Sumario... 5 Prólogo Unidad didáctica 1. Introducción a la minería de datos Objetivos de la Unidad... 10

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Sumario... 5 Prólogo... 7. Unidad didáctica 1. Introducción a la minería de datos... 9. Objetivos de la Unidad... 10"

Transcripción

1 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la minería de datos... 9 Objetivos de la Unidad Origen y motivación El proceso de descubrimiento de conocimiento en bases de datos Tipos de datos Relación con otras áreas Utilidad de la minería de datos Ejemplo 1: grupos de clientes en una compañía telefónica Ejemplo 2: estudio de la concesión de créditos en un banco Ejemplo 3: análisis de la cesta de la compra en un supermercado Aplicaciones Repercusión, desafíos y tendencias en minería de datos Conclusiones

2 MINERÍA DE DATOS Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 2. El proceso de KDD Objetivos de la Unidad Introducción Recopilación de datos Selección, limpieza y transformación de datos Selección de datos Limpieza de datos Transformación de datos Data mining Interpretación y evaluación Visión de conjunto Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 3. Modelo de data mining Objetivos de la Unidad Introducción Clasificación

3 J. A. Lara Torralbo Índice sistemático 3. Regresión Clustering Asociación Detección de atípicos Tareas y técnicas Técnicas y modelos Herramientas de data mining Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 4. Clasificación: árboles de decisión y redes de neuronas artificiales Objetivos de la Unidad Introducción Árboles y reglas de decisión Redes de neuronas artificiales Clasificación con Weka Árboles y reglas de decisión con Weka Redes de neuronas artificiales con Weka Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas

4 MINERÍA DE DATOS Unidad didáctica 5. Clasificación: técnicas bayesianas y técnicas basadas en casos Objetivos de la Unidad Introducción Técnicas bayesianas Técnicas basadas en casos Clasificación con Weka Técnicas bayesianas con Weka Técnicas basadas en casos con Weka Evaluación de clasificadores Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 6. Clustering: técnicas particionales Objetivos de la Unidad Introducción Medidas de distancia Clustering particional Clustering con Weka Clustering particional con Weka Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas

5 J. A. Lara Torralbo Índice sistemático Unidad didáctica 7. Clustering: técnicas jerárquicas y técnicas basadas en densidad Objetivos de la Unidad Introducción Clustering jerárquico Clustering basado en densidad Clustering basado en grid Clustering con Weka Clustering jerárquico con Weka Clustering basado en densidad con Weka Evaluación de modelos de clustering Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 8. Asociación, regresión y detección de atípicos 211 Objetivos de la Unidad Introducción Asociación Regresión Regresión lineal Regresión no lineal Detección de atípicos Asociación con Weka Apriori con Weka Conclusiones

6 MINERÍA DE DATOS Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 9. Minería de datos no convencionales Objetivos de la Unidad Introducción Análisis de series temporales Comparación de series temporales Análisis de subsecuencias Modelos de referencia de series temporales Análisis de eventos en series temporales Web mining Text mining Data mining espacial Minería de datos multimedia Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas Unidad didáctica 10. Caso de estudio: aplicación de la minería de datos en el dominio de la medicina Objetivos de la Unidad

7 J. A. Lara Torralbo Índice sistemático 1. Introducción Dominio médico de aplicación: estabilometría Unilateral Stance (UNI) Rhythmic Weight Shift (RWS) Limits of Stability (LOS) Marco para el descubrimiento de conocimiento en el entorno médico Definición de eventos en series temporales Comparación entre dos series temporales Generación de modelos de referencia de series temporales Sistema implementado Conclusiones Conceptos básicos a retener Actividades de autocomprobación Actividades de repaso Ejercicios voluntarios Referencias bibliográficas

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Impartido por: Juan Alfonso Lara Torralbo 1. Datos del docente NOMBRE Juan Alfonso Lara Torralbo FORMACIÓN

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Introducción a business intelligence... 11. Objetivos de la Unidad... 12

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Introducción a business intelligence... 11. Objetivos de la Unidad... 12 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a business intelligence... 11 Objetivos de la Unidad... 12 1. Business intelligence... 13 2. Proceso de KDD... 15 3.

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

Prólogo... 7. Introducción a la toma de decisiones. Criterios de decisión en ambientes de incertidumbre 9. Objetivos de la Unidad...

