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

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

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

Transcripción

1 Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 12 - Juan Alfonso Lara Torralbo 1

2 Índice de contenidos Fundamentos de clustering Ejemplo inicial Aplicaciones Características deseables de un método de clustering Medidas de distancia Ejemplo de cálculo de distancia Actividad. Cálculo de distancias 2

3 Fundamentos de clustering Clustering (también conocido como segmentación o agrupamiento) hace referencia a la tarea de data mining consistente en dividir un conjunto inicial de objetos heterogéneos en grupos de objetos homogéneos A los grupos de objetos similares entre sí se les conoce con el nombre de clusters 3

4 Ejemplo inicial (I) Datos sobre Longitud y Altura de objetos identificados en una imagen médica 4

5 Ejemplo inicial (II) Cuántos clústers se aprecian? 5

6 Aplicaciones (I) Marketing: identificación de los distintos grupos de clientes en la base de datos de una compañía, lo cual puede resultar de gran utilidad para optimizar la política publicitaria y las ofertas. Compañías de Seguros: establecimiento de los grupos de clientes asegurados con características similares (número y tipo de siniestros, recursos económicos, etc.). Con ello se consigue conocer los riesgos de los clientes de forma más precisa. Planificación urbana: identificación de grupos de viviendas según el tipo de éstas (piso, chalet, etc.), valor o localización geográfica. World Wide Web (WWW): determinación de los diferentes tipos de documentos, análisis de ficheros log para descubrir patrones de acceso similares, etc. 6

7 Aplicaciones (II) Como tarea de preprocesado para otras tareas posteriores de Data Mining Como tarea preliminar que se aplica por defecto para empezar a conocer los datos De gran utilidad ya que permite tener una composición de lugar del dominio que se está analizando y, además, puede arrojar alguna pista sobre la aplicabilidad de otras tareas de data mining. 7

8 Características deseables Que sea escalable, es decir, que funcione correctamente al tratar con conjuntos de datos, tanto de pocos como de muchos elementos. Que posea la capacidad para operar con distintos tipos de variables. Que permita descubrir clusters con formas arbitrarias. Que sea capaz de tratar datos con ruido (errores, inconsistencias, etc.) y objetos atípicos. Que sea insensible al orden de los registros de la base de datos. Es decir, que el orden en el que los datos están almacenados, no influya en los clusters obtenidos. Que funcione correctamente cuando trabaja con registros de alta dimensionalidad (con muchos atributos). Que los resultados obtenidos sean interpretables por el ser humano. 8

9 Medidas de distancia (I) Definición formal de clustering: Dada una base de datos D={t 1,t 2,,t n } compuesta por n registros y un valor entero k (número de clusters), la tarea de clustering consiste en establecer una correspondencia: f: D {C 1,..,C k }; donde cada t i se asigna a un cluster C j, 1 j k. Qué se necesita para ello? Medida de distancia entre los elementos a particionar 9

10 Medidas de distancia (II) Distancia City-Block o Manhattan: = p i j m im jm m= 1 d( t, t ) W t t (1) Distancia Euclídea: ( ) 2 = p i j m im jm m = 1 d ( t, t ) W t t (2) Distancia Minkowski: ( ) λ p i i m im jm m= 1 d ( t, t ) = W t t λ > 0 (3) λ 10

11 Ejemplo 11

12 Actividad. Cálculo de distancias Calcular, en grupo, la distancia Euclídea entre los elementos <1,1>, <100,74> y <27,29> con cada elemento de la tabla de ejemplo mostrada por el profesor Poner en común 12

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

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

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

Sumario... 5 Prólogo... 7. Unidad didáctica 1. Introducción a la minería de datos... 9. Objetivos de la Unidad... 10 ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la minería de datos... 9 Objetivos de la Unidad... 10 1. Origen y motivación... 11 2. El proceso de descubrimiento

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

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

EJEMPLO. Práctica de clustering

EJEMPLO. Práctica de clustering Práctica de clustering Preparación de los ficheros binarios Para operar los ficheros binarios se ha utilizado una aplicación en Delphi que permite montar los ficheros ".arff" que usa Weka. La aplicación

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

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

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

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

SEGMENTACIÓN. Debido a que los compradores tienen deseos y necesidades únicos, cada comprador es potencialmente un mercado separado.

