Ficha del curso
Data mining: principios y aplicaciones
Ofimática, informática y comunicaciones
Contenidos
UNIDAD DIDÁCTICA 1. EL PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS.
Definición del proceso de data mining
Análisis de las fases del proceso de acuerdo a CRISP-DM
- Compresión del problema
- Comprensión de los datos
- Preparación de los datos
- Modelado
- Evaluación
- Implantación
UNIDAD DIDÁCTICA 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS.
Tipos de problemas
- Descriptivos
- Predictivos
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso
UNIDAD DIDÁCTICA 3. TÉCNICAS DE DATA MINING.
Clasificación
- Arboles de decisión
- Naive Bayes
Clustering
- K-means
- EM
Asociacion
- A priori
UNIDAD DIDÁCTICA 4. CONSOLIDACIÓN DE DATA MINING.
Presentación de un caso practico
Aplicación del proceso CRISP-Dm
Elaboración de un plan de proyecto
Definición del proceso de data mining
Análisis de las fases del proceso de acuerdo a CRISP-DM
- Compresión del problema
- Comprensión de los datos
- Preparación de los datos
- Modelado
- Evaluación
- Implantación
UNIDAD DIDÁCTICA 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS.
Tipos de problemas
- Descriptivos
- Predictivos
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso
UNIDAD DIDÁCTICA 3. TÉCNICAS DE DATA MINING.
Clasificación
- Arboles de decisión
- Naive Bayes
Clustering
- K-means
- EM
Asociacion
- A priori
UNIDAD DIDÁCTICA 4. CONSOLIDACIÓN DE DATA MINING.
Presentación de un caso practico
Aplicación del proceso CRISP-Dm
Elaboración de un plan de proyecto
Objetivos
Descubrir las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.