MODELOS DE CIENCIA DE DATOS NO NUMÉRICOS. APLICACIONES EN REDES SOCIALES, WEB Y GESTIÓN DE PROCESOS

Transcripción

1 GUIA DOCENTE DE LA ASIGNATURA MODELOS DE CIENCIA DE DATOS NO NUMÉRICOS. APLICACIONES EN REDES SOCIALES, WEB Y GESTIÓN DE PROCESOS MÓDULO MATERIA ASIGNATURA CURSO SEMESTRE CRÉDITOS CARÁCTER Modelos avanzados ciencia datos de de Modelos de ciencia de datos no numéricos. Aplicaciones en redes sociales, web y gestión de procesos Modelos de ciencia de datos no numéricos. Aplicaciones en redes sociales, web y gestión de procesos 1º 2º 6 OPTATIVO PROFESOR(ES) Profesor responsable: Cordón García, Oscar Listado de profesores: Berzal Galiano, Fernando (fberzal@decsai.ugr.es). Tfno: ; Campaña Gómez, Jesús Roque (jesuscg@decsai.ugr.es). Tfno: ; Castillo Vidal, Luis (L.Castillo@decsai.ugr.es). Tfno: ; Cordón García, Oscar (ocordon@decsai.ugr.es). Tfno: ; Fernández Olivares, Juan (faro@decsai.ugr.es). Tfno: ; Martín Bautista, María José (mbautis@decsai.ugr.es). Tfno: DIRECCIÓN COMPLETA DE CONTACTO PARA TUTORÍAS (Dirección postal, teléfono, correo electrónico, etc.) Dpto. Ciencias de la Computación e Inteligencia Artificial ETSI Informática y de Telecomunicación Universidad de Granada C/ Periodista Daniel Saucedo, s/n E GRANADA HORARIO DE TUTORÍAS El Horario de tutorías de cada profesor se puede consultar en: MÁSTER EN EL QUE SE IMPARTE OTROS MÁSTERES A LOS QUE SE PODRÍA OFERTAR Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores PRERREQUISITOS Y/O RECOMENDACIONES (si procede) Sin requisitos previos. Página 1

2 BREVE DESCRIPCIÓN DE CONTENIDOS (SEGÚN MEMORIA DE VERIFICACIÓN DEL MÁSTER) Introducción a las redes complejas. Propiedades estructurales. Análisis de redes sociales Modelos de Redes Comportamiento Dinámico de los Sistemas Complejos. Procesos de Contagio, Difusión y Formación de Opiniones Modelado Basado en Agentes. Aplicaciones al Marketing Minería de Grafos. Aplicación a la minería de redes complejas y redes sociales Detección de Comunidades Predicción de enlaces Introducción a la Minería de Texto Preprocesamiento y Formas intermedias Técnicas de minería de texto Minería de texto y ontologías Minería de texto multilingüe Minería de opiniones y sentimientos Introducción a la Minería de la Web Minería web de contenido Minería web de estructura Minería web de uso Aplicaciones y casos de uso de la minería de texto y de la web Introducción a la gestión inteligente de procesos. Fuentes de conocimiento para el diseño de procesos. Minería de procesos. Laboratorio: Aplicación de las herramientas ProM (FuzzyMiner) y Disco a IActive Planner. COMPETENCIAS GENERALES Y ESPECÍFICAS Competencias Generales: CG1. Capacidad de acceso y gestión de la información CG2. Capacidad de análisis y síntesis CG3. Capacidad de organización y planificación CG5. Capacidad para tomar decisiones de forma autónoma CG8. Capacidad para trabajar en equipo Competencias Específicas: EB1. Capacidad para modelar y resolver problemas reales o académicos mediante técnicas de ciencia de datos. EB2. Capacidad para modelar y resolver problemas reales o académicos mediante tecnologías inteligentes o de inteligencia computacional. EB3. Capacidad de utilización de herramientas avanzadas para modelar y resolver problemas en los que se dispone de un tamaño enorme de datos. EB4. Conocer algunas de las principales aplicaciones de la ciencia de datos y de las tecnologías inteligentes. Página 2

3 OBJETIVOS (EXPRESADOS COMO RESULTADOS ESPERABLES DE LA ENSEÑANZA) Conocer los aspectos básicos de las redes complejas y los sistemas complejos, así como la gran diversidad de sistemas existentes (sociales, económicos, científicos, tecnológicos, biológicos,...). Conocer los aspectos fundamentales del análisis de redes sociales, concretamente, las distintas métricas de centralidad para determinar la importancia de los actores de la red. Aprender los procesos dinámicos clásicos de contagio y difusión de información en redes complejas Entender los procesos avanzados de difusión para el área del marketing (difusión de preferencias, formación de opiniones, marketing viral, etc.) así como la influencia que ejerce el tipo de red social subyacente en los mismos. Conocer la potencialidad del modelado basado en agentes (simulación social, ABM) para simular, analizar y optimizar sistemas complejos, concretamente en el campo del marketing. Conocer los fundamentos y los métodos de la minería de datos definidos por relaciones estructurales, minería de grafos. Estudiar distintas aplicaciones de la minería de grafos al campo de las redes complejas/redes sociales, concretamente al análisis y comparación de mapas visuales de la ciencia. Entender la formación y evolución de comunidades (p.ej. redes sociales en la Web). Aprender el funcionamiento de los métodos empleados para detectarlas Conocer los mecanismos empleados para predecir la evolución temporal de una red compleja, concretamente los métodos de predicción de enlaces. Comprender la dificultad de analizar y extraer conocimiento de grandes bases de datos con información textual. Conocer los retos más relevantes y las áreas de aplicación de la minería de texto y de la web, incluidos el ámbito médico, el marketing y las redes sociales. Conocer las tecnologías de apoyo al análisis textual. Adquirir los principios y conceptos fundamentales del área de la minería de texto. Conocer las técnicas fundamentales relacionadas con la minería de texto y de la web, así como los criterios de decisión sobre cuál utilizar en función del problema. Conocer las técnicas relacionadas con la minería de opiniones y sentimientos. Conocer cómo resolver problemas de minería en el ámbito multilingüe. Saber aplicar la metodología de la minería de texto y de la web para la resolución de problemas reales. Conocer la problemática de generar procesos personalizados en entornos dinámicos y no estructurados: adaptive case management. Conocer las distintas técnicas de análisis de datos que pueden extraer el conocimiento necesario para la generación de procesos personalizados y las principales dificultades en la aplicación de estas técnicas. Aprender a aplicar técnicas para la identificación de los objetivos y parámetros de búsqueda a partir de datos históricos. Conocer la aplicación de técnicas análisis para la extracción de conocimiento de control a partir de trazas de búsquedas. Aprender a aplicar técnicas para la minería de procesos personalizados y fragmentos de procesos a partir de logs de eventos: descubrimiento de procesos, auditoría de procesos y perfeccionamiento de procesos. Aprender cómo se aplican las herramientas de minería de procesos ProM y Disco para el generador de procesos en IActive Planner. Página 3

4 TEMARIO DETALLADO DE LA ASIGNATURA Introducción a las redes complejas. Propiedades estructurales. Análisis de redes sociales Modelos de Redes Comportamiento Dinámico de los Sistemas Complejos. Procesos de Contagio, Difusión y Formación de Opiniones Modelado Basado en Agentes. Aplicaciones al Marketing Minería de Grafos. Aplicación a la minería de redes complejas y redes sociales Detección de Comunidades Predicción de enlaces Introducción a la Minería de Texto Preprocesamiento y Formas intermedias Técnicas de minería de texto Minería de texto y ontologías Minería de texto multilingüe Minería de opiniones y sentimientos Introducción a la Minería de la Web Minería web de contenido Minería web de estructura Minería web de uso Aplicaciones y casos de uso de la minería de texto y de la web Introducción a la gestión inteligente de procesos. Fuentes de conocimiento para el diseño de procesos. Minería de procesos. Laboratorio: Aplicación de las herramientas ProM (FuzzyMiner) y Disco a IActive Planner. BIBLIOGRAFÍA F. Hadzic, H. Tan, T.S. Dillon: Mining of Data with Complex Structures, Springer, ISBN M. Newman: Networks: An Introduction. Oxford University Press, ISBN D.J. Cook, L.B. Holder: Mining Graph Data. Wiley, ISBN Albert-Laszlo Barabasi: Network Science. Interactive Book Project, networksciencebook Zafarani, R., Ali Abbasi, M., Liu, H: Social Media Mining. An Introduction. Cambridge University Press M.A. Janssen: Introduction to Agent-Based Modeling, Creative Commons License, Error! Referencia de hipervínculo no válida. Página 4

5 C. Aggarwal, C.-X. Zhai (Eds.): Mining Text Data. Springer, 2012 B. Liu: Web Data Mining: Exploring Hyperlinks, Contents and usage data. Springer, 2011 H.O. Nigro, S.E. González-Cisaro, D.H. Xodo (Eds.): Data Mining with Ontologies: Implementations, Findings and Frameworks. Information Science Reference, 2007 B. Pang, L. Lee: Opinion mining and sentiment analysis (Foundations and Trends in Information Retrieval 2: 1-2, pp. 135). Now Publishers, B. Liu: Sentiment analysis and opinion mining. Morgan & Claypool Publishers, S.M. Weiss, N. Indurkhya, T. Zhang: Fundamentals of predictive text mining. Springer R. Feldman, J. Sanger: The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge University Press, S. Jiménez, T. De la Rosa, S. Fernández, F. Fernández, D. Borrajo: A review of machine learning for automated planning, The Knowledge Engineering Review, vol. 27, no. 04, pp , Manalastas: Process Mining for Intelligent Planning and Scheduling in Adaptive Case Management Environments. University of Granada W. van der Aalst: Process Mining. Discovery, Conformance and Enhancement of Business Processes. Springer Verlag, The Nature of Knowledge Work. In: Swenson,K. Mastering the Unpredictable: How Adaptive Case Management Will Revolutionize the Way That Knowledge Workers Get Things Done, ch. 1, pp. 12. Meghan- Kier Press, Florida (2010) H. M. Ferreira, D. R. Ferreira: An integrated life cycle for workflow management based on learning and planning, International Journal of Cooperative Information Systems, vol. 15, no. 04, pp , W. van der Aalst, A. ter Hofstede, M. Weske: Business Process Management: A Survey. In: Weske, M. (ed.) LNCS, vol. 2678, pp Springer, Berlin/Heidelberg (2003) F. Palao, J. Fdez-Olivares, L. Castillo, O. Garcıa: An extended HTN knowledge representation based on a graphical notation. Workshop on Knowledge Engineering for Planning and Scheduling. ICAPS Conf. p ENLACES RECOMENDADOS Sitio web del Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores: Página web del Barabasi Lab, Northeastern University: Página web del libro electrónico Introduction to Agent-Based Modeling, incluyendo modelos en Netlogo, M.A. Jansen, Error! Referencia de hipervínculo no válida. Página web de modelos en Netlogo NetLearn: Interactive demonstrations of network concepts, Lada Adamic, Herramienta ProM, METODOLOGÍA DOCENTE MD1. Lección magistral/expositiva. MD2. Resolución de problemas y estudio de casos prácticos. MD3. Prácticas de laboratorio. MD4. Seminarios. Página 5

6 MD5. Análisis de fuentes y documentos. MD6. Realización de trabajos en grupo. MD7. Realización de trabajos individuales. EVALUACIÓN (INSTRUMENTOS DE EVALUACIÓN, CRITERIOS DE EVALUACIÓN Y PORCENTAJE SOBRE LA CALIFICACIÓN FINAL, ETC.) Todo lo relativo a la evaluación se regirá por la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada. El sistema de calificaciones se expresará mediante calificación numérica de acuerdo con lo establecido en el art. 5 del R. D 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y validez en el territorio nacional. Convocatoria ordinaria: La metodología de evaluación por defecto según la normativa de la Universidad de Granada es la evaluación continua, que en el caso de esta asignatura se compone de los siguientes elementos: Evaluación de la Parte Teórica: exámenes finales o parciales, sesiones de evaluación y entregas de ejercicios sobre el desarrollo y los resultados de las actividades propuestas. Evaluación de la Parte Práctica: se realizarán prácticas de laboratorio, resolución de problemas y desarrollo de proyectos (individuales o en grupo), y se valorarán las entregas de los informes/memorias realizados por los alumnos, o en su caso las entrevistas personales con los alumnos y las sesiones de evaluación. Evaluación de los Seminarios y otras actividades: se tendrá en cuenta la asistencia, los problemas propuestos que hayan sido resueltos y entregados por los alumnos, en su caso, las entrevistas efectuadas durante el curso y la presentación oral de los trabajos desarrollados. En la siguiente tabla se detalla el porcentaje sobre la calificación final de cada parte: Descripción del Sistema de Evaluación Ponderación Evaluación de la Parte Teórica 45% Evaluación de la Parte Práctica 45% Evaluación de los Seminarios y otras actividades 10% Alternativamente a la evaluación continua, el alumno puede optar por la evaluación única final según lo dispuesto en la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada ( Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura, lo solicitará al Coordinador del Máster, quienes darán traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua. La evaluación única final se realizará en un solo acto académico. Dicha prueba (evaluada de 0 a 10) incluirá Página 6

7 pruebas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta guía docente. Convocatoria extraordinaria: En las convocatorias extraordinarias se utilizará la evaluación única final, tal y como se ha descrito más arriba. RÉGIMEN DE ASISTENCIA La asistencia a las clases presenciales no será obligatoria, aunque la participación en las actividades planteadas podrá ser tenida en cuenta en el sistema de evaluación continua. INFORMACIÓN ADICIONAL Página 7