SEGMENTACIÓN. Debido a que los compradores tienen deseos y necesidades únicos, cada comprador es potencialmente un mercado separado. SEGMENTACIÓN Debido a que los compradores tienen deseos y necesidades únicos, cada comprador es potencialmente un mercado separado. Hoy en día, los vendedores se están alejando del mercadeo masivo y de

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

EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO

EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,

Más detalles

UNIVERSIDAD CATÓLICA DEL NORTE FACULTAD DE INGENIERÍA Y CIENCIAS GEOLÓGICAS MAGÍSTER EN INGENIERÍA INFORMÁTICA

UNIVERSIDAD CATÓLICA DEL NORTE FACULTAD DE INGENIERÍA Y CIENCIAS GEOLÓGICAS MAGÍSTER EN INGENIERÍA INFORMÁTICA UNIVERSIDAD CATÓLICA DEL NORTE FACULTAD DE INGENIERÍA Y CIENCIAS GEOLÓGICAS MAGÍSTER EN INGENIERÍA INFORMÁTICA EVALUACIÓN EMPÍRICA DEL ACOPLAMIENTO DE ALGORITMOS DE MINERÍA DE DATOS A UN SISTEMA GESTOR

Más detalles

Fuente: Ventana Research

Fuente: Ventana Research Geobusiness Intelligence Cristián Araneda Hernández caraneda@mapcity.cl LAUC 2008 - Sesion de Ponencias 1 Geobusiness Intelligence Cristián Araneda Hernández caraneda@mapcity.cl LAUC 2008 - Sesion de Ponencias

Más detalles

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

Los principales conceptos para mejorar la gestión de Marketing: preguntas clave

Los principales conceptos para mejorar la gestión de Marketing: preguntas clave Los principales conceptos para mejorar la gestión de Marketing: preguntas clave Luis Muñiz Economista y Consultor en sistemas de información y estrategia Nos puede describir que es la gestión de Marketing

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

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

Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra

Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra Agenda Qué es Data Mining? Cómo se integra en el proceso de Descubrimiento del conocimiento? Funcionalidades del Data Mining Técnicas Supervisadas

Más detalles

Cursos Superiores en Gestión Comercial y Marketing

Cursos Superiores en Gestión Comercial y Marketing 2013-14 Índice 1- Gestión Comercial para no vendedores... 1 - Programa - 2- Prácticas de ventas.. 2 3- Técnicas de negociación 3 4- Introducción al. 4 5- Dirección Comercial y Mercado.. 5 6- Decisiones

Más detalles

La calidad de los datos ha mejorado, se ha avanzado en la construcción de reglas de integridad.

La calidad de los datos ha mejorado, se ha avanzado en la construcción de reglas de integridad. MINERIA DE DATOS PREPROCESAMIENTO: LIMPIEZA Y TRANSFORMACIÓN El éxito de un proceso de minería de datos depende no sólo de tener todos los datos necesarios (una buena recopilación) sino de que éstos estén

Más detalles

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

Web mining y obtención de información para la generación de

Web mining y obtención de información para la generación de Web mining y obtención de información para la generación de inteligencia Miguel Ángel Esteban (Universidad de Zaragoza) mesteban@unizar.es Instituto Juan Velázquez de Velasco de Investigación en Inteligencia

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 5 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 5 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Data Warehouse Modelo multidimensional Diagrama

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

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net Proyecto técnico MINERÍA DE DATOS Febrero 2014 www.osona-respon.net info@osona-respon.net 0. Índice 0. ÍNDICE 1. INTRODUCCIÓN... 2 2. LOS DATOS OCULTOS... 3 2.1. Origen de la información... 3 2.2. Data

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

Segmentación de Mercados.

Segmentación de Mercados. La Comercialización de Servicios - Productos y Destinos Turísticos Sostenibles Publicado por: la Universidad Estatal a Distancia de Costa Rica. Escrito por: Mario a. Socatelli P. Director General - Intermark

Más detalles

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Introducción al Data Mining Clases 5 Cluster Analysis Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Cluster Análisis 1 El término cluster analysis (usado por primera

Más detalles

GUÍA DIDÁCTICA. FORMADOR.

GUÍA DIDÁCTICA. FORMADOR. GUÍA DIDÁCTICA. FORMADOR. Realizado por: Servicio Andaluz de Empleo Índice de Contenidos 1. FICHA TÉCNICA DEL CURSO. 3 2. OBJETIVO GENERAL. 3 3. TEMPORALIZACIÓN. 4. MÓDULO 1. INICIACIÓN A LA INFORMÁTICA.