Prólogo... 7. Introducción a la toma de decisiones. Criterios de decisión en ambientes de incertidumbre 9. Objetivos de la Unidad... ÍNDICE SISTEMÁTICO PÁGINA Prólogo... 7 Unidad didáctica 1. Introducción a la toma de decisiones. Criterios de decisión en ambientes de incertidumbre 9 Objetivos de la Unidad... 10 1. Introducción a la

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

Sumario... 5 Prólogo... 7. Unidad didáctica 1. Modelos y sistema de información... 9. Objetivos de la Unidad... 11

Sumario... 5 Prólogo... 7. Unidad didáctica 1. Modelos y sistema de información... 9. Objetivos de la Unidad... 11 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Modelos y sistema de información... 9 Objetivos de la Unidad... 11 1. Introducción... 12 2. Dato e información... 13 2.1. Dato...

Más detalles

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. 1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

Sumario... 5 Prólogo... 7. Unidad didáctica 1. Introducción a la computación distribuida... 11. Objetivos de la Unidad... 12

Sumario... 5 Prólogo... 7. Unidad didáctica 1. Introducción a la computación distribuida... 11. Objetivos de la Unidad... 12 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la computación distribuida... 11 Objetivos de la Unidad... 12 1. Conceptos básicos... 13 2. Computación monolítica,

Más detalles

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;

Más detalles

TÓPICOS AVANZADOS DE BASES DE DATOS

TÓPICOS AVANZADOS DE BASES DE DATOS TÓPICOS AVANZADOS DE BASES DE DATOS 1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: TÓPICOS AVANZADOS DE BASES DE DATOS Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: Modulo

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA CÓDIGO ASIGNATURA 1131-3 DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas ASIGNATURA: DATA MINING y DATA WAREHOUSE Plan 2009 Ingeniería en Informática Año: 5 (Electiva - Ingeniería de Software)

Más detalles

PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Datamining y Aprendizaje Automático

PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE. Datamining y Aprendizaje Automático CENTRO UNIVERSITARIO DE TECNOLOGÍA Y ARTE DIGITAL PLANIFICACIÓN DE LA DOCENCIA UNIVERSITARIA GUÍA DOCENTE Datamining y Automático 1. DATOS DE IDENTIFICACIÓN DE LA ASIGNATURA. Título: Facultad: Grado en

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Los títulos valores... 11. Objetivos de la Unidad... 13

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Los títulos valores... 11. Objetivos de la Unidad... 13 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Los títulos valores... 11 Objetivos de la Unidad... 13 1. Planteamiento... 14 2. Función económica... 14 3. Concepto y caracteres...

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 12 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Fundamentos de clustering Ejemplo inicial Aplicaciones

Más detalles

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP Universidad Politécnica de Puebla UPP JESÚS ANTONIO GONZÁLEZ BERNAL 1 2 Evolución de la Tecnología BD 1960 s y antes Creación de las BD en archivos primitivos 1970 s hasta principios de los 1980 s BD Jerárquicas

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. El empresario individual... 11. Objetivos de la Unidad... 13

Sumario... 5. Prólogo... 7. Unidad didáctica 1. El empresario individual... 11. Objetivos de la Unidad... 13 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. El empresario individual... 11 Objetivos de la Unidad... 13 1. Concepto... 14 1.1. Concepto doctrinal... 14 1.2. Concepto legal...

Más detalles

GUÍA DOCENTE TITULACIONES DE GRADO

GUÍA DOCENTE TITULACIONES DE GRADO GUÍA DOCENTE TITULACIONES DE GRADO TITULACIÓN: GRADO EN INGENIERIA INFORMATICA DE SISTEMAS DE INFORMACIÓN CURSO 2015/2016 ASIGNATURA: MINERÏA DE DATOS Nombre del Módulo o Materia al que pertenece la asignatura.

Más detalles

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático?

Ingeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático? Ingeniería del conocimiento Sesión 1 Por qué estudiar aprendizaje automático? 1 Agenda Qué vamos a ver en la asignatura? Para qué sirve todo esto? Cómo aprobar la asignatura? 2 Extracción del conocimiento

Más detalles

Grupo de investigación en Minería de Datos http://mida.usal.es

Grupo de investigación en Minería de Datos http://mida.usal.es Departamento de Informática y Automática Postgrado en Informática y Automática MÁSTER EN SISTEMAS INTELIGENTES ASIGNATURAS Introducción a la Minería de Datos Minería Web María N. Moreno García http://avellano.usal.es/~mmoreno

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. El contrato y sus elementos... 11. Objetivos de la Unidad... 13

Sumario... 5. Prólogo... 7. Unidad didáctica 1. El contrato y sus elementos... 11. Objetivos de la Unidad... 13 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. El contrato y sus elementos... 11 Objetivos de la Unidad... 13 1. Concepto de contrato... 14 2. Función del contrato... 16 3. El

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Fundamentos de la publicidad... 11. Objetivos de la Unidad... 12

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Fundamentos de la publicidad... 11. Objetivos de la Unidad... 12 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Fundamentos de la publicidad... 11 Objetivos de la Unidad... 12 1. Nociones básicas sobre la publicidad y el marketing... 13 1.1.

Más detalles

OPTATIVA I: MINERIA DE DATOS

OPTATIVA I: MINERIA DE DATOS UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: OPTATIVA I: MINERIA DE DATOS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la

Más detalles

CURSO MINERÍA DE DATOS AVANZADO

CURSO MINERÍA DE DATOS AVANZADO CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En

Más detalles

Sumario... 5. Unidad didáctica 1. Introducción a la dirección de operaciones... 7. Objetivos de la Unidad... 9. 1. Definición y antecedentes...

Sumario... 5. Unidad didáctica 1. Introducción a la dirección de operaciones... 7. Objetivos de la Unidad... 9. 1. Definición y antecedentes... ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Unidad didáctica 1. Introducción a la dirección de operaciones... 7 Objetivos de la Unidad... 9 1. Definición y antecedentes... 10 1.1. Definición de dirección de

Más detalles

Minería de Datos. Abstract. Existencia de herramientas automáticas que no hacen necesario el ser un experto en estadística Potencia de computo

Minería de Datos. Abstract. Existencia de herramientas automáticas que no hacen necesario el ser un experto en estadística Potencia de computo Minería de Datos Óscar Palomo Miñambres Universidad Carlos III de Madrid Avda. De la Universidad, 30 28911, Leganés (Madrid-España) 100049074@alumnos.uc3m.es Abstract En este artículo analizaremos las

Más detalles

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES Actualmente se vive una época donde se tiene una enorme cantidad de datos que se generan diariamente (del orden de Terabytes, Petabytes 1 (Han, Kamber, & Pei, 2012))

Más detalles

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: : : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.

Más detalles

Introducción... 7. Presentación y objetivos... 12

Introducción... 7. Presentación y objetivos... 12 ÍNDICE SISTEMÁTICO PÁGINA Introducción... 7 Unidad didáctica 1. Sistemas de gestión de contenidos, principales características y funcionalidades de los gestores de contenidos... 11 Presentación y objetivos...

Más detalles

Trabajo Practico N 12

Trabajo Practico N 12 Trabajo Practico N 12 Minería de Datos CATEDRA: Actualidad Informática Ingeniería del Software III Titular: Mgter. Horacio Kuna JTP: Lic. Sergio Caballero Auxiliar: Yachesen Facundo CARRERAS: Analista

Más detalles

Curso del Data Mining al Big Data

Curso del Data Mining al Big Data Curso del Data Mining al Big Data Instructor: Dr. Luis Carlos Molina Félix Presentación. Las bases de datos y los sistemas de administración de datos han jugado un papel primordial en el crecimiento y

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Inicio a la disciplina... 9. Objetivos de la Unidad... 10

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Inicio a la disciplina... 9. Objetivos de la Unidad... 10 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Inicio a la disciplina... 9 Objetivos de la Unidad... 10 1. Introducción... 11 2. Qué se entiende por criminología... 12 3. Criminalidad

Más detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source Inteligencia Artificial y Seguridad Informática en plataformas Open Source Jornadas de Software Libre y Seguridad Informática Santa Rosa La Pampa 4 y 5 de Diciembre de 2009 AGENDA Primera Parte Definiciones

Más detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,

Más detalles

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

Más detalles

Finanzas e Investigación de Mercados"

Finanzas e Investigación de Mercados DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de

