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

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

Download "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

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

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

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

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

RW.02 RW.01. Curso Data Mining y Aplicaciones en Riesgo de Crédito

RW.02 RW.01. Curso Data Mining y Aplicaciones en Riesgo de Crédito RW.02 RW.01 Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad comercial de las empresas

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

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

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

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

CURRICULUM VITAE. José Barranquero Tolosa

CURRICULUM VITAE. José Barranquero Tolosa CURRICULUM VITAE Nombre: José Barranquero Tolosa Dirección: Oviedo (Asturias) Correo electrónico: barranquero@gmail.com Página personal: http://www.josebarranquero.com Blog académico: http://josebarranquero.blogspot.com

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

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación

WICC 2014 XVI Workshop de Investigadores en Ciencias de la Computación ESTUDIO DE TECNICAS DE DATA MINING APLICADAS AL ANALISIS DE DATOS GENERADOS CON LA METODOLOGIA BLENDED LEARNING Marcelo Omar Sosa, Sosa Bruchmann Eugenia Cecilia Departamento Computación/Facultad de Ciencias

Más detalles

Especialización en bases de datos, Datamining y data Warehouse

Especialización en bases de datos, Datamining y data Warehouse Especialización en bases de datos, Datamining y data Warehouse Especialización en bases de datos, El uso y la gestión de la información de la empresa y de su entorno para mejorar la toma de decisiones,

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

Arquitectura del Data Warehouse

Arquitectura del Data Warehouse Arquitectura del Data Warehouse Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Titulación Grado en Ingeniería Informática Módulo Materia Asignatura ARQUITECTURA DEL DATA WAREHOUSE

Más detalles

PLAN DE TRABAJO DOCENTE 2013

PLAN DE TRABAJO DOCENTE 2013 PLAN DE TRABAJO DOCENTE 2013 1. DATOS DE LA ASIGNATURA Nombre: Procesamiento Analítico de Datos Código: Nivel: Grado Carácter: Optativo Área curricular a la que pertenece: Administración Carrera: Contador

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 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

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

PROYECTO DOCENTE ASIGNATURA: "Lógica Informática"

PROYECTO DOCENTE ASIGNATURA: Lógica Informática PROYECTO DOCENTE ASIGNATURA: "Lógica Informática" Grupo: Clases Teóricas de Lógica Informática (DOCENCIA EN INGLÉS)(948465) Titulacion: Grado en Ingeniería Informática-Ingeniería del Software Curso: 2015-2016

Más detalles

GUÍA DOCENTE. Curso Académico 2015/16. Minería de Datos: Modelos Integrados de Extracción de

GUÍA DOCENTE. Curso Académico 2015/16. Minería de Datos: Modelos Integrados de Extracción de GUÍA DOCENTE Curso Académico 2015/16 1. Minería de Datos: Modelos Integrados de Extracción de Conocimiento en Bases de Datos 1.1. Datos de la asignatura Tipo de estudios Titulación Nombre de la asignatura

Más detalles

"Big Data Analysis" (Métodos especiales para bases de datos gigantes)

Big Data Analysis (Métodos especiales para bases de datos gigantes) "Big Data Analysis" (Métodos especiales para bases de datos gigantes) Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad

Más detalles

1. Identificación. 1.1. De la Asignatura. 1.2. Del profesorado: Equipo Docente. Curso Académico 2012/2013 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL

1. Identificación. 1.1. De la Asignatura. 1.2. Del profesorado: Equipo Docente. Curso Académico 2012/2013 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL 1. Identificación 1.1. De la Asignatura Curso Académico 2012/2013 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL Titulación PROFESORADO DE EDUCACIÓN SECUNDARIA OBLIGATORIA Y BACHILLERATO, FORMACIÓN PROFESIONAL,

Más detalles

Inteligencia Artificial. Grado en INFORMÁTICA 4º curso. Modalidad: Presencial

Inteligencia Artificial. Grado en INFORMÁTICA 4º curso. Modalidad: Presencial Grado en INFORMÁTICA 4º curso Modalidad: Presencial Sumario Datos básicos 3 Breve descripción de la asignatura 4 Requisitos previos 4 Objetivos 4 Competencias 5 Contenidos 6 Metodología 6 Criterios de

Más detalles

Métodos Exploratorios en Minería de Datos

Métodos Exploratorios en Minería de Datos Métodos Exploratorios en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad de Stanford. Duración:

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

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

Programa Internacional Business Intelligence

Programa Internacional Business Intelligence Fecha de inicio: 18 de junio de 2012 Programa Internacional Business Intelligence En un ambiente globalizado y de alta competitividad entre las empresas, la adecuada administración del capital intelectual