Más detalles

Habits España Geomarketing y segmentación

Habits España Geomarketing y segmentación Habits España Geomarketing y segmentación Qué es Habits? Habits es una base de datos que contiene una completa descripción de la población española y su precisa localización geográfica. Esta información

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

Unidad 5. Modelo de objetos del dominio del problema. Trimestre 10-I. Universidad Autonomía Metropolitana. Unidad 5

Unidad 5. Modelo de objetos del dominio del problema. Trimestre 10-I. Universidad Autonomía Metropolitana. Unidad 5 objetos del dominio del problema Universidad Autonomía Metropolitana Trimestre 10-I Contenido de la unidad 1 Objetivos Su objetivo es delimitar el sistema y capturar la funcionalidad que éste debe ofrecer

Más detalles

Proyecto de Taller V. Leticia Pérez. Fernández. INCO - Facultad de Ingeniería Universidad de la República

Proyecto de Taller V. Leticia Pérez. Fernández. INCO - Facultad de Ingeniería Universidad de la República Diseño e implementación de un generador de sitios web adaptativos automáticos: Descubrimiento de patrones de navegación Proyecto de Taller V Estudiantes: Tutor: Luis Do Rego Leticia Pérez Ing. Eduardo

Más detalles

(Tomado de: http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/var_cuanti.html)

(Tomado de: http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/var_cuanti.html) VARIABLES CUANTITATIVAS (Tomado de: http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/var_cuanti.html) Variables ordinales y de razón. Métodos de agrupamiento: Variables cuantitativas:

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

Investigación de mercados aplicada a la estrategia online

Investigación de mercados aplicada a la estrategia online Investigación de mercados aplicada a la estrategia online Sinopsis Si pensamos en Internet como un canal de alto potencial a explotar por las empresas, lo primero que nos tenemos que plantear es la estrategia

Más detalles

Temas en foco: Segmentación de la Oferta de Alojamientos

Temas en foco: Segmentación de la Oferta de Alojamientos Temas en foco: Segmentación de la Oferta de Alojamientos Claves: Utilizando técnicas de segmentación se analiza la oferta de de las Provincias de Tucumán y Chubut. Se estima la ocupación anual en Tucumán

Más detalles

Qué es DataMining? Agenda. Agenda 8/24/2007. Ing. Gustavo Markel gmarkel@gmail.com. Lic. Cecilia Ruz ruz.cecilia@gmail.com

Qué es DataMining? Agenda. Agenda 8/24/2007. Ing. Gustavo Markel gmarkel@gmail.com. Lic. Cecilia Ruz ruz.cecilia@gmail.com Qué es DataMining? Ing. Gustavo Markel gmarkel@gmail.com Lic. Cecilia Ruz ruz.cecilia@gmail.com Agenda Qué es Data Mining? Cómo se integra en el proceso de Descubrimiento del conocimiento? Funcionalidades

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

LA NUEVA ECONOMÍA. La competencia hoy en día no es entre productos diferentes, es entre diferentes modelos de negocios

LA NUEVA ECONOMÍA. La competencia hoy en día no es entre productos diferentes, es entre diferentes modelos de negocios UNIVERSIDAD DE ANTIOQUIA CRM LA MEJOR ESTRATEGIA PARA RELACIONARNOS CON LOS CLIENTES 1 LA NUEVA ECONOMÍA La competencia hoy en día no es entre productos diferentes, es entre diferentes modelos de negocios

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

Tema 1: Implementación del sistema de archivos

Tema 1: Implementación del sistema de archivos Tema 1: Implementación del sistema de archivos 1. Introducción 2. Implementación 3. Estructura del almacenamiento secundario Dpto. Tema Lenguajes 1: Implementación y Sistemas del Informáticos. sistema

Más detalles

TEMA 3 LA SEGMENTACIÓN DEL MERCADO Y EL COMPORTAMIENTO DEL CONSUMIDOR. Dirección Comercial

TEMA 3 LA SEGMENTACIÓN DEL MERCADO Y EL COMPORTAMIENTO DEL CONSUMIDOR. Dirección Comercial TEMA 3 LA SEGMENTACIÓN DEL MERCADO Y EL COMPORTAMIENTO DEL CONSUMIDOR Dirección Comercial Bloque 1. Planificación estratégica de Marketing 1. El papel del marketing en la empresa y la sociedad 2. Análisis

Más detalles

Similaridad y Clustering

Similaridad y Clustering Similaridad y Clustering 1 web results motivación Problema 1: ambigüedad de consultas Problema 2: construcción manual de jerarquías de tópicos y taxonomías Problema 3: acelerar búsqueda por similaridad

Más detalles

opinoweb el poder de sus datos Descubra LA NECESIDAD DE PREDECIR

opinoweb el poder de sus datos Descubra LA NECESIDAD DE PREDECIR opinoweb SOFTWARE FOR MARKET RESEARCH LA NECESIDAD DE PREDECIR Actualmente las empresas no sólo necesitan saber con exactitud qué aconteció en el pasado para comprender mejor el presente, sino también

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

Fundamentos de Marketing

Fundamentos de Marketing Capítulo 1 Material de Apoyo ESIC EDITORIAL ISBN: 978-84-7356-8913 Capítulo 8 de Mercados y Objetivos Entender y aplicar los conceptos de de mercados y de público objetivo.. Conocer y aplicar los principales

Más detalles

Análisis multivariable

Análisis multivariable Análisis multivariable Las diferentes técnicas de análisis multivariante cabe agruparlas en tres categorías: «Análisis de dependencia» tratan de explicar la variable considerada independiente a través

Más detalles

VERITAS Cluster Server 4.2 for Windows

VERITAS Cluster Server 4.2 for Windows VERITAS Cluster Server 4.2 for Windows Duración: 5 días Perfil del Asistente: Este curso ha sido diseñado para administradores, ingenieros de sistemas, administradores de red, personal de integración de

Más detalles

PROGRAMA FORMATIVO. Alfabetización informática: Internet.

PROGRAMA FORMATIVO. Alfabetización informática: Internet. PROGRAMA FORMATIVO Alfabetización informática: Internet. DATOS GENERALES DEL CURSO 1. Familia Profesional: FORMACIÓN COMPLEMENTARIA Área Profesional: INFORMÁTICA 2. Denominación del curso: ALFABETIZACIÓN

Más detalles

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile. Los futuros desafíos de la Inteligencia de Negocios Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.cl El Vértigo de la Inteligencia de Negocios CRM: Customer

Más detalles

Presentación. 29/06/2005 Monografía de Adscripción 1

Presentación. 29/06/2005 Monografía de Adscripción 1 Presentación Alumno: Uribe, Valeria Emilce Profesor Director: Mgter. David Luis La Red Martínez. Asignatura: Diseño y Administración de Datos. Corrientes 2005. 29/06/2005 Monografía de Adscripción 1 MONOGRAFIA

Más detalles

Ruth Vilà, María-José Rubio, Vanesa Berlanga, Mercedes Torrado. Cómo aplicar un cluster jerárquico en SPSS.

Ruth Vilà, María-José Rubio, Vanesa Berlanga, Mercedes Torrado. Cómo aplicar un cluster jerárquico en SPSS. Universitat de Barcelona. Institut de Ciències de l Educació Cómo aplicar un cluster jerárquico en SPSS Ruth Vilà-Baños, María-José Rubio-Hurtado, Vanesa Berlanga-Silvente, Mercedes Torrado-

Más detalles

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS...2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA...7 Tarea DSI 1.1: Definición de Niveles de Arquitectura...9 Tarea DSI 1.2:

Más detalles

ARQUITECTURA DE DISTRIBUCIÓN DE DATOS

ARQUITECTURA DE DISTRIBUCIÓN DE DATOS 4 ARQUITECTURA DE DISTRIBUCIÓN DE DATOS Contenido: Arquitectura de Distribución de Datos 4.1. Transparencia 4.1.1 Transparencia de Localización 4.1.2 Transparencia de Fragmentación 4.1.3 Transparencia

Más detalles

ANÁLISIS FUNCIONAL DEL MÓDULO DE GESTIÓN DE OBRAS EN LA APLICACIÓN INFORMÁTICA DE GESTIÓN GRÁFICA REGISTRAL

ANÁLISIS FUNCIONAL DEL MÓDULO DE GESTIÓN DE OBRAS EN LA APLICACIÓN INFORMÁTICA DE GESTIÓN GRÁFICA REGISTRAL ANÁLISIS FUNCIONAL DEL MÓDULO DE GESTIÓN DE OBRAS EN LA APLICACIÓN INFORMÁTICA DE GESTIÓN GRÁFICA REGISTRAL Por Carlos Tocino Flores Registrador de la Propiedad de Tacoronte 1. INTRODUCCIÓN 2. ANÁLISIS

Más detalles

Fundamentos de Google AdWords Unidad 3. Crear una campaña

Fundamentos de Google AdWords Unidad 3. Crear una campaña Unidad 3. Crear una campaña Índice unidad 3 1. Cómo llegar a Adwords. 3 2. Selección de la versión de la cuenta. 4 3. Selección de cliente por idioma y país. 5 4. Selección de clientes por ubicación. Orientación

Más detalles

Diseño del Sistema de Información

Diseño del Sistema de Información Diseño del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD DSI 1: DEFINICIÓN DE LA ARQUITECTURA DEL SISTEMA... 7 Tarea DSI 1.1: Definición de Niveles de Arquitectura... 9 Tarea DSI

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

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

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

PROGRAMA FORMATIVO. Administración de Bases de Datos Oracle

PROGRAMA FORMATIVO. Administración de Bases de Datos Oracle PROGRAMA FORMATIVO Administración de Bases de Datos Oracle MÓDULOS FORMATIVOS Módulo nº 1 ORACLE DATABASE: TALLER DE ADMINISTRACIÓN Al finalizar este módulo los alumnos podrán instalar, configurar, controlar,

Más detalles

Catoira Fernando Fullana Pablo Rodriguez Federico [MINERIA DE LA WEB] Proyecto Final - Informe Final

Catoira Fernando Fullana Pablo Rodriguez Federico [MINERIA DE LA WEB] Proyecto Final - Informe Final Catoira Fernando Fullana Pablo Rodriguez Federico [MINERIA DE LA WEB] Proyecto Final - Informe Final INTRODUCCION En principio surgió la idea de un buscador que brinde los resultados en agrupaciones de

Más detalles

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/ Minería de Datos Web 1 er Cuatrimestre 2015 Página Web http://www.exa.unicen.edu.ar/catedras/ageinweb/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs. As., Argentina http://www.exa.unicen.edu.ar/~dgodoy

Más detalles

APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS

APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS APLICACIÓN DEL ALGORITMO GSP_M PARA LA IDENTIFICACIÓN DE PATRONES DE USUARIOS SOBRE AMBIENTES EDUCATIVOS Héctor F Gómez A *, Susana A Arias T **, Yuliana C Jiménez *** Universidad Técnica Particular de

Más detalles

Marketing Advanced Analytics. Predicción del abandono de los clientes. Whitepaper

Marketing Advanced Analytics. Predicción del abandono de los clientes. Whitepaper Marketing Advanced Analytics Predicción del abandono de los clientes Whitepaper El reto de predecir el abandono de los clientes Resulta entre cinco y quince veces más caro para una compañía captar nuevos

Más detalles

Algoritmos y Estructuras de Datos 2. Web Mining Esteban Meneses

Algoritmos y Estructuras de Datos 2. Web Mining Esteban Meneses Algoritmos y Estructuras de Datos 2 Web Mining Esteban Meneses 2005 Motivación La Web contiene miles de millones de documentos con información sobre casi cualquier tópico. Es la Biblioteca de Alejandría

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

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

Nuevas Oportunidades en la Publicidad Digital. De la compra de medios a la compra de audiencias

Nuevas Oportunidades en la Publicidad Digital. De la compra de medios a la compra de audiencias Nuevas Oportunidades en la Publicidad Digital De la compra de medios a la compra de audiencias Todo el mundo hablando! Moda o ha venido para quedarse? Qué quieren las empresas? Vender mucho Sacar gran

Más detalles

Sistemas de ficheros en Servidores de Información multimedia

Sistemas de ficheros en Servidores de Información multimedia Sistemas de ficheros en Servidores de Información multimedia 2º Ingeniero Técnico de Telecomunicación Imagen y Sonido Departamento de Ingeniería Telemática Universidad Carlos III de Madrid 2 Indice Concepto

Más detalles

Segmentación de mercados

Segmentación de mercados Segmentación de mercados 1. Proceso de segmentación 2. Criterios de segmentación 3. El mapa perceptual 4. El proceso de segmentación 5. La microsegmentación 6. La macrosegmentación 7. Segmentación internacional