Más detalles

FACULTAD DE CIENCIAS DE LA EDUCACIÓN CUADRO HORARIOS-CURSO ACADÉMICO 2015/2016 GRADO EN MAESTRO/A DE EDUCACIÓN INFANTIL

FACULTAD DE CIENCIAS DE LA EDUCACIÓN CUADRO HORARIOS-CURSO ACADÉMICO 2015/2016 GRADO EN MAESTRO/A DE EDUCACIÓN INFANTIL CURSO: 1º GRUPO: A AULA: 1.14 CUATRIMESTRE: 1º Observación sistemática y análisis 10:00-11:00 I (10:00-11:00) La en los sistemas educativos (9:30-10:30) Observación sistemática y análisis (10:30-12:30)

Más detalles

Minería de datos (Introducción a la minería de datos)

Minería de datos (Introducción a la minería de datos) Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 24

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

Presentación. Introducción a las técnicas de reconocimiento de patrones. Materia de doctorado en ingeniería/informática

Presentación. Introducción a las técnicas de reconocimiento de patrones. Materia de doctorado en ingeniería/informática Presentación Introducción a las técnicas de reconocimiento de patrones Materia de doctorado en ingeniería/informática Tópicos de minería de datos Materia optativa de LCC Docente: Pablo M. Granitto Horarios:

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

ASIGNATURA: Tecnologías de Información y Comunicación II

ASIGNATURA: Tecnologías de Información y Comunicación II ASIGNATURA: Tecnologías de Información y Comunicación II 53 HORAS DESCRIPCIÓN DE LA ASIGNATURA: Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación

Más detalles

Sumario... 5. Unidad didáctica 1. Los fundamentos del Derecho constitucional.. 7. Objetivos de la Unidad... 9

Sumario... 5. Unidad didáctica 1. Los fundamentos del Derecho constitucional.. 7. Objetivos de la Unidad... 9 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Unidad didáctica 1. Los fundamentos del Derecho constitucional.. 7 Objetivos de la Unidad... 9 1. El Derecho constitucional... 11 2. Origen y evolución del constitucionalismo...

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

Sumario... 5 Prólogo... 7

Sumario... 5 Prólogo... 7 índice sistemático PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Conceptos fundamentales... 11 Presentación y objetivos... 13 1. Definiciones y objetivos... 14 1.1. Algunas definiciones... 14 1.2.

Más detalles

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio

Más detalles

KDD y MD. Dr. Juan Pedro Febles Rodríguez BIOINFO CITMA 2005. Juan Pedro Febles KDD y MD

KDD y MD. Dr. Juan Pedro Febles Rodríguez BIOINFO CITMA 2005. Juan Pedro Febles KDD y MD KDD y MD Dr. Juan Pedro Febles Rodríguez BIOINFO febles@bioinfo.cu http://www.bioinfo.cu CITMA 2005 Temas a tratar Algunos antecedentes académicos. El proceso de descubrimiento de conocimientos en Datos

Más detalles

Sumario... 5. Prólogo... 7. El Registro Mercantil... 11. Objetivos de la Unidad... 13

Sumario... 5. Prólogo... 7. El Registro Mercantil... 11. Objetivos de la Unidad... 13 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. La empresa mercantil. El empresario individual. El Registro Mercantil... 11 Objetivos de la Unidad... 13 1. La empresa mercantil...

Más detalles

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación

Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación 5.5.1. Denominación: Introducción a la Minería de Datos 5.5.2. Breve Descripción del Contenido: Introducción a la minería de datos. Aprendizaje supervisado, modelos no paramétricos y modelos generalizados

Más detalles

Curso de Posgrado On-line. Del 18 de mayo al 14 de agosto de 2015

Curso de Posgrado On-line. Del 18 de mayo al 14 de agosto de 2015 DMI Data Mining aplicado a la Ingeniería D e s c u b r i e n d o c o n o c i m i e n t o a p a r t i r d e l o s d a t o s d e l a o r g a n i z a c i ó n Curso de Posgrado On-line Del 18 de mayo al 14

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

Evaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial

Evaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de

Más detalles

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Minería de Datos Complementos de Computación Módulo Titulación Grado en Ingeniería Informática Plan 463 45220 Periodo de impartición 1 er Cuatrimestre Tipo/Carácter

