Análisis visual de datos multidimensionales

El crecimiento exponencial en la generación y almacenamiento de datos ha planteado importantes desafíos en su procesamiento y análisis. En este contexto, la visualización de datos desempeña un papel fundamental al permitir la transformación de grandes volúmenes de datos en representaciones comprensibles para el ser humano. No obstante, a medida que los conjuntos de datos aumentan en tamaño y dimensionalidad, el diseño de visualizaciones efectivas se vuelve cada vez mas complejo. Con el objetivo de abordar estos desafíos y optimizar el proceso de visualización, esta tesis propone soluciones innovadoras que abarcan diversos aspectos clave. En primer lugar, se desarrolla un marco metodológico basado en tres pilares fundamentales de la visualización: los datos, su representación visual y los objetivos del análisis. Se realiza un análisis detallado de las técnicas de visualización existentes, organizándolas en una nueva taxonomía que facilita su clasificación y aplicación. Asimismo, con el propósito de unificar la interpretación y el uso de las tareas analíticas en visualización, se propone una taxonomía de tareas unificada que supera las diferencias terminologías presentes en la literatura. De manera complementaria, se diseña y desarrolla un sistema de recomendación que optimiza la selección de técnicas de visualización considerando de manera integral las características de los datos, los objetivos analíticos del usuario y sus preferencias en la representación visual. Este sistema ofrece una guía estructurada para la selección de representaciones gráficas adecuadas, permitiendo a usuarios expertos y no expertos crear visualizaciones expresivas y efectivas. Finalmente, se presenta el diseño e implementación de herramientas especializadas para la visualización de datos multidimensionales, con un enfoque particular en el análisis de datos geológicos. Estas herramientas combinan técnicas tradicionales con modelos avanzados de aprendizaje automático, ofreciendo soluciones innovadoras para el análisis de grandes conjuntos de datos.

Author dc:creator

• Antonini, Antonella Soledad

Advisors dc:contributor.advisor

• Castro, Silvia
• Ganuza, María Luján

• Visualización de datos

Statement dc:rights

• Reconocimiento-NoComercial-CompartirIgual 4.0 (CC BY-NC-SA 4.0)

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-sa/4.0/

Language dc:language.iso

spa

Dc Identifier Other

2025-1963

OAI identifier oai:identifier

oai:repositorio.bc.uns.edu.ar:123456789/7296