José Hernández Orallo Mª. José Ramírez Quintana

Transcripción

1 José Hernández Orallo Mª. José Ramírez Quintana Cèsar Ferri Ramírez (profesor responsable) Máster en Ingeniería del Software, Métodos Formales y Sistemas de Información.

2 Main Page Es el tercer sábado consecutivo en el que se desplaza a Paterna a las 10: Our customers 0.45 Catalogue desea crear un evento periódico en su agenda? 0.15 Purchase 0.05 Sí No Alta de paciente Información Valenbisi: No existen bicicletas disponibles en: UPV rectorado Pero nuestros modelos estiman que en 30 la probabilidad de que haya al menos una bicicleta es del 95%. Nuestros modelos de datos sugieren que los valores que acaba de introducir para los campos (edad=8) y (patología= presbicia ) conjuntamente son anómalos. Desea revisar los datos introducidos? Revisar Continuar 2

3 En el contexto de IS y SI: Diseñar software e interfaces más inteligentes y adaptativos Convertir la información de la base de datos en conocimiento Generar reglas de negocio y ontologías automáticamente Analizar la web y las redes sociales Programar dispositivos (e.g., móviles) que aprendan del usuario Programar a partir de ejemplos Automatizar tareas que no están bien especificadas inicialmente... Qué tienen en común? 3

4 Presentar el problema del análisis inteligente y automático de la información para el descubrimiento de conocimiento. Presentar las técnicas de aprendizaje automático más habituales y conocer la idoneidad de cada una para diferentes problemas, con especial interés en aquellas que generan modelos en formas de reglas o de patrones comprensible. Reconocer la existencia de técnicas inductivas de alto nivel, especialmente las declarativas, que permiten obtener modelos complejos (estructurales, relacionales y/o recursivos) pero comprensibles, a partir de los datos y de conocimiento previo. 4

5 Particularizar las técnicas vistas para las necesidades específicas de la extracción de conocimiento en bases de datos (KDD), y, en concreto, para la minería de datos (data-mining). Conocer las técnicas para la combinación e integración de modelos, a través de la evaluación y adaptación de modelos (combinación, análisis ROC, calibración, etc.) Adaptar la extracción automática de conocimiento a otras fuentes de información no estructurada (textos y web) y semiestructurada (XML), así como en aplicaciones relacionadas (sistemas recomendadores). 5

6 1. Introducción El Problema de la Extracción Automática de Conocimiento Relación de Tareas y Técnicas 1.3. Técnicas que generan modelos comprensibles: árboles de decisión y sistemas de reglas 1.4. El caso de la Minería de Datos 6

7 2. Integración y Adaptación de Modelos 2.1. Técnicas y Medidas de Evaluación Análisis ROC Combinación de Modelos. 7

8 3. Extracción de Conocimiento a Partir de Información No Estructurada. Minería Web 3.1. Los Problemas de la Información No Estructurada Extracción de Conocimiento a partir de Documentos HTML y texto (Web content mining) 3.3. Extracción de Información semi-estructurada (XML) Lenguajes de consulta e intercambio de conocimiento Extracción de Conocimiento a partir de la estructura 3.6. Extracción de Conocimiento a partir de Patrones de Uso 3.7. Personalización y Sistemas Recomendadores 8

9 APRENDIZAJE AUTOMÁTICO (Generales): Flach, P. Machine Learning. The Art and Science of Algorithms that Make Sense of Data Cambridge University Press [*] Ethem Alpaydin Introduction to Machine Learning, Second Edition (Adaptive Computation and Machine Learning) The MIT Press, 2010 [B 4-63/01093] T. Hastie, R. Tibshirani, J. Friedman The Elements of Statistical Learning: Data Mining, Inference and Prediciton, Springer 2009, [*] (2013 version freely available here: Thornton, Chris Truth from Trash. How Learning Makes Sense The MIT Press (A Bradford Book), [4-63/897B] [*] 9

10 APRENDIZAJE DECLARATIVO (ILP, IFLP, ) Y RELACIONAL: De Raedt, L. Logical and Relational Learning Springer [*] Getoor, L.; Taskar, B. Introduction to Statistical Relational Learning, MIT [*] Dzeroski, S.; Lavrac, N. Relational Data Mining Springer [D- SIC/3347] [*] 10

11 DATA-MINING Y KDD: Berthold, M.; Hand, D.J. (ed) Intelligent Data Analysis. An Introduction Springer (2nd Edition 2002). [D-SIC/3346] [*] Dunham, M.H. Data Mining. Introductory and Advanced Topics Prentice Hall, [DSIC/3475D][*] Han, J.; Kamber, M. Data Mining: Concepts and Techniques Morgan Kaufmann, [D-SIC/3274] [*] Hand, D.J.; Mannila, H. and Smyth, P. Principles of Data Mining, The MIT Press, [D-SIC/3349] [*] Hernández, J.; Ramírez, M.J.; Ferri, C. Introducción a la Minería de Datos, Prentice Hall / Addison Wesley, [*] Witten, I.H.; Frank, E. Data Mining. Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2nd Edition, [D-SIC/3281] [*] 11

12 XML, Datos Semiestructurados, Web Mining Liu, B. Web Data Mining, Exploring Hyperlinks, Contents and Usage Data, Second Edition, Springer [*] Kosala, R.; Blockeel, H. Web Mining Research: A Survey ACM SIGKDD Explorations, Newsletter of the ACM Special Interest Group on Knowledge Discovery and Data Mining, June 2000, Vol. 2, nº1, pp [D-SIC/ ] [*] Chakrabarti, S. Mining the Web: Discovering Knowledge from Hypertext Data Morgan-Kaufmann 2003.[D-SIC/3530] [*] 12

13 Dos posibilidades: Presentaciones de artículos científicos (originales o surveys) al final del cuatrimestre: Cualquier artículo relacionado con la asignatura y, si es posible, relacionado con el campo de interés o tesis del estudiante. Presentaciones de 15 + preguntas. Se valorará: Crítica del artículo: puntos fuertes, puntos débiles Relación con la asignatura Realización de un trabajo práctico con WEKA u otra herramienta de análisis de datos (R, Rapidminer, SPSS Modeler, etc.). La presentación el trabajo práctico será opcional, y se valorará positivamente. En ambos casos, la elección del artículo o el tema del trabajo práctico deberán obtener el visto bueno por parte de los profesores de la asignatura. 13