GUÍA DOCENTE TITULACIONES DE GRADO

Transcripción

1 GUÍA DOCENTE TITULACIONES DE GRADO TITULACIÓN: GRADO EN INGENIERIA INFORMATICA DE SISTEMAS DE INFORMACIÓN CURSO 2015/2016 ASIGNATURA: MINERÏA DE DATOS Nombre del Módulo o Materia al que pertenece la asignatura. MÉTODOS CUANTITATIVOS DE ANÁLISIS E INVESTIGACIÓN PARA LOS SISTEMAS DE INFORMACIÓN ECTS Carácter Periodo Calendario Requisitos previos Totales Básica Obligatoria 1 er C 2ºC Semanas 6 X X 15 Idiomas en los que se imparte la asignatura Castellano X Valenciano Inglés Departamento DEPARTAMENTO DE CIENCIAS FISICAS, MATEMÁTICAS Y DE LA COMPUTACION Área de conocimiento LENGUAJES Y SISTEMAS INFORMATICOS Profesor/es responsable/s de la materia / asignatura RAFAEL PÉREZ DASÍ Nombre y apellidos Despacho y Facultad dónde se 3.61 EDIFICIO AULARIO ubica Correo electrónico perez_rafdas@uch.ceu.es y página web Horario de atención DEPENDE DEL HORARIO DE DOCENCIA al alumnado Presentación. La asignatura de minería de datos responde a las necesidades actuales de las empresas y a las demandas de conocimiento estratégico. Hoy en día en las empresas existen gran cantidad de datos. En muchas ocasiones es difícil explotar estos datos. El objetivo de la minería de datos es poder extraer conocimiento a partir de los datos que se dispone en las empresas. Pero dado que los datos son de muy diversa índole y que los objetivos y la naturaleza del problema son también muy diferentes existen muchas técnicas provenientes de la estadística y de la Inteligencia Artificial que se van a poder aplicar. Además, la minería de datos dispone de unas fases que el alumno debe dominar para poder llegar a extraer el conocimiento de los datos y saber 1

2 Presentación. interpretarlo. Conocimientos previos Conocimientos básicos de estadística así como fundamentos de inteligencia artificial tales como heurística y programación lógica para conocer las técnicas de inteligencia artificial. Conocimientos de almacenes de datos para conocer como llegar a generar los datos para ser utilizados en la minería de datos. Objetivos de la materia según Memoria de Grado verificada El alumno debería hacer las prácticas de la asignatura por si mismo y consultando los manuales y foros de internet. Competencias que se adquieren a través de la materia / asignatura según la Memoria de Grado verificada. Competencias básicas. Tener criterios fundados y rigurosos acerca de la sociedad y la cultura actuales. Ser capaz de expresarse correctamente en castellano. Ser capaz de desenvolverse con soltura y eficacia en, al menos, una lengua extranjera. Ser capaz de aplicar sus conocimientos a la resolución de problemas. Ser capaz de reunir e interpretar datos relevantes para elaborar sus propias argumentaciones. Ser capaz de transmitir información, ideas, problemas y soluciones. Ser capaz de emprender y culminar proyectos de forma autónoma, profesional y cualificada. Competencias específicas. Ser capaz de organizar el área de sistemas de información. Ser capaz en el ámbito de los sistemas de información de trabajar en entornos diversos y multiculturales Ser capaz de aplicar en la gestión de los sistemas de información de las organizaciones los conocimientos adquiridos con autonomía, independencia e iniciativa. Ser capaz de crear e innovar en el área de los sistemas de información. Contenidos de la materia / asignatura Los contenidos de la materia pueden dividirse en 3 partes: Metodología de extracción del conocimiento a partir de bases de datos Técnicas de extracción del conocimiento Minería de datos con datos heterogéneos Actividades Formativas de la materia / asignatura Clase magistral (AF1): Toda unidad tendrá clases magistrales Seminario (AF2): Desde la unidad 2, en las unidades se plantearán ejercicios para que se vea la conveniencia de utilizar determinadas técnicas para resolver los problemas de minería de datos Prácticas (AF4): Se realizarán 6 prácticas obligatorias. Las obligatorias serán con la herramienta de minería de datos RapidMiner y algunas con Weka, Talleres y trabajo de síntesis (AF5): Estudio ý exposición de un artículo de minería de datos aplicada. 2

3 ESTIMACION DEL VOLUMEN DEL TRABAJO DEL ESTUDIANTE NOMBRE DE LA ASIGNATURA Créditos: Volumen de trabajo del alumno Actividad Formativa Hora presencial (A) Trabajo personal (B) CLASES MAGISTRALES Presentación de la asignatura 2 2 Lección Magistral Debates Comentarios y discusión de Otros CLASES PRACTICAS Resolución de problemas Debates Comentarios y discusión de Simulaciones Laboratorio Prácticas en aula de informática Salidas Exposiciones de Otros SEMINARIOS Resolución de Problemas Debates Comentarios y discusión de TALLERES Comentarios Y discusión de Exposiciones orales 1 TRABAJO DE SÍNTESIS Tiempo de realización del trabajo EVALUACION Preparación de exámenes Realización de exámenes 4 4 Otros. TOTAL RELACION HORAS DE TRABAJO / ECTS (el resultado de la relación horas de trabajo / ECTS deberá ser igual a 30 horas, que son las horas que conforman 1 ECTS en la CEU-UCH) 10 Volumen de trabajo. (C) C = A + B 3

