el desarrollo regional 

I Congreso Internacional de Ingenierías 2017},

pages = {375-381},

publisher = {UTN},

abstract = {La representación visual de datos es una técnica de extracción de conocimiento que permite tener una percepción de toda la información disponible dentro de Big Data. Para lograr el objetivo de captación de la atención humana, es necesario representar el conjunto de datos de una manera intuitiva. De esta forma, el usuario pueda tomar decisiones adecuadas. Consecuentemente, el mejoramiento de la experiencia humano computador se basa en el uso de técnicas de análisis de datos, donde los recursos computacionales deben ser optimizados. En este trabajo, se desarrolla una metodología con una investigación de tipo descriptivo, exploratorio y documental con los diferentes enfoques de visualización de datos orientados al análisis exploratorio para el descubrimiento científico y aumento de las capacidades humanas como apoyo a las decisiones automáticas. 

 

Abstract 

 

Visual representation is an approach to extract knowledge, which enables users to perceive the information whitin a context of Big Data. To involve the human perception into the data analysis, an inuitive data representation is needed. Consequently, any user will be able to make more adequate decisions. Indeed, the enhancement of human-computer interaction is based on the use of data anaylisis techniques while computational broad is optimized. In this work, a descriptive, exploratory and documental methodology is presented aimed at highlighting the benefit of involving the human skills within the process of automatic decision making.},

keywords = {Big data, data mining, minería de datos, morfología visual, visual morphology, visualización, visualization},

pubstate = {published},

tppubtype = {conference}

}

@conference{Umaquinga2017b,

title = {Big data analytics (BDA) en la toma de decisiones empresariales. Big data analytics (BDA) in business decision making},

author = {Ana Cristina Umaquinga-Criollo and Sandra Karina Narvaez-Pupiales and Diego Hernán Peluffo-Ordoñez and MacArthur Cosme Ortega-Bustamante},

url = {https://issuu.com/utnuniversity/docs/ebook_innovando_tecnologia_2017/55

https://www.researchgate.net/publication/318586255_BIG_DATA_ANALYTICS_BDA_EN_LA_TOMA_DE_DECISIONES_EMPRESARIALES_BIG_DATA_ANALYTICS_BDA_IN_BUSINESS_DECISION_MAKING },

isbn = {978-9942-984-494},

year  = {2017},

date = {2017-07-04},

booktitle = {INNOVANDO Tecnología. III JORNADAS ACADÉMICAS INTERNACIONALES CISIC 2017},

pages = {55-62},

publisher = {UTN},

abstract = {Ante el crecimiento exponencial y vertiginoso del volumen de los datos de diferente tipo: estructurados, semiestructurados y no estructurados provenientes de una variedad de fuentes entre ellas: la web, redes sociales, bases de datos, archivos de audio/video, datos transaccionales, sensores, comunicación máquina a máquina (denominado M2M). El área de Big Data pretende dar respuesta a los desafíos del tratamiento de la información.Es por ello, que el proceso de análisis de grandes volúmenes de datos Big Data Analytics (denominado BDA) facilita el descubrimiento de patrones, predicciones, fraudes, tendencias de mercado, comportamientos y preferencias de los clientes e información de utilidad, que no sería posible con las herramientas convencionales. BDA se convierte en una de las herramientas de soporte para la toma de decisiones empresariales y ventaja competitiva en tiempo real o en el menor tiempo posible frente a sus competidores, ofreciendo nuevos niveles de competitividad, procesos, modelos de negocio basados en datos y reducción del riesgo para conservar, fidelizar y captar una mayor cantidad de clientes generando un aumento en las fuentes de ingreso de las empresas.El presente artículo es de tipo exploratorio, descriptivo y documental. Se realiza un estudio descriptivo del impacto de Big Data Analytics (BDA) en el campo empresarial, así como un breve recorrido por sus tendencias, oportunidades, dificultades y retos.Este estudio pretende contribuir a la comunidad de investigadores, así como al personal de las empresas y a quienes se inician en el conocimiento de Big Data Analytics para una mejor comprensión en este campo 

 

Abstract 

 

By the exponential and vertiginous growth of the volume of data of different types: structured, semi-structured and unstructured from a variety of sources including: the web, social networks, databases, audio / video files, transactional data, sensors, machine-to-machine communication (denominated M2M). The Big-Data-area is intended to address the challenges of information processing.Therefore, the Big Data Analytics (BDA) process of large volumes of data facilitates the discovery of patterns, predictions, fraud, market trends, customer behaviours and preferences and useful information that would not be possible with conventional tools. BDA becomes one of the tools to support business decision-making and competitive advantage in real time or in the shortest possible time in relation its competitors, offering new levels of competitiveness, processes, business models based in data and risk reduction, to conserve, retain and attract a greater number of customers generating an increase in the sources of income of companies.This article is exploratory, descriptive and documentary. A descriptive study of the impact of Big Data Analytics (BDA) in the business field, as well as a brief tour of its tendencies, opportunities, difficulties and challenges.This study aims to contribute to the research community, as well as the staff of the companies and those who are introduced to the knowledge of Big Data Analytics for a better understanding in this field},

keywords = {Big data, Big Data Analytics, Inteligencia de negocio},

pubstate = {published},

tppubtype = {conference}

}

@conference{Umaquinga2016b,

title = {Versión extendida: Propuesta de análisis visual de datos en Big Data usando reducción de dimensión interactiva . Proposal for visual analysis of Big Data using interactive dimensionality reduction},

author = {A C Umaquinga-Criollo and D H Peluffo-Ordóñez and P D Rosero-Montalvo and M V Cabrera-Álvarez and J C Alvarado-Pérez and A J Anaya-Isaza},

url = {https://www.researchgate.net/publication/316056310_Propuesta_de_analisis_visual_de_datos_en_Big_Data_usando_reduccion_de_dimension_interactiva_Proposal_for_visual_analysis_of_Big_Data_using_interactive_dimensionality_reduction 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in/160 

https://issuu.com/utnuniversity/docs/ebook-tecnologias-aplicadas-a-la-in},

isbn = {978-9942-987-17-3},

year  = {2016},

date = {2016-12-01},

booktitle = {Libro Tecnología Aplicada a la Ingeniería UTN 2016},

pages = {145-154},

publisher = {UTN},

abstract = {En la actualidad se puede evidenciar un crecimiento exponencial del volumen de datos, dando lugar al área emergente denominada Big Data. Paralelamente a este crecimiento, ha aumentado la demanda de herramientas, técnicas y dispositivos para almacenar, transmitir y procesar datos de alta dimensión. La mayoría de metodologías existentes para procesar datos de alta dimensión producen resultados abstractos y no envuelven al usuario en la elección o sintonización las técnicas de análisis. En este trabajo proponemos una metodología de análisis visual de Big Data con principios de interactividad y controlabilidad de forma que usuarios (incluso aquellos no expertos) puedan seleccionar intuitivamente un método de reducción de dimensión para generar representaciones inteligibles para el ser humano.},

keywords = {análisis visual, Big data, reducción de dimensión},

pubstate = {published},

tppubtype = {conference}

}

@conference{Umaquinga2016a,

title = {Propuesta de análisis visual de datos en Big Data usando reducción de dimensión interactiva},

author = {A C Umaquinga-Criollo and D H Peluffo-Ordóñez and M V Cabrera-Álvarez and J C Alvarado-Pérez and A J Anaya-Isaza},

url = {https://www.researchgate.net/publication/311457198_Propuesta_de_analisis_visual_de_datos_en_Big_Data_usando_reduccion_de_dimension_interactiva},

year  = {2016},

date = {2016-11-14},

booktitle = {Avances Tecnológicos 3ras Jonadas Internacionales FICA 2016},

publisher = {UTN},

abstract = {En la actualidad se puede evidenciar un crecimiento exponencial del volumen de datos, dando lugar al área emergente denominada Big Data. Paralelamente a este crecimiento, ha aumentado la demanda de herramientas, técnicas y dispositivos para almacenar, transmitir y procesar datos de alta dimensión. La mayoría de metodologías existentes para procesar datos de alta dimensión producen resultados abstractos y no envuelven al usuario en la elección o sintonización las técnicas de análisis. En este trabajo proponemos una metodología de análisis visual de Big Data con principios de interactividad y controlabilidad de forma que usuarios (incluso aquellos no expertos) puedan seleccionar intuitivamente un método de reducción de dimensión para generar representaciones inteligibles para el ser humano.},

keywords = {análisis visual, Big data, reducción de dimensión},

pubstate = {published},

tppubtype = {conference}

}