Gestión de la Información para la Ingeniería Industrial
Palabras clave:
Gestión de la Información , Ingeniería IndustrialSinopsis
En la actualidad, las organizaciones industriales operan en entornos caracterizados por una alta complejidad, dinamismo y presión competitiva. La automatización de procesos, la digitalización de operaciones y la interconexión de sistemas han multiplicado la cantidad de datos disponibles, generando nuevas oportunidades, pero también nuevos desafíos para la gestión empresarial.
En este contexto, la información se consolida como un activo estratégico fundamental. No se trata únicamente de disponer de grandes volúmenes de datos, sino de contar con la capacidad organizacional para transformarlos en información confiable y, posteriormente, en conocimiento útil para la toma de decisiones. La Ingeniería Industrial, por su naturaleza integradora, ocupa un rol central en este proceso.
Descargas
Los datos de descarga aún no están disponibles.
Referencias
Alvarez, J. (2026). Bases de datos para la Ingeniería Industrial (1.ª ed.). Fondo Editorial.
Chaffey, D., y White, G. (2019). Business information management: Improving performance using information systems (3.ª ed.). Pearson.
Davenport, T. H., y Harris, J. G. (2017). Competing on analytics: The new science of winning (2.ª ed.). Harvard Business Review Press.
Han, J., Kamber, M., y Pei, J. (2011). Data mining: Concepts and techniques (3.ª ed.). Morgan Kaufmann.
James, G., Witten, D., Hastie, T., y Tibshirani, R. (2021). An introduction to statistical learning: With applications in R (2.ª ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
Kimball, R., y Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3.ª ed.). Wiley.
Kleppmann, M. (2017). Designing data-intensive applications: The big ideas behind reliable, scalable, and maintainable systems. O'Reilly Media.
Laudon, K. C., y Laudon, J. P. (2021). Management information systems: Managing the digital firm (17.ª ed.). Pearson.
Lorraine, C. (2020). Decision intelligence: A toolkit for managers. CRC Press.
Montgomery, D. C., y Runger, G. C. (2018). Applied statistics and probability for engineers (7.ª ed.). Wiley.
O'Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.
Provost, F., y Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. O'Reilly Media.
Reis, J., y Housley, M. (2022). Fundamentals of data engineering: Plan and build robust data systems. O'Reilly Media.
Shmueli, G., Patel, N. R., y Bruce, P. C. (2017). Data mining for business analytics: Concepts, techniques, and applications in R. Wiley.
Goodfellow, I., Bengio, Y., y Courville, A. (2016). Deep learning. MIT Press.
Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3.ª ed.). O'Reilly Media.
Molnar, C. (2022). Interpretable machine learning: A guide for making black box models explainable. Leanpub.
Russell, S., y Norvig, P. (2020). Artificial intelligence: A modern approach (4.ª ed.). Pearson.
Sutton, R. S., y Barto, A. G. (2018). Reinforcement learning: An introduction (2.ª ed.). MIT Press.
Publicado
marzo 9, 2026
Colección
ISSN en línea
2955-8549
Categorías
Derechos de autor 2026 Julio César Alvarez Reyes
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
(Ed.). (2026). Gestión de la Información para la Ingeniería Industrial: Vol. Primera edición. Fondo Editorial FEPOL. https://doi.org/10.47422/nn3f4589
