Minería de Datos y Descubrimiento del Conocimiento

Información Básica

Descripción del Curso

El curso de Minería de Datos y Descubrimiento del Conocimiento recopila métodos y técnicas relacionadas con los fundamentos de la minería de datos, tanto desde el punto de vista de las bases de datos como desde el aprendizaje automático. Se estudian los algoritmos que existen para realizarla, el proceso de descubrimiento de conocimiento y los problemas más comunes que surgen al realizar una aplicación para una tarea específica.

Metodología

El curso contará con clases expositivas para explicar las técnicas y asignaciones para realizar la práctica usando diversas herramientas. Los estudiantes desarrollarán un proyecto sobre un caso de aplicación dado.

Contenido

Sesiónes Tema Bibliografía
1 Introducción
- Motivación, definiciones, tareas y técnicas de la minería de datos
[1], [4]
2 Manejo de Datos
- Tipos de datos, calidad, medidas de similitud y estadísticas
[1], [4]
3 Visualización de información
- Visualización de datos numéricos, de datos no numéricos, dashboards
[1], [4]
4 Bodegas de datos
- Conceptos, Diseño, Modelo multidimensional, Análisis
Metodología CRISP-DM
5 Evaluación
6
7
8
9
Clasificación
- Árboles de decisión: conceptos, algoritmos
- Clasificación basada en reglas, vecino más próximo, overfitting
- Redes neuronales artificiales
- Clasificadores bayesianos, support vector machine
[1]
10 Estimación del error
Comparación de técnicas
Sistemas híbridos
[1]
11 Evaluación
12
13
Asociación
- Conceptos. Algoritmo A-priori - Algoritmo FP-Growth
[1]
14
15
Clustering
- Conceptos, Algoritmo K-means
- Métodos jerárquicos
[1]
16 Proyecto

Evaluación

Porcentaje
Exámen 25%
Taller 1 25%
Tareas 10%
Proyecto Entrega 1 15%
Proyecto Entrega 2 25%

Bibliografía

  1. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to data mining. Pearson Addison Wesley, c2006.
  2. Ian H. Witten, Eibe Frank and Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2011. (disponible en Science Direct)
  3. Igor Kononenko, Matjaz Kukar. Machine Learning and Data Mining. Norwood Publishing, 2007.
  4. Jiawei Han, Micheline Kamber, Jian Pei. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2012.
  5. Mohamed Zaki and Wagner Meira Jr. Data Mining and Analysis: Fundamental Concepts and Algorithms. Cambridge University Press, 2014.
  6. Trevor Hastie, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second Edition. Springer.
 
materias/mineria_de_datos_y_kdd.txt · Última modificación: 2017/04/04 10:25 por mcpabon
Recent changes RSS feed Donate Powered by PHP Valid XHTML 1.0 Valid CSS Driven by DokuWiki