Data mining: principios y aplicaciones
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.
Programa
- 01El 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
- 02El ciclo de data mining: fases y tipos de problemas
Tipos de problemas: descriptivos (asociación, clustering), predictivos (clasificación)
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso
- 03Técnicas de data mining
Clasificación: arboles de decisión, naive bayes
Clustering: k-means, EM
Asociacion: a priori
Presentación de un caso practico
Aplicación del proceso CRISP-DM
Elaboración de un plan de proyecto