Data Quality Engineering /

Este proyecto se realizó en la empresa de consultoría de software Softtek para su cliente Techint Ingeniería & Construcción (TEIC) y consistió en el desarrollo y puesta en producción de un sistema que mida la calidad de sus datos almacenados Esta necesidad surge por parte del cliente, ya que nec...

Descripción completa

Detalles Bibliográficos
Autor principal: Ifrán, Julián Agustín
Formato: Tesis Libro electrónico
Lenguaje:Español
Publicado: Florencio Varela : Universidad Nacional Arturo Jauretche, 2022
Materias:
Acceso en línea:https://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/f5ea046ec6cee7efd2f0bf3354f7d4e63cfee32b
Aporte de:Registro referencial: Solicitar el recurso aquí
LEADER 02732nam a22003017a 4500
005 20221003141721.0
007 cr
008 220930e2022 ag |||||ot||| 00| 0 spa d
040 |c AR-FvUNAJ  |d AR-FvUNAJ  |e aacr2 
041 |a spa 
100 1 |9 15193  |a Ifrán, Julián Agustín  
245 1 0 |a Data Quality Engineering /  |c Julián Agustín Ifrán 
260 |a Florencio Varela :  |b Universidad Nacional Arturo Jauretche,  |c 2022 
300 |a 82 p.  |b digital 
502 |b Práctica Profesional para obtener el titulo de Ingeniero/a  |c Universidad Nacional Arturo Jauretche. 
506 0 |a Acceso abierto  |f info:eu-repo/semantics/openAccess 
520 3 |a Este proyecto se realizó en la empresa de consultoría de software Softtek para su cliente Techint Ingeniería & Construcción (TEIC) y consistió en el desarrollo y puesta en producción de un sistema que mida la calidad de sus datos almacenados Esta necesidad surge por parte del cliente, ya que necesitaba de una plataforma propia que le permitiera analizar sus bases de datos, encontrar inconsistencia y llevar a cabo acciones correctivas. Para ello, el objetivo del proyecto fue utilizar factores, métricas, métodos y reglas que permitieran medir (de forma cuantificable) la calidad de los datos. También se aprovechó el aprendizaje automático con la intención de detectar anomalías en los datos y así generar alertas tempranas. Las tareas del proyecto abarcan: el desarrollo de una aplicación que permitiera la creación y ejecución de reglas de calidad, la búsqueda de anomalías y la generación de alertas tempranas. Para esta tarea se utilizó un ecosistema principal de aplicaciones compuesto por C#, SQL Server, React y DevOps. Con este proyecto no solo se logró mejorar la calidad de los datos. Sino que también permitió acercar el cliente al desarrollo de métodos propios de medición, la utilización de inteligencia artificial, la detección temprana de anomalías. Para que en el futuro se pueda continuar en la implementación de un modelo de MLOPs y en nuevas acciones correctivas. 
540 |a Esta obra está bajo una Licencia Creative Commons Argentina. Atribución – no comercial – sin obra derivada 4.0   |u https://creativecommons.org/licenses/by-nc-nd/4.0/  
630 0 |9 11376  |a Ingeniería en Informática  
650 2 4 |9 15194  |a GOBERNANZA DE DATOS 
650 2 7 |2 oit  |9 3473  |a BASES DE DATOS 
650 2 4 |9 15195  |a CALIDAD DE DATOS 
650 2 7 |2 dcs  |9 11553  |a APRENDIZAJE AUTOMÁTICO 
650 2 4 |9 15196  |a MLOPs 
856 4 1 |q application/pdf  |u https://biblioarchivo.unaj.edu.ar/mostrar/pdf/scvsdf/erwe/f5ea046ec6cee7efd2f0bf3354f7d4e63cfee32b 
942 |2 ddc  |c INFORME 
980 |6 20072  |a  Matías Regueira  |8 20072  |g  Matías Regueira 
999 |c 7847  |d 7847