Más detalles

www.ehu.eus/web/kisa Konputazio Ingeniaritza eta Sistema Adimentsuak Unibertsitate Masterra

www.ehu.eus/web/kisa Konputazio Ingeniaritza eta Sistema Adimentsuak Unibertsitate Masterra Konputazio Ingeniaritza eta Sistema Adimentsuak Unibertsitate Masterra www.ehu.eus/web/kisa Antolatzen duen Saila: Konputazio Zientziak eta Adimen Artifiziala http://www.ehu.eus/web/ccia-kzaa Doktoregoa:

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

JOSÉ OCTAVIO GUTIÉRREZ GARCÍA

JOSÉ OCTAVIO GUTIÉRREZ GARCÍA JOSÉ OCTAVIO GUTIÉRREZ GARCÍA Profesor de Tiempo Completo del Departamento Académico de Computación DOMICILIO Río Hondo No. 1 Progreso Tizapán México 01080, D.F. Tel: +52 (55) 5628-4000 Ext. 3645 Fax:

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

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

Curso Data Mining y Aplicaciones en Riesgo de Crédito

Curso Data Mining y Aplicaciones en Riesgo de Crédito RW.02 RW.01 Transferencia Internacional de Curso Data Mining y Aplicaciones en Riesgo de Crédito RICHARD WEBER PhD. En Investigación de Operaciones del Instituto de Tecnología de Aachen, Alemania La actividad

Más detalles

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico

Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Aplicación de herramientas de inteligencia de negocios en modelamiento geometalúrgico Verónica Escobar González, Claudio Barrientos Ochoa, Sergio Barrientos Ochoa, Dirección de Modelamiento Geometalúrgico

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

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II

Facultad de Ingeniería y Tecnología Informática Licenciatura en Sistemas de Información Plan: 2012 Ciclo: 2014 Programa Analítico Base de Datos II 1. OBJETIVOS: Lograr que los alumnos conozcan los componentes y la arquitectura de las bases de datos relacionales. Brindar un curso internacionalmente actualizado respecto del ámbito académico, así como

Más detalles

Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información

Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información Impacto de la Complejidad del Dominio en las Variaciones del Comportamiento de Procesos de Explotación de Información Marcelo López Nocera Programa de Maestría en Ingeniería de Sistemas de Información.

Más detalles

CALENDARIO CURSO TÉCNICOS DEPORTIVOS 1ª SEMANA ( DEL 4 AL 9 DE JULIO) SESIONES LUNES 4 MARTES 5 MIÉRCOLES 6 JUEVES 7 VIERNES 8 SÁBADO 9

CALENDARIO CURSO TÉCNICOS DEPORTIVOS 1ª SEMANA ( DEL 4 AL 9 DE JULIO) SESIONES LUNES 4 MARTES 5 MIÉRCOLES 6 JUEVES 7 VIERNES 8 SÁBADO 9 CALENDARIO CURSO TÉCNICOS DEPORTIVOS 1ª SEMANA ( DEL 4 AL 9 DE JULIO) SESIONES LUNES 4 MARTES 5 MIÉRCOLES 6 JUEVES 7 VIERNES 8 SÁBADO 9 INAUGURACIÓN DEL CURSO CALENDARIO CURSO TÉCNICOS DEPORTIVOS 2ª SEMANA

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

1. Identificación. 1.1. De la Asignatura. 1.2. Del profesorado: Equipo Docente. Curso Académico 2013/2014 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL

1. Identificación. 1.1. De la Asignatura. 1.2. Del profesorado: Equipo Docente. Curso Académico 2013/2014 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL 1. Identificación 1.1. De la Asignatura Curso Académico 2013/2014 MÁSTER UNIVERSITARIO EN FORMACIÓN DEL Titulación PROFESORADO DE EDUCACIÓN SECUNDARIA OBLIGATORIA Y BACHILLERATO, FORMACIÓN PROFESIONAL,

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

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

INTELIGENCIA DE NEGOCIO 2015-2016

INTELIGENCIA DE NEGOCIO 2015-2016 INTELIGENCIA DE NEGOCIO 2015-2016 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

MAESTRÍA en Gestión en Sistemas de Información e Inteligencia de Negocios

MAESTRÍA en Gestión en Sistemas de Información e Inteligencia de Negocios MAESTRÍA en Gestión en Sistemas de Información e Inteligencia de Negocios 3. Plan de estudios Ord ASIGNATURA CRÉDITOS Conocimiento, sociedad, empresa e información Estadística básica Estadística para aplicaciones

