Data science and big data processing in R: Representations and software

Abstract

El principal objetivo de esta tesis es el desarrollo de implementaciones en software de alta calidad y fácil uso de distintos paquetes para implementar representaciones y algoritmos para modelado de sistemas y análisis de datos. Por haberse convertido en un estándar de facto, la plataforma obligada para la implementación es el lenguaje R. Los paquetes referidos consideran distintas técnicas basadas en sistemas difusos, Rough Sets, y Fuzzy Rough Sets. Además, se presenta un formato de representación universal para sistemas basados en reglas difusas. Finalmente, se aborda la implementación de random forests y random ferns para procesamiento en Big Data.

The main objective of this thesis is the development of high quality and easy to use software modules for represent, create and manage system models and data analysis. Since it has become a de facto standard, R is the platform of choice. The mentioned packages consider the techniques based on fuzzy systems, rough sets, and fuzzy rough sets. In addition, a universal representation framework for fuzzy rule-based systems is introduced. Finally, the implementation of random forests and random ferns for tackling Big Data is discussed.