Di3 Ingeniería Industrial
Prefacio
1
Prerequisitos para el curso
1.1
Primer referencia biblográfica que puede ayudarte.
1.1.1
R para Ciencia de Datos
2
Introduction
3
Analítica de Datos
3.1
Teoría
3.1.1
Bases de la analítica de datos
4
Revisión de las herramientas de software y hardware disponibles
4.1
Software para celulares
4.2
Herramientas para PC
4.2.1
Análisis Bibliométrico
4.3
Tecnologías
4.4
Casos de estudio para el aula virtual
5
Literature
6
Bibliografía
7
Methods
8
Métodos
9
Aplicaciones
9.1
El caso de Nuevazelanda de la industria del vino
9.2
¿Que hace el INV en Argentina
10
Applications
10.1
Example one
10.2
Example two
11
Final Words
12
Datasets
13
Datasets utilizados en el curso
13.1
WASH
13.2
Impactos de la aglomeración industrial en la eficiencia ecológica y polución
13.3
Implementación de algoritmo K-Means para dispositivos eterogeneos (cpu/gpu)
13.4
(Infrastructure) Global Wine Statistics Trained Neural Net
13.5
Aerocargo Trafic Argentina - from 2014 to 2019 (no covid-19 data included)
13.6
Energy Statistical Yearbook 2018 - Statistics
13.7
Herederos
13.8
Índice de Innovación Potencial
13.9
Residuos Agrícolas
13.10
Comparación de la competitividad de Bodegas Vitícolas de Mendoza
13.11
World Compliance Association
13.12
Empresas innovadoras
13.13
Uso de Energías Alternativas
Referencias
13.14
R Markdown
13.15
Including Plots
Published with bookdown
Material de Clase
2
Introduction
This chapter is an overview of the methods that we propose to solve an
important problem
.