Más detalles

DIPLOMADOS. Universidad de Chile. Diplomado en Business Intelligence. Colección: Postales

DIPLOMADOS. Universidad de Chile. Diplomado en Business Intelligence. Colección: Postales DIPLOMADOS Colección: Postales Universidad de Chile Diplomado en Business Intelligence 2015 Por qué La Universidad de Chile? No cualquier Diplomado No cualquier Universidad Es la institución de educación

Más detalles

CALENDARIO DE APLICACIONES

CALENDARIO DE APLICACIONES CALENDARIO DE APLICACIONES TELEFONO (55) CALENDARIO DE APLICACIONES CALENDARIO DE APLICACIONES LISTA DE PRECIOS CURSOS DE APLICACIONES CURSO PRECIO POR NIVEL INTRODUCCION A LAS COMPUTADORAS $ 1,400 WORD

Más detalles

INTELIGENCIA DE NEGOCIO 2014-2015

INTELIGENCIA DE NEGOCIO 2014-2015 INTELIGENCIA DE NEGOCIO 2014-2015 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos. Ciencia de Datos Tema 4. Modelos de Predicción: Clasificación,

Más detalles

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días

CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER. 40 horas 60 días CREACIÓN DE PROYECTOS DE BUSINESS INTELLIGENCE CON SQL SERVER DURACIÓN DÍAS DE CONEXIÓN 40 horas 60 días CONTACTO: formacion@fgulem.es El Campus Virtual ha sido concebido con una metodología dinámica e

Más detalles

SILABO DE TOMA DE DECISIONES

SILABO DE TOMA DE DECISIONES SILABO DE TOMA DE DECISIONES I. DATOS GENERALES 1.1. Carrera Profesional : Ingeniería de Sistemas 1.2. Área Académica : Ingeniería de Sistemas 1.3 Ciclo : VII 1.4. Semestre : 2014-I 1.5. Prerrequisito

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

Bases de Datos II. Programa de la Asignatura:

Bases de Datos II. Programa de la Asignatura: Programa de la Asignatura: Bases de Datos II Código: 761 Carrera: Ingeniería en Computación Plan:2008 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer Año Segundo cuatrimestre

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

OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO

OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO COMPUTRAIN CALENDARIO DE S MAYO AGOSTO 2010 MÉXICO D.F. OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO AGOSTO LUNES MARTES MIERCOLES JUEVES VIERNES SABADO 1 2 3 4 5 6 Access

Más detalles

Prontuario. I. Titulo del curso: Minería de Datos. II. Codificación: ESTA 5504. Horas / Crédito: 3 horas semanales / 3 Créditos

Prontuario. I. Titulo del curso: Minería de Datos. II. Codificación: ESTA 5504. Horas / Crédito: 3 horas semanales / 3 Créditos Universidad de Puerto Rico Recinto de Rio Piedras Facultad de Administración de Empresas 1 2 I. Titulo del curso: Minería de Datos Prontuario II. Codificación: ESTA 5504 III. Horas / Crédito: 3 horas semanales

Más detalles

270015 - IES - Introducción a la Ingeniería del Software

270015 - IES - Introducción a la Ingeniería del Software Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 747 - ESSI - Departamento de Ingenieria de Servicios y Sistemas de Información Curso: Titulación: 2015 GRADO EN

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

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN

INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Centro Integral de Educación Continua (CIEC) Curso de Educación Continua (CEC) INTELIGENCIA DE NEGOCIOS: GESTIÓN ESTRATÉGICA DE LA INFORMACIÓN Del 21 de julio al 25 de agosto de 2015 Martes y jueves de

Más detalles

Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México

Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México Conciencia Tecnológica ISSN: 1405-5597 contec@mail.ita.mx Instituto Tecnológico de Aguascalientes México García Merayo, Félix; Luna Ramírez, Enrique El proceso Data Warehousing y los meta datos Conciencia

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

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

El taller de Inteligencia de Negocio no tiene requisitos en cuanto a conocimientos, debido a su naturaleza introductoria.