4 Sistemas y criterios de evaluación EX: Evaluará la adquisición de conocimientos teóricos y de aplicación y formará el 60% de la nota de los alumnos- PR: Se evaluará con el 20% de la nota. En ella se tomará en cuenta la autonomía del alumno para cubrir los objetivos. DS: Trabajo de estudio y exposición de un artículo de investigación de minería de datos aplicada. (10%) SA: Los ejercicios planteados en clase y su resolución, serán considerados ejercicios de autoevaluación, donde se evaluará la implicación del alumno en el trabajo diario de la asignatura. Programa / temario Bloque de Tema 1: a la Extracción Automática del Conocimiento Tema 2: El proceso de Minería de Datos Tema 3: Preparación de los datos Tema 4: a las técnicas de minería de datos Bloque de Minería de datos Tema 5: Técnicas con tratamiento de incertidumbre: Métodos bayesianos y reglas difusas Tema 6: Técnicas de árboles y reglas de decisión Tema 7: Técnicas de reglas de asociación y dependencia. Tema 8: Técnicas de clustering Tema 9: Otras técnicas de minería de datos Tema 10: Evaluación e interpretación de modelos Tema 11: Multiclasificadores Temas de ampliación: Tema 12: Minería de datos complejos Tema 13: Minería web Tema 14: Otros aspectos de minería de datos Contenido detallado de la asignatura y cronograma de impartición. Bloque I: El proceso de la minería de datos Tema 1: a la Extracción Automática del Conocimiento (2h) Motivación Casos de utilización de MD Relación de la MD con otras disciplinas Aplicaciones Tema 2: El proceso de Minería de Datos (8h) Fases de la Extracción Automática del Conocimiento Herramientas Práctica: Instalación de weka y RapidMiner Preparación de los datos Aplicación de una técnica de minería de datos Evaluación e interpretación Tema 3: Preparación de los datos (6h) Recopilación de los datos. Almacenes de datos Limpieza Transformación Exploración Totalización Selección 4

5 Contenido detallado de la asignatura y cronograma de impartición. Tema 4: a las técnicas de minería de datos (4h) Tipología de las técnicas de Minería de Datos El problemas de la extracción de conocimiento Tareas y métodos Aprendizaje inductivo Comparación de los métodos Bloque II: Técnicas de minería de datos Tema 5: Técnicas con tratamiento de incertidumbre: Métodos bayesianos y reglas difusas (12 h) Lógica difusa Métodos bayesianos Teorema de Bayes Naive Bayes Redes bayesianas Tema 6: Técnicas de árboles y reglas de decisión (4h) Sistemas por partición Sistemas por cobertura Poda y reestructuración Técnicas complejas de árboles de decisión Tema 8: Técnicas de reglas de asociación y dependencia.(4h) Reglas de asociación Reglas de dependencias Técnicas de reglas de asociación complejas Tema 7: Técnicas de clustering (4h) K-means K-NN Otros métodos Tema 9: Otras técnicas de minería de datos (3 h) Modelización estadística Modelización estadística paramétrica Modelización estadística no paramétrica Programación lógica en bases de datos Programación lógica inductiva Máquinas de Vector Soporte Tema 10: Evaluación e interpretación de modelos (6 h) Técnicas de Evaluación Extracción de reglas comprensibles Difusión de modelos Integración con la toma de decisiones Actualización y revisión de los modelos Multiclasificadores Bloque III: Aspectos avanzados de la minería de datos Tema 11: Minería de datos complejos (4h) Minería de datos espaciales Minería de datos temporales Minería de patrones secuenciales Minería de datos multimedia 5

6 Contenido detallado de la asignatura y cronograma de impartición. Tema 12: Minería web (4 h) Minería de datos de información no estructurada Minería de datos de documentos Minería de datos de información semiestructurada Minería de la estructuras web Minería de uso web Tema 13: Otros aspectos de minería de datos (2 h) CRISP-DM Análisis de requisitos para la implantación de un proyecto de minería de datos Impacto social y aspectos legales Bibliografía Básica. Hernández, J.; Ramírez, M.J.; Ferri, C. a la Minería de Datos, Prentice Hall / Addison Wesley, 2004 Dunham, M.H. Data Mining. Introductory and Advanced Topics Prentice Hall, Bibliografía complementaria. Berry M.J.A.; Linoff, G.S. Mastering Data Mining Wiley Han, J.; Kamber, M. Data Mining: Concepts and Techniques Morgan Kaufmann, 2001 Hand, D.J.; Mannila, H. and Smyth, P. Principles of Data Mining, The MIT Press, 2000 C. Pérez D. Santín Minería de datos: Técnicas y Herramientas. Paraninfo Otros recursos. Weka: RapidMiner: Recomendaciones a los estudiantes para cursar la materia. El alumno debería acudir a las clases y realizar los ejercicios que se soliciten en plazo, así como el estudio del artículo y las prácticas de RapidMiner y Weka Repercusión líneas de investigación. La minería de datos en todas sus técnicas es un amplio ámbito de investigación y en la escuela hay una línea de investigación dedicada a ella Repercusión actividad profesional. La realización de proyectos de minería de datos es de creciente demanda en la industria para mejorar la calidad de las empresas y crear sistemas de ayuda a partir del conocimiento existente en la empresa en forma de datos. 6

7 Repercusión actividad profesional. 7