Programa Educativo (PE): Ingeniería en Ciencias de la Computación. Área: Tecnología. Programa de Asignatura: Minería de Datos.

Transcripción

1 Programa Educativo (PE): Ingeniería en Ciencias de la Computación Área: Tecnología Programa de Asignatura: Minería de Datos Código: CCOM-606 Créditos: 5 Fecha: Julio de

2 1. DATOS GENERALES Nivel Educativo: Nombre del Programa Educativo: Modalidad Académica: Nombre de la Asignatura: Ubicación: Correlación: Asignaturas Precedentes: Asignaturas Consecuentes: Licenciatura Licenciatura en Ciencias de la Computación Mixta Minería de Datos Nivel Formativo Bases de Datos Sin Consecuente Conocimientos: Bases de Datos, Probabilidad y Estadística. Conocimientos, habilidades, actitudes y valores previos: Habilidades: Abstraer, Modelar, Experimentar, Interpretar resultados, Correlacionar y aplicar conocimientos previos. Actitudes y valores previos: Actitud favorable para el trabajo multidisciplinario y en equipo, tolerancia para realizar pruebas no siempre exitosas. De respeto y empatía con las personas. 2. CARGA HORARIA DEL ESTUDIANTE Concepto Horas por periodo Numero de créditos Horas teoría y práctica 80 5 Horas de práctica profesional crítica Horas de trabajo independiente Total

3 3. REVISIONES Y ACTUALIZACIONES Ma. del Rocío Boone