El taller de Inteligencia de Negocio no tiene requisitos en cuanto a conocimientos, debido a su naturaleza introductoria. DESCRIPTOR DE PROGRAMAS PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE Versión: 03 UNIDAD ACADÉMICA: Escuela de Ingeniería Departamento de Ciencia de la Computación- CETIUC NOMBRE DE LA ACTIVIDAD Taller: Inteligencia

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

SYLLABUS. NUMERO DE ESTUDIANTES: NÚMERO DE CREDITOS: Tres (3) TIPO DE CURSO: TEÓRICO ( ) PRACTICO ( ) TEO-PRAC (X)

SYLLABUS. NUMERO DE ESTUDIANTES: NÚMERO DE CREDITOS: Tres (3) TIPO DE CURSO: TEÓRICO ( ) PRACTICO ( ) TEO-PRAC (X) UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA SYLLABUS PROYECTO CURRICULAR: Ingeniería de Sistemas NOMBRE DEL DOCENTE: ESPACIO ACADÉMICO (Asignatura): Bases de Datos II Obligatorio

Más detalles

Carrera: IFM - 0440 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.

Carrera: IFM - 0440 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Tópicos avanzados de bases de datos Licenciatura en Informática IFM - 0440 3-2-8

Más detalles

http://portal.acm.org

http://portal.acm.org Association for Computing Machinery (ACM) Mark Mandelbaum, Director of Publications ACM Digital Library and its contributions to the technological development SYSTEMS link International Mauricio Caceres

Más detalles

INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA)

INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA) INTELIGENCIA DE NEGOCIO (MASTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA) 1.- Datos de la Asignatura Código 302436 Plan 2014 ECTS 3 Carácter OPCIONAL Curso 1º Periodicidad 2er SEMESTRE Área Departamento

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

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al=

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al= = =drð^=al`bkqb= qfqri^`flkbp=ab=do^al= TITULACIÓN: INGENIERIA DE SISTEMAS DE INFORMACION CURSO: 2014/2015 ASIGNATURA: Almacenes de Datos Nombre del Módulo o Materia al que pertenece la asignatura. Gestión

Más detalles

Nombre del formato: Instrumentación Didáctica del Periodo Fecha: 06-Agosto-2012

Nombre del formato: Instrumentación Didáctica del Periodo Fecha: 06-Agosto-2012 Referencia a las Normas ISO 9001:2008 y 14001:2004 Página 1 de 5 INSTITUTO TECNOLÓGICO DE CHETUMAL SUBDIRECCIÓN ACADÉMICA DEPARTAMENTO SISTEMAS Y COMPUTACIÓN INSTRUMENTACIÓN DIDÁCTICA DEL SEMESTRE AGOSTO

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

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

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

INTELIGENCIA DE NEGOCIO 2014-2015

INTELIGENCIA DE NEGOCIO 2014-2015 INTELIGENCIA DE NEGOCIO 2014-2015 Tema 1. Introducción a la Inteligencia de Negocio Tema 2. Retos en Inteligencia de Negocio Tema 3. Minería de Datos Tema 4. Modelos de Predicción: Clasificación, regresión

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

OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO

OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO COMPUTRAIN CALENDARIO DE S MAYO AGOSTO 2010 MÉXICO D.F. OFRECIENDO SOLUCIONES COMPLETAS PARA TODAS TUS NECESIDADES DE ENTRENAMIENTO MAYO LUNES MARTES MIERCOLES JUEVES VIERNES SABADO 1 Festivo 3 4 5 6 7

Más detalles

INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS

INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS INSTITUTO MATEMÁTICO Y ACTUARIAL MEXICANO DIPLOMADO EN MINERÍA DE DATOS Por qué es importante la Minería de Datos? 2 La Minería de Datos es un proceso que permite obtener conocimiento a partir de los datos

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

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

Programa de la asignatura Curso: 2009 / 2010 INGLÉS II (1321)

Programa de la asignatura Curso: 2009 / 2010 INGLÉS II (1321) Programa de la asignatura Curso: 2009 / 2010 INGLÉS II (1321) PROFESORADO Profesor/es: MARIA CRUZ MERINO PERAL - correo-e: mcmerino@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA TÉCNICA EN INFORMÁTICA DE

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

Más detalles

Bases de datos para toma de decisiones

Bases de datos para toma de decisiones 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bases de datos para toma de decisiones Lic. en Informática 3-2-8 2.- HISTORIA DEL

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

Más detalles

Validación y Pruebas «Validating and testing»

Validación y Pruebas «Validating and testing» GUÍA DOCENTE 2014-2015 Validación y Pruebas «Validating and testing» 1. Denominación de la asignatura: Validación y Pruebas «Validating and testing» Titulación Grado en Ingeniería Informática «Degree in

Más detalles

CURSOS OFICIALES MICROSOFT

CURSOS OFICIALES MICROSOFT CURSOS OFICIALES MICROSOFT Código Windows Server Versión 2008 R-2 Horas Valor Inicio Termino Horario MS-6419B Configuring, Managing and Maintaining Windows Server 2008 Based Servers R-2 40 28 UF 9-dic

