ETIQUETAS DE UN BLOG

POR QUE  SON IMPORTANTES LAS ETIQUETAS 

Las etiquetas sirven a dos propósitos: SEO, ya que te permite atraer un montón de tráfico, y experiencia de usuario, ya que permite que el usuario navegue más fácilmente por tu blog.

Sobre el SEO, permite englobar información en torno a un tema. Hay dos factores muy importantes que hacen que a Google le gusten las etiquetas.

Contenidos actualizados: Si estás escribiendo sobre una temática cada poco tiempo y la etiquetas, cuando Google rastrea la página de esa etiqueta ve varios contenidos novedosos, lo que es una señal de que estás cuidando esa página. Además, si tienes muchos contenidos hablando de una temática, más probable es que Google sepa que hablas de eso, o incluso que eres un experto en la materia, y decida darte una mayor relevancia.

Por ejemplo, si estamos hablando todo el día sobre WordPress y utilizamos esa etiqueta, y logramos tener cientos de posts de calidad y con contenido original, Google valorará la página de esa etiqueta. Si además sabe que cada vez que indexa la web ve mucho contenido nuevo y coherente con lo que espera encontrar, se enamorará de la página de etiqueta y atraerás un montón de tráfico.

Indexación: Con el ejemplo anterior, cada vez que Google entra en un post sobre wordpress, seguirá el link de la etiqueta y volverá a indexar la página y todos los posts escritos previamente sobre la temática. Esto hace que estés constantemente recordando a Google que la página existe, el contenido que hay dentro, y que continuas actualizándola.

Es más, como todo el contenido está relacionado, generas una red de link de contenido de la misma temática en la que todos los posts van a pasar valor -mediante el link- a esa página que las engloba. La página de etiqueta está en el centro de esa red de links.

Por este motivo a veces se pone una nube de etiquetas en la página principal. Para facilitar que Google indexe las etiquetas más usadas desde la home, sin tener que entrar a ningún post.

Usuarios

MINERÍA DE DATOS A FUTURO

MINERÍA DE DATOS A FUTURO 

La analítica predictiva ayuda a evaluar lo que sucederá en el futuro. La minería de datos (Data Mining) busca los patrones ocultos en los datos que pueden utilizarse para predecir el comportamiento futuro. Las empresas, los científicos y los gobiernos han utilizado este enfoque por años para transformar los datos en conocimientos pro-activos. 

Descubra como sera utilizado a futuro la minería de datos:

•          Detectar Fraudes.
•          Gestionar y Manejar el riesgo.
•          Resolver problemas de Big Data.

MINERÍA DE DATOS EN LA ACTUALIDAD

MINERÍA DE DATOS EN LA ACTUALIDAD 

• La minería de datos se ha convertido en una herramienta estratégica para la toma de decisiones de mercadeo, producción, organización y demás factores en la empresa, que de cierta manera la hacen más competitiva. 

• Este tipo de proyectos, en la actualidad, está penetrando fuertemente en las empresas debido a las continuas innovaciones en la capacidad de procesamiento, almacenamiento en disco y software permiten un nivel de análisis, eficiencia y facilidad en uso anteriormente no disponibles.

• Actualmente se estima que el suministro de datos del mundo se duplica cada 20 meses. Lo anterior implica un crecimiento excesivo en el volumen de datos que se maneja tanto en la comunidad científica como en los sectores productivos de la economía, que ha sobrepasado la capacidad humana de analizar, resumir y extraer conocimientos a tales cantidades de datos.

AUTORES PRINCIPALES

AUTORES PRINCIPALES

Ramasamy Uthurusamy.

De la Universidad de Oakland, Rochester, fue nombrado miembro del Instituto de Ingenieros Eléctricos y Electrónicos en 2013 por sus contribuciones a la minería de datos e inteligencia artificial.

Usama Fayyad.

Es un científico de datos estadounidense y con-fundador de conferencias KDD y la asociación ACM SIGKDD para Knowledge Discovery y Data Mining. Es conferencista en Business Analytics, Data Mining, Data Science y Big Data. Recientemente dejó su puesto como Jefe de Datos en Barclays Bank

CARACTERÍSTICAS DE LA MINERÍA DE DATOS

CARACTERÍSTICAS DE LA MINERÍA DE DATOS

• Explorar los datos que se encuentran en las profundidades de las bases de datos (por ejemplo los Almacenes de Datos), que algunas veces contienen información almacenada durante varios años.
• En algunos casos, los datos se consolidan en un almacén de datos y en mercados de datos; en otros, se mantienen en servidores de Internet.
• El entorno de la minería de datos suele tener una Arquitectura Cliente Servidor.
• La minería de datos produce cinco tipos de información:
• Asociaciones.
• Secuencias.
• Clasificaciones.
• Agrupamientos.
• Pronósticos.
• Los mineros de datos usan varias herramientas y técnicas.
• En el método científico, primero se formula la hipótesis y luego se diseña el experimento para coleccionar los datos que confirmen o refuten la hipótesis. Si esto se hace con la formalidad adecuada (cuidando cuáles son las variables controladas y cuáles experimentales), se obtiene un nuevo conocimiento.

HISTORIA MINERÍAS DE DATOS

HISTORIA MINERÍAS DE DATOS 

Desde los años sesenta los estadísticos manejaban términos como Data Fishing, Data Mining (DM) o Data Archaeology con la idea de encontrar correlaciones sin una hipótesis previa en bases de datos con ruido.

A principios de los años ochenta, Rakesh Agrawal, GioWiederhold, Robert Blum y Gregory Piatetsky-Shapiro entre otros, empezaron a consolidar los términos de Minería de Datos y KDD.

Esta tecnología ha sido un buen punto de encuentro entre personas pertenecientes al ámbito académico y al de los negocios. La evolución de sus herramientas en el transcurso del tiempo puede dividirse en cuatro etapas principales:

• Colección de Datos (1960).
• Acceso de Datos (1980).
• Almacén de Datos y Apoyo a las Decisiones (principios de la década de 1990).
•  Minería de Datos Inteligente.(década de 1990)

MINERÍA DE DATOS

MINERÍA DE DATOS

Es un campo de la estadística y las ciencias de la computación referida al proceso que intenta descubrir patrones en grandes volúmenes de conjuntos de datos.

Utiliza los métodos de:

• la inteligencia artificial
• aprendizaje automático
• estadística y sistemas de bases de datos