Más detalles

II Consideraciones Mercadológicas y Mercadotécnicas

II Consideraciones Mercadológicas y Mercadotécnicas II Consideraciones Mercadológicas y Mercadotécnicas Este capitulo trata sobre aspectos como la comercialización, mercadología, mercadotecnia, planeación del productos y distribución, con el fin de presentar

Más detalles

Prof. Norbith García

Prof. Norbith García Prof. Norbith García Generación y Filtrado de Ideas Desarrollo del Concepto Desarrollo del Producto Prueba del Producto Generación de ideas Filtrado de ideas Selección del concepto Desarrollo del concepto

Más detalles

MAPINFO EN EL MERCADO DE RETAIL. Utilizar las soluciones de location intelligence para ser más competitivos

MAPINFO EN EL MERCADO DE RETAIL. Utilizar las soluciones de location intelligence para ser más competitivos MAPINFO EN EL MERCADO DE RETAIL Utilizar las soluciones de location intelligence para ser más competitivos Localización, localización, localización! MapInfo proporciona soluciones líderes para el análisis

Más detalles

Texto, imágenes, video Hiperenlaces Archivo log

Texto, imágenes, video Hiperenlaces Archivo log Web Mining Web Mining Aplicación técnicas data mining sobre datos que Web Descubrimiento automático información útil de documentos y servicios Web Texto, imágenes, video Hiperenlaces Archivo log Netcraft

Más detalles

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007

Oracle Database 11g para Data Warehousing e Inteligencia de Negocios. Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Informe Ejecutivo de Oracle Julio de 2007 Oracle Database 11g para Data Warehousing e Inteligencia de Negocios Introducción... 3 Integrar...

Más detalles

Conocimientos previos sobre los aztecas. Preguntas sobre el tema del proyecto Fuentes de información Mapa conceptual

Conocimientos previos sobre los aztecas. Preguntas sobre el tema del proyecto Fuentes de información Mapa conceptual OBJETIVO CONTENIDOS CRITERIOS DE EVALUACIÓN Expresar conocimientos y experiencias relacionadas los Conocimientos previos sobre los aztecas Definir y formular preguntas sobre aquello que quieren saber sobre

Más detalles

ACCESO Y MANEJO DEL PANEL DE CONTROL

ACCESO Y MANEJO DEL PANEL DE CONTROL ACCESO Y MANEJO DEL PANEL DE CONTROL DE SU HOSPEDAJE EN INFORTELECOM 1 ÍNDICE EL PANEL DE CONTROL PLESK... 3 ACCESO... 4 CREACIÓN DE UNA CUENTA DE CORREO... 5 FUNCIONES AVANZADAS DEL CORREO... 7 FUNCIONAMIENTO

Más detalles

Seminario Aplicaciones de las Redes Neuronales (WebSOM)

Seminario Aplicaciones de las Redes Neuronales (WebSOM) Seminario Aplicaciones de las Redes Neuronales (WebSOM) Inteligencia Artificial 5 o Informática IA curso 2012-2013 CCIA Noviembre 2012 IA 1213 (CCIA) Seminario WebSOM Noviembre-2012 1 / 12 Usos de los

Más detalles

14401 Dirección Comercial

14401 Dirección Comercial 14401 Dirección Comercial Licenciatura en Administración y Dirección de Empresas, 3er curso Universidad Pública de Navarra 1. Introducción 1.1 Breve descripción de la asignatura En las 90 horas lectivas

Más detalles

CONSIDERACIONES GENERALES DEL WEB MINING

CONSIDERACIONES GENERALES DEL WEB MINING CONSIDERACIONES GENERALES DEL WEB MINING Sandra Milena Leal Elizabeth Castiblanco Calderón* RESUMEN: el presente artículo describe los conceptos básicos para la utilización del Webmining, dentro de los

Más detalles

Minería de datos para descubrir estilos de aprendizaje

Minería de datos para descubrir estilos de aprendizaje Minería de datos para descubrir estilos de aprendizaje ELENA DURÁN ROSANNA COSTAGUTA Universidad Nacional de Santiago del Estero, Argentina 1. Introducción Felder y Silverman (1988) afirman que los estudiantes

Más detalles

Esta solución de fácil uso está orientada a cualquier industria, ya sea una empresa del sector privado o del sector público.

Esta solución de fácil uso está orientada a cualquier industria, ya sea una empresa del sector privado o del sector público. 1 En la actualidad el 80% de la información de una empresa está relacionada a un lugar. La variable de ubicación está presente en todas las áreas críticas de un negocio. Sin embargo, las organizaciones

Más detalles

VivaMéxico sin PRI. Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres. Otoño 2013

VivaMéxico sin PRI. Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres. Otoño 2013 VivaMéxico sin PRI Quiero que mi país sea de todos. Dr. Ivo H. Pineda Torres Facultad de Ciencias de la Computación Benemérita Universidad Autónoma de Puebla Otoño 2013 IMAGENESpemexmorena Adquisición

Más detalles

La selección del mercado meta es esencialmente idéntica, sin importar si una firma vende un bien o servicio.

La selección del mercado meta es esencialmente idéntica, sin importar si una firma vende un bien o servicio. 4. SELECCIÓN Y EVALUACIÓN DE MERCADO META SELECCIÓN DE MERCADO META Un mercado meta se refiere a un grupo de personas u organizaciones a las cuales una organización dirige su programa de marketing. Es

Más detalles

La Publicidad para la PYME en Internet

La Publicidad para la PYME en Internet Las TIC en el comercio minorista de Aragón Índice Índice... 2 1. Presentación... 2 2. Qué es la Publicidad online?... 3 3. Características... 4 4. Ventajas... 6 5. Desventajas... 7 6. Razones... 8 7. Medios

Más detalles

Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra

Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra Qué es DataMining? Mg. Cecilia Ruz Luis Azaña Bocanegra Agenda Qué es Data Mining? Cómo se integra en el proceso de Descubrimiento del conocimiento? Funcionalidades del Data Mining Técnicas Supervisadas

Más detalles

CASO 3-5 EUROPEAN ALCOHOL RESEARCH FOUNDATION

CASO 3-5 EUROPEAN ALCOHOL RESEARCH FOUNDATION CASO 3-5 EUROPEAN ALCOHOL RESEARCH FOUNDATION INTRODUCCIÓN Este caso describe el enfoque de caracterizaciones interculturales de consumidores (Cross Cultural Consumer Characterizations; 4C) de Young &

Más detalles

Instalación de Active Directory en Windows Server 2003

Instalación de Active Directory en Windows Server 2003 Instalación de Active Directory en Windows Server 2003 Contenido Introducción Marcador no definido. Lección: Fundamentos de Active Directory Marcador no definido. Lección: Instalación de Active Directory

Más detalles

Business Intelligence

Business Intelligence Business Intelligence Metodología > 1 Implantación tecnológica de un balanced scorecard Precio 1.000 Este curso introduce al alumno en la metodología de BSC y su implantación tecnológica para el seguimiento

Más detalles

Profunda comprensión de que valores son o podrían ser percibidos por los clientes.

Profunda comprensión de que valores son o podrían ser percibidos por los clientes. Estrategias de retención de clientes para servicios El valor concebido por el cliente de servicio se basa en una estrategia de conocimientos, ya que con el conocimiento que posee la empresa, puede emplear

Más detalles

SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES CADENA DE SUMINISTROS I

SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES CADENA DE SUMINISTROS I SISTEMAS DE INFORMACIÓN PARA ADMINISTRACIÓN DE OPERACIONES 2003 CADENA DE SUMINISTROS I CADENA DE SUMINISTROS Gestión de la Cadena de Suministros (GCS): es un conjunto de enfoques y herramientas utilizadas

Más detalles

Data Warehousing. Arquitectura de procesos en un sistema de data warehousing. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación

Data Warehousing. Arquitectura de procesos en un sistema de data warehousing. Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Data Warehousing Arquitectura de procesos en un sistema de data warehousing Procesos en DW Un sistema completo de data warehousing lleva a cabo tres tareas: Suministrar datos al data warehouse Gestión

Más detalles

PROGRAMA FORMATIVA. Alfabetización informática: informática e Internet

PROGRAMA FORMATIVA. Alfabetización informática: informática e Internet PROGRAMA FORMATIVA Alfabetización informática: informática e Internet DATOS GENERALES DEL CURSO 1. Familia Profesional: FORMACIÓN COMPLEMENTARIA Área Profesional: INFORMÁTICA 2. Denominación del curso:

Más detalles

Las piezas del diseño web

Las piezas del diseño web Comunicación Visual En el diseño web contemporáneo existen piezas paradigmáticas en las cuales participa activamente el diseño de comunicación visual. Dichas piezas cumplen multiplicidad de funciones

Más detalles