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

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

Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil

Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil Aplicación de técnicas de minería de datos para la evaluación del rendimiento académico y la deserción estudiantil Osvaldo M. Spositto spositto@unlam.edu.ar Martín E. Etcheverry metcheverry@unlam.edu.ar

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

Escuela Técnica Superior de Ingeniería. Informática. Grado en Ingeniería Informática

Escuela Técnica Superior de Ingeniería. Informática. Grado en Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Grado en Ingeniería Informática GUÍA DOCENTE DE LA ASIGNATURA: Gestión de Proyectos Informáticos Curso Académico 2013/2014 Fecha: Mayo 2013 1. Datos Descriptivos

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

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales

200623 - SPDE - Simulación para la Toma de Decisiones Empresariales Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa MÁSTER

Más detalles

Módulo Integración n de Sistemas, Aplicaciones, Servicios y Datos

Módulo Integración n de Sistemas, Aplicaciones, Servicios y Datos Tú eliges la modalidad Tú eliges cuándo empezar Módulo Integración n de Sistemas, Aplicaciones, Servicios y Datos Centro de estudios profesionales en Business Process Management (BPM) La formación que

Más detalles

Resumen. 1.1 Knowledge discovery in databases

Resumen. 1.1 Knowledge discovery in databases KDD (Knowledge Discovery in Databases): Un proceso centrado en el usuario Héctor Oscar Nigro, Daniel Xodo, Gabriel Corti, Damián Terren INCA/INTIA - Departamento de Computación y Sistemas Facultad de Ciencias

Más detalles

DIPLOMADO EN CONTROL DE GESTIÓN ESTRATÉGICO. Versión Valparaíso Inicio de Clases: Martes 7 de abril de 2015 Cupos Limitados

DIPLOMADO EN CONTROL DE GESTIÓN ESTRATÉGICO. Versión Valparaíso Inicio de Clases: Martes 7 de abril de 2015 Cupos Limitados DIPLOMADO EN CONTROL DE GESTIÓN ESTRATÉGICO Versión Valparaíso Inicio de Clases: Martes 7 de abril de 2015 Cupos Limitados OBJETIVOS GENERALES: El alumno, durante el desarrollo de este diplomado comprenderá

Más detalles

Formato de Referenciamiento de Páginas Amarillas / Yellow Pages http://www.unipamplona.edu.co/kmgestiondelconocimiento/

Formato de Referenciamiento de Páginas Amarillas / Yellow Pages http://www.unipamplona.edu.co/kmgestiondelconocimiento/ Formato de Referenciamiento de Páginas Amarillas / Yellow Pages http://www.unipamplona.edu.co/kmgestiondelconocimiento/ Nombres y Apellidos Contacto (E-mail) Cargo Información General Isabel Cristina Satizábal

Más detalles

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más)

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Nombre del Encuestado e-mail Nombre de la Carrera Universidad Unidad Académica Sede

Más detalles

- Consultoría en el desarrollo del sistema de información logístico para la empresa MacVigo S.L Vigo, España Septiembre 2009 septiembre 2010

- Consultoría en el desarrollo del sistema de información logístico para la empresa MacVigo S.L Vigo, España Septiembre 2009 septiembre 2010 Carlos Hernán Fajardo Toro - Doctor en Informática, programa Tecnologías Avanzadas para el Desarrollo de Software Inteligente, programa con mención de calidad, tema de tesis: Sistema Inteligente para la

Más detalles

18 15,29 19 de Redes 6293 Troubleshooting and Supporting Windows 7 in the Enterprise 3 6292 y 6420 70-685 $ 4,900.00

18 15,29 19 de Redes 6293 Troubleshooting and Supporting Windows 7 in the Enterprise 3 6292 y 6420 70-685 $ 4,900.00 Sistemas Operativos, Seguridad Tel. 340 2400 n www.qoslabs.com.mx n info@qoslabs.com CÓDIGO CURSO DÍAS REQUISITO EXAMEN PRECIO M.N. Julio Agosto Septiembre Microsoft Windows 7 62 Installing and Configuring

Más detalles

Escuela Técnica Superior de Ingeniería Informática

Escuela Técnica Superior de Ingeniería Informática Escuela Técnica Superior de Ingeniería Informática Máster en Ingeniería Informática aplicada a la Industria, a la Ingeniería del Software y a los Sistemas y Tecnologías de la Información GUÍA DOCENTE DE

Más detalles