Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/3020
Título: Estudio de Mapeo Sistemático en el Problema de la Variedad en Sistemas Big Data
Autor: Ramirez Gervacio, Daniel%921749
metadata.dc.subject.other: Big Data, frameworks, mapeo sistemático
Data: 2021-01-15
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição: Actualmente el término Big Data no solo hace referencia a la gran cantidad de datos, sino que también hace referencia a la información que no se puede procesar o analizar utilizando procesos o herramientas tradicionales debido a 3 características: el volumen, la velocidad y la variedad. El constante aumento de información que se genera en la actualidad y el desarrollo de nuevas tecnologías han traído consigo un crecimiento exponencial de nuevos tipos de datos, los cuales son difíciles de procesar con herramientas o frameworks previos al surgimiento de Big Data. Sin embargo, el mayor problema en el análisis de Big Data no es la gran cantidad de datos (Volumen), sino la dificultad de analizar los diferentes tipos de datos (Variedad). El presente documento tiene como objetivo evidenciar el estatus en cuanto al uso de herramientas, frameworks y metodologías utilizadas en el problema de la variedad en Big Data. Para esto se llevó a cabo un estudio de mapeo sistemático, que inició con una pregunta de investigación principal hasta llegar a la búsqueda, selección y clasificación de estudios relevantes. Una de las finalidades de este trabajo de investigación es permitir guiar futuras investigaciones, de tal forma que pueda ser utilizado como referencia de línea base.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece nas colecções:Tesis de Maestría en Computación

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
MC_Daniel_Ramirez_Gervacio_2021.pdfTesis4.21 MBAdobe PDFVer/Abrir
MC_Daniel_Ramirez_Gervacio_2021.pdf
  Restricted Access
Cesión de derechos36.31 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons