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

Transcripción

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

2 Impartido por: Juan Alfonso Lara Torralbo 1. Datos del docente NOMBRE Juan Alfonso Lara Torralbo FORMACIÓN Título Año Institución País Ingeniero en 2006 Universidad España Informática Máster Oficial de Investigación en Tecnologías para el Desarrollo de Sistemas Software Complejos (Especialidad en Data Mining) Máster Oficial en Tecnologías de la Información Doctor en Informática 2007 Universidad 2008 Universidad 2010 Universidad España España España EXPERIENCIA PROFESIONAL Profesor Adjunto. Universidad a Distancia de (UDIMA). Impartición de docencia del Grado en Ingeniería Informática, del Grado en Ingeniería de Organización Industrial y del Máster Universitario en Arquitectura del Software en las siguientes asignaturas: o Tecnología y Estructura de Computadores. o Arquitectura de Computadores. o Bases de Datos. o Bases de Datos Avanzadas. o Minería de Datos. o Business Intelligence. o Integración de Bases de Datos. Septiembre 2011-Actualidad. Director del Máster Universitario en Arquitectura del Software. Universidad a Distancia de (UDIMA). Octubre 2013-Actualidad. Personal Docente e Investigador. Universidad. Duración: Enero de 2007 hasta Diciembre de

3 PUBLICACIONES CIENCTÍFICAS Y ACADÉMICAS Comparing posturographic time series through event detection. 21th IEEE Internacional Symposium on Computer-Based Medical Systems, Jyväskylä, Finland (2008). Generating time series reference models based on event analysis. 19th European Conference on Artificial Intelligence - ECAI 2010, Lisboa, Portugal (2010) Adaptive Fuzzy Inference Neural Network System for EEG and Stabilometry Signals Classification (Capítulo de libro). Next Generation Data Technologies for Collective Computational Intelligence, Studies in Computational Intelligence, Springer Ed. (2011) Two different approaches of feature extraction for classifying the EEG Signals. IFIP Advances in Information and Communication Technology, vol. 363/2011, , Springer Ed. (2011) Sensor-generated Time Series Events: A definition language. Sensors 12(9), (2012) Developing Front-End Web 2.0 Technologies to Access Services, Content and Things in the Future Internet. Future Generation Computer Systems 29, (2013) Turing and the Serendipitous Discovery of the Modern Computer. Foundations of Science 29(5), (2013) Generating Reference Models for Structurally Complex Data: Application to the Stabilometry Medical Domain. Methods of Information in Medicine 52, (2013) Minería de Datos (libro). Editorial CEF.-, Centro de Estudios Financieros. (2013) A system for knowledge discovery in e-learning environments within the European Higher Education Area Application to student data from Open University of, UDIMA. Computers & Education 72, (2014) A UML profile for the conceptual modelling of structurally complex data: Easing human effort in the KDD process. Information and Software Technology 56, (2014) Data preparation for KDD through automatic reasoning based on description logic. Information Systems 44, (2014) A General Framework for Time Series Data Mining based on Event Analysis: Application to the Medical Domains of Electroencephalography and Stabilometry, Journal of Biomedical Informatics, pending publication. Integración de Bases de Datos (libro). Editorial CEF.-, Centro de Estudios Financieros. (2014) 2. Datos generales del curso Título: Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Fecha inicio: 24/11/2014 3

4 Fecha fin: 28/11/2014 Duración: 40 Horas. 3. Descripción general El Descubrimiento de Conocimiento en Bases de Datos (Knowledge Discovery in Databases, KDD), gracias al avance de las herramientas tecnológicas y al incremento del poder de cómputo, permite que se pueda obtener conocimiento a partir de información que se puede considerar en bruto. Este paradigma emergente puede ser utilizado como ayuda para la toma de decisiones. El objetivo de esta capacitación es conseguir que los participantes entiendan los conceptos sobre los que se fundamentan tanto el descubrimiento del conocimiento en bases de datos (KDD) así como la minería de datos y los puedan poner en práctica para encontrar conocimiento relevante de estos datos. 4. Objetivos 1. Conocer los fundamentos de la minería de datos y del proceso de KDD. 2. Construir almacenes de datos y aplicar técnicas de preprocesado de datos. 3. Conocer las diferentes tareas de data mining. 4. Aplicar técnicas de clasificación, clustering y asociación. 5. Aplicar técnicas de evaluación de modelos de data mining. 6. Conocer las tendencias en data mining, incluyendo Big Data, Open Data y Linked Data. 5. Metodología Se impartirán clases teóricas en las cuales se explicarán los conceptos que permitan entender el descubrimiento de conocimiento en bases de datos y la minería de datos. Como parte importante de las clases teóricas se resolverán problemas similares a los encontrados en entornos reales. Las clases teóricas se complementarán con trabajo práctico de los participantes en el laboratorio, haciendo uso de las herramientas de software libre MySQL y Weka, de esta manera los participantes serán capaces de poner en práctica los conocimientos teóricos aprendidos. 6. Contenidos Contenidos del curso: 1. El proceso de KDD 2. Data Mining 3. Recopilación de datos 4. Almacenes de datos (Data Warehouse) 5. Preprocesado de datos 6. Modelos de Data Mining 4

5 7. Clasificación 8. Clustering 9. Asociación 10. Regresión 11. Detección de atípicos 12. Evaluación de modelos 13. Minería de datos no convencionales 14. Repercusiones, desafíos y tendencias 15. Big Data, Open Data y Linked Data 16. Herramientas de Data Mining Detalle de Contenidos: 1. El proceso de KDD. Introducción. Fases del proceso de KDD. Entradas y salidas de las fases del proceso de KDD. Data Mining. Interpretación y evaluación. Visión de conjunto. 2. Introducción a Data Mining. Origen del término. Relación con el proceso de KDD. Tipos de datos. Relación con otras áreas. Utilidad de la minería de datos. Ejemplos preliminares. Aplicaciones. 3. Recopilación de datos. Necesidad e importancia de la recolección de datos. Fase de recopilación de datos en el proceso KDD. Selección, limpieza y transformación. 4. Almacenes de datos (Data Warehouse). Necesidad e importancia de los almacenes de datos. Integración de datos. Modelo multidimensional. Data marts. OLAP, ROLAP y MOLAP. Data warehouse y data mining. 5. Preprocesado de datos. Numerización. Normalización. Discretización. Muestreo. Filtrado de instancias. Filtrado de atributos. Creación de características. 6. Modelos de Data Mining. Tareas y técnicas de Data Mining. Clasificación. Regresión. Clustering. Asociación. Detección de atípicos. 7. Clasificación. Árboles de decisión. Redes de neuronas artificiales. Técnicas bayesianas. Técnicas basadas en Casos. 8. Clustering. Medidas de distancia. Clustering particional: K-medias. Clustering jerárquico. Clustering basado en densidad. Clustering basado en grid. 9. Asociación, Regresión y Detección de atípicos. Fundamentos de Asociación. Confianza y Soporte. Método Apriori. 5

6 10. Regresión Regresión lineal y no lineal. 11. Detección de atípicos Técnicas de detección de atípicos: aproximaciones estadísticas; basadas en proximidad; basadas en densidad; y basadas en clustering. 12. Evaluación de modelos. Evaluación de modelos de clustering. Evaluación de clasificadores. n-fold cross validation. 13. Minería de datos no convencionales. Análisis de series temporales. Web Mining. Text mining. Data mining espacial. Multimedia data mining. 14. Repercusiones, desafíos y tendencias. Privacidad. Aspectos éticos y legales. Desafíos: tratamiento de grandes cantidades de datos; tiempos de respuesta; funcionamiento en línea; datos estructuralmente complejos; automatización de tareas; y accesibilidad a la minería de datos. 15. Big Data, Open Data y Linked Data. Recopilación, almacenamiento, visualización y análisis de grandes cantidades de datos. Fuentes de datos abiertos. Aplicaciones de Open Data. Desafíos en Open Data. Linked Data. Linking Open Data Project. 16. Herramientas de Data Mining. Herramientas para Data Mining. Clementine. Weka. Preprocesado de datos con Weka. Clasificación, Asociación y Clustering con Weka. 7. Calendario de sesiones Sesión Lunes 24 Martes 25 Miércoles 26 Jueves 27 Viernes 28 8:00 Sesión 1 Sesión 5 Sesión 9 Sesión 13 Sesión 17 10:00 10:00 Descanso 10:30 10:30 Sesión 2 Sesión 6 Sesión 10 Sesión 14 Sesión 18 13:00 13:00 Almuerzo 14:00 14:00 Sesión 3 Sesión 7 Sesión 11 Sesión 15 Sesión 19 15:30 15:30 Descanso 16:00 16:00 17:00 Sesión 4 Sesión 8 Sesión 12 Sesión 16 Sesión 20 6

7 Sesión 1: Apertura del curso Sesión 2: Introducción a Data Mining Sesión 3: Preprocesado de datos Sesión 4: Selección, limpieza y transformación de datos con Weka Sesión 5: Almacenes de datos Sesión 6: Taller de diseño de un Data warehouse Sesión 7: Taller de implementación de un Data warehouse (I) Sesión 8: Taller de implementación de un Data warehouse (II) Sesión 9: Modelos de Data Mining. Sesión 10: Clasificación (I) Sesión 11: Clasificación (II) Sesión 12: Clustering (I) Sesión 13: Clustering (II) Sesión 14: Asociación, Regresión y detección de atípicos Sesión 15: Evaluación de modelos Sesión 16: Minería de datos no convencionales Sesión 17: Repercusiones, desafíos y tendencias Sesión 18: Big Data, Open Data, Linked Data Sesión 19: Presentación de un caso real aplicado a la medicina Sesión 20: Clausura del curso 8. Recursos La capacitación se llevará a cabo en las instalaciones de la Escuela Politécnica Nacional. El laboratorio que se empleará cuenta con el equipamiento necesario para poder ejecutar las aplicaciones que se emplearán (MySQL y Weka): computadores de última generación, proyectores de video, equipos de grabación, acceso a Internet. 9. Bibliografía - Lara Torralbo, J. A. Manual de Minería de Datos, Ed. UDIMA (2013). - Lara Torralbo, J. A. Manual de Integración de Bases de Datos, Ed. UDIMA (2014). 7