Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/65285
Título : | Real-Time behavioural stream analysis with Big Data stack technologies |
Autoría: | Puertas Ballesteros, Pedro |
Tutor: | Andrés Sanz, Humberto |
Otros: | Universitat Oberta de Catalunya |
Resumen : | En esta memoria se describe la creación de un proyecto Big Data utilizando las tecnologías de AWS Kinesis y Spark Streaming y de visualización de Looker. El objetivo es poder valorar la actividad del usuarios a través de las acciones dentro de la aplicación de Wallapop. Para poder valorar esta se construye una matriz de transiciones donde a través del modelo Hidden Markov se puntúa estas. Por último, se pre-bloquean los usuarios para valorar su actividad y tomar una decisión. |
Palabras clave : | Apache Hadoop wallapop Big data aprendizaje automático business intelligence |
Tipo de documento: | info:eu-repo/semantics/bachelorThesis |
Fecha de publicación : | 30-jun-2017 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Puertas_Ballesteros_Pedro_MEMO¿RIA.docx | 56,93 MB | Microsoft Word XML | Visualizar/Abrir | |
Puertas_Ballesteros_Pedro_PRESENTACIO¿.pptx | 11,27 MB | Microsoft Powerpoint XML | Visualizar/Abrir | |
ppuertasbTFG0617memoria.pdf | Memoria del TFG | 2,9 MB | Adobe PDF | Visualizar/Abrir |
ppuertasbTFG0617presentación.pdf | Presentación del TFG | 1,07 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons