En entradas anteriores de este blog, se han abordado diferentes temas relacionados con \u201cData Mining\u201d, que en castellano se traduce como \u201cMiner\u00eda de Datos\u201d. Se trata de una disciplina inform\u00e1tica que estudia grandes vol\u00famenes de datos para extraer conocimiento \u00fatil a partir de ellos.<\/p>\n
Data Mining ofrece grandes ventajas ya que puede ser aplicada casi a cualquier dominio de conocimiento. Sin embargo, cada vez son m\u00e1s los dominios en los que surgen datos con una estructura muy compleja y, por tanto, se necesitan nuevos enfoques a la hora de extraer conocimiento a partir de ellos. En dichos dominios, cada objeto a analizar puede no estar representado por una simple tabla de atributos, sino que la informaci\u00f3n relativa a dicho objeto puede llegar a estar compuesta por un conjunto muy amplio de datos relacionados entre s\u00ed, aumentando as\u00ed la dificultad del an\u00e1lisis.<\/p>\n
Antes de realizar ese an\u00e1lisis se hace cada vez m\u00e1s necesario modelizar los datos para tener una correcta comprensi\u00f3n, almacenamiento y posterior tratamiento de los mismos.<\/p>\n
Para abordar este problema, investigadores de la UDIMA han propuesto una extensi\u00f3n de UML que permite representar un conjunto cualquiera de datos estructuralmente complejos organizados de forma jer\u00e1rquica. La modelizaci\u00f3n conceptual facilita la comprensibilidad de los datos por parte del humano y es el punto de partida que permite automatizar otras tareas de an\u00e1lisis de datos como la comparaci\u00f3n de individuos o la creaci\u00f3n de modelos de referencia.<\/p>\n
La propuesta descrita se ha aplicado sobre datos estructuralmente complejos procedentes del \u00e1rea de la estabilometr\u00eda, una disciplina m\u00e9dica que estudia el equilibrio de los seres humanos. Los resultados de esta investigaci\u00f3n han sido verdaderamente satisfactorios.<\/p>\n