Más detalles

INSTITUTO TECNOLÓGICO DE MORELIA

INSTITUTO TECNOLÓGICO DE MORELIA DEPARTAMENTO DE SISTEMAS Y COMPUTACION INSTRUMENTACIÓN DIDÁCTICA DEL PERIODO agosto_diciembre2008 MATERIA: SISTEMAS DE INFORMACION HT 4 HP 2 CR 10 NO. DE UNIDADES 6 GRUPO: A CARRERA: N INFORMATICA LINF

Más detalles

Secretaría de Docencia Dirección de Estudios Profesionales

Secretaría de Docencia Dirección de Estudios Profesionales I. IDENTIFICACIÓN DEL CURSO PROGRAMA DE ESTUDIO POR COMPETENCIAS Minería de Datos ORGANISMO ACADÉMICO: FACULTAD DE INGENIERÍA Programa Educativo: Ingeniería en Computación Área de docencia: Tratamiento

Más detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

Apuntes de Tecnologías de Información y Comunicaciones II

Apuntes de Tecnologías de Información y Comunicaciones II Apuntes de Tecnologías de Información y Comunicaciones II Esta asignatura proporciona al alumno las competencias y herramientas teóricas necesarias para la aplicación de soluciones de inteligencia de negocios,

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. La aportación de valor de recursos humanos 11. Objetivos de la Unidad... 12

Sumario... 5. Prólogo... 7. Unidad didáctica 1. La aportación de valor de recursos humanos 11. Objetivos de la Unidad... 12 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. La aportación de valor de recursos humanos 11 Objetivos de la Unidad... 12 1. El papel de recursos humanos... 13 2. Componentes de

Más detalles

Artículos de Minería de Datos de Dataprix Introducción a la minería de datos

Artículos de Minería de Datos de Dataprix Introducción a la minería de datos Published on Dataprix (http://www.dataprix.com) Principal > Artículos de Minería de Datos de Dataprix By Dataprix Created 26/12/2009-17:13 Artículos de Minería de Datos de Dataprix Introducción a la minería

Más detalles

Minería de Datos. Universidad Politécnica de Victoria

Minería de Datos. Universidad Politécnica de Victoria Minería de Datos Universidad Politécnica de Victoria 1 Motivación Nuevas Necesidades del Análisis de Grandes Volúmenes de Datos El aumento del volumen y variedad de información que se encuentra informatizada

Más detalles

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Las fuentes del Derecho del Trabajo... 9. Objetivos de la Unidad... 10

Sumario... 5. Prólogo... 7. Unidad didáctica 1. Las fuentes del Derecho del Trabajo... 9. Objetivos de la Unidad... 10 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Las fuentes del Derecho del Trabajo... 9 Objetivos de la Unidad... 10 1. Las fuentes normativas del ordenamiento laboral. Intro ducción...

Más detalles

Datamining y Aprendizaje Automatizado Dep. de Cs. e Ing. de la Computación, UNS 2do. Cuat. 2010. Prof. Carlos Iván Chesñevar

Datamining y Aprendizaje Automatizado Dep. de Cs. e Ing. de la Computación, UNS 2do. Cuat. 2010. Prof. Carlos Iván Chesñevar Datamining y Aprendizaje Automatizado 01 - Introducción. Conceptos Preliminares De qué tratará este curso Conceptos y técnicas básicas de Datamining. Conceptos y técnicas de Aprendizaje Automatizado. Análisis

Más detalles

Introducción a la Minería de Datos y al Aprendizaje Automático

Introducción a la Minería de Datos y al Aprendizaje Automático Introducción a la Minería de Datos y al Aprendizaje Automático Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Juan José Rodriguez Diez Grupo

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases

Más detalles

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA ÁREA TÉCNICA

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA ÁREA TÉCNICA UNIVERDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja ÁREA TÉCNICA TITULACIÓN DE INGENIERO EN STEMAS INFORMÁTICOS Y COMPUTACIÓN Aplicación de técnicas de minería de datos para predecir la

Más detalles

Introducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012

Introducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012 Introducción a selección de atributos usando WEKA Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012 Contenido 1 Introducción a WEKA El origen Interfaces

Más detalles

Introducción Qué es Minería de Datos?

Introducción Qué es Minería de Datos? Conceptos Básicos Introducción Qué es Minería de Datos? Extracción de información o de patrones (no trivial, implícita, previamente desconocida y potencialmente útil) de grandes bases de datos. Introducción

Más detalles

SÍLABO. : Electivo : Ingeniería de Sistemas : IS0806. : VIII Ciclo : 2 de Teoría y 2 de Práctica : 03 : Ninguno

SÍLABO. : Electivo : Ingeniería de Sistemas : IS0806. : VIII Ciclo : 2 de Teoría y 2 de Práctica : 03 : Ninguno SÍLABO I. DATOS GENERALES 1.1. Nombre de la Asignatura 1.2. Carácter 1.3. Carrera Profesional 1.4. Código 1.5. Semestre Académico : 2014-I 1.6. Ciclo Académico 1.7. Horas de Clase 1.8. Créditos 1.9. Pre

Más detalles

Sumario... 5. Introducción... 7. Objetivos de la Unidad... 12. 1. Qué es la empresa informativa?... 13. 1.1. Concepto de «empresa»...

Sumario... 5. Introducción... 7. Objetivos de la Unidad... 12. 1. Qué es la empresa informativa?... 13. 1.1. Concepto de «empresa»... ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Introducción... 7 Unidad didáctica 1. Concepto y evolución de la empresa informativa... 11 Objetivos de la Unidad... 12 1. Qué es la empresa informativa?... 13 1.1.

Más detalles

Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix

Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix Presentación Las bases de datos y los sistemas de administración de datos han jugado un papel primordial en el crecimiento y éxito de

Más detalles

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas...

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... , INDICE Introducción, ; XVII Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... Aproximación al concepto de minería de datos... El proceso de extracción del conocimiento... Técnicas de minería

Más detalles

Sumario... 7. Presentación... 9. Presentación y objetivos... 15

Sumario... 7. Presentación... 9. Presentación y objetivos... 15 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 7 Presentación... 9 Unidad didáctica 1. Arquitectura y funcionamiento técnico de internet... 13 Presentación y objetivos... 15 1. Qué es internet?... 17 2. Origen de

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

Detección de Patrones de Daños y Averías en la Industria Automotriz

Detección de Patrones de Daños y Averías en la Industria Automotriz Universidad Tecnológica Nacional Facultad Regional Buenos Aires Tesis de Magister en Ingeniería en Sistemas de Información Detección de Patrones de Daños y Averías en la Industria Automotriz Directora:

Más detalles

G U Í A D I D Á C T I C A MASTER UNIVERSITARIO DE ESTADÍSTICA APLICADA CON R: TÉCNICAS CLÁSICAS, ROBUSTAS, AVANZADAS Y MULTIVARIANTES.

G U Í A D I D Á C T I C A MASTER UNIVERSITARIO DE ESTADÍSTICA APLICADA CON R: TÉCNICAS CLÁSICAS, ROBUSTAS, AVANZADAS Y MULTIVARIANTES. ISSUED DATE 25 AUGUST 2014 VALID DATE 25 SEPTEMBER 2014 G U Í A D I D Á C T I C A MASTER UNIVERSITARIO DE ESTADÍSTICA APLICADA CON R: TÉCNICAS CLÁSICAS, ROBUSTAS, AVANZADAS Y MULTIVARIANTES. P R O J E

Más detalles

Aprendizaje Computacional. Eduardo Morales y Jesús González

Aprendizaje Computacional. Eduardo Morales y Jesús González Aprendizaje Computacional Eduardo Morales y Jesús González Objetivo General La capacidad de aprender se considera como una de los atributos distintivos del ser humano y ha sido una de las principales áreas

Más detalles

SISTEMAS INFORMATICOS I

SISTEMAS INFORMATICOS I SISTEMAS INFORMATICOS I DATAMINING Contenidos Introducción Datamining vs otras técnicas Ejemplos del Datamining Conceptos relacionados con el Datamining Aplicaciones del datamining Modelado del datamining

Más detalles

Escuela de Administración de Empresas Actualización Empresarial. Plan de Estudios

Escuela de Administración de Empresas Actualización Empresarial. Plan de Estudios Escuela de Administración de Empresas Actualización Empresarial Plan de Estudios Programa BUSINESS INTELLIGENCE SPECIALIST I Semestre 2015 Alcanzando Proyectos Exitosos 1 P á g i n a Contenido MODULO I.

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACTULTAD DE ESTUDIOS SUPERIORES ACATLÁN MINERIA DE DATOS CON APLICACIONES TESIS QUE PARA OBTENER EL TITULO DE LICENCIADA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN

Más detalles

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007

CARACTERÍSTICAS GENERALES. a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura de Ingeniería en Sistemas Inteligentes 2007 b) Título que se otorga Ingeniero/a en Sistemas Inteligentes c) Espacio donde se imparte

Más detalles

Programa Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos

Programa Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos Ficha Técnica Titulación: Grado en Ingeniería de Organización Industrial Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Administración de Empresas y Economía Curso: 2º Créditos ECTS:

Más detalles

Experto TIC en Inteligencia Artificial para Programadores

Experto TIC en Inteligencia Artificial para Programadores Experto TIC en Inteligencia Artificial para Programadores Titulación certificada por EUROINNOVA BUSINESS SCHOOL Experto TIC en Inteligencia Artificial para Programadores Experto TIC en Inteligencia Artificial

Más detalles

Tome mejores decisiones mediante la inteligencia predictiva

Tome mejores decisiones mediante la inteligencia predictiva IBM SPSS Modeler Professional Funciones destacadas Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas de minería de datos intuitivo y visual. Crea y valide

Más detalles

PROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010. Tesys. Marketing D2D

PROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010. Tesys. Marketing D2D PROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010 Tesys CARACTERISTICAS DE LA PROPUESTA VISION : Dar soporte a la organización en las tareas de inteligencia comercial y manejo de datos. MISION

Más detalles

Weka como herramienta de data mining

Weka como herramienta de data mining Weka como herramienta de data mining Lic. Aldave Rojas Isaac Alberto Instituto Tecnológico Superior de Ciudad Serdán Abstract El presente trabajo muestra un ejemplo introductorio a la herramienta de Data

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

TFG Educational Data Mining & Learning Analytics

TFG Educational Data Mining & Learning Analytics TFG Educational Data Mining & Learning Analytics Estudio de las Matriculaciones de A.D.E. en la UOC Autor: Antonio Blanco Carpintero Tutor: Ramón Caihuelas Quiles Introducción Educational Data Mining Soporte

Más detalles

Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos

Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos Productivity in Construction Companies: Knowledge acquired from the databases Hernando Camargo Mila, Rogelio Flórez

Más detalles

PROBABILIDAD Y ESTADISTICA II. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware

PROBABILIDAD Y ESTADISTICA II. Propósito del Curso : Al final del curso el estudiante: Ingeniería Ingeniería en Sistemas. Hardware UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: PROBABILIDAD Y ESTADISTICA II DES: Ingeniería Ingeniería en Sistemas Programa(s) Educativo(s):

Más detalles

BitDefender Antispam NeuNet

BitDefender Antispam NeuNet BitDefender Antispam NeuNet Libro Blanco Cosoi Alexandru Catalin Researcher BitDefender AntiSpam Laboratory Contenido 1. Visión general sobre el Spam 2. Sobre las Redes Neurales 3. Nueva Estructura utilizando

Más detalles

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant.

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant. Introducción During next decade the number of Data Mining projects will increase dramatically (more than 300%) to improve the relationship with the customer and help companies to listen to their customers

Más detalles

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes

Academia de la carrera de Licenciatura Informática del Instituto Tecnológico Aguascalientes 1. DATOS DE LA ASIGNATURA Nombre de la Asignatura: Sistemas de Soporte a la Decisión Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0406 Horas teoría - horas práctica - créditos: 4-2-10

Más detalles

Contenido del Curso. Descubrimiento de Conocimiento a partir de datos. Introducción. Motivación

Contenido del Curso. Descubrimiento de Conocimiento a partir de datos. Introducción. Motivación Contenido del Curso Descubrimiento de Conocimiento a partir de Datos ISISTAN UNCPBA sschia@exa.unicen.edu.ar http://www.exa.unicen.edu.ar/catedras/dbdiscov/ Introducción al KDD Etapas Pre-procesamiento

Más detalles

ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE. ASIGNATURA Conceptos, practicas y retos en data mining. CURSO ACADÉMICO - SEMESTRE 2015-16 - Segundo semestre

ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE. ASIGNATURA Conceptos, practicas y retos en data mining. CURSO ACADÉMICO - SEMESTRE 2015-16 - Segundo semestre ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Conceptos, practicas y retos en data mining CURSO ACADÉMICO - SEMESTRE 2015-16 - Segundo semestre GA_10AK_103000389_2S_2015-16 Datos Descriptivos Nombre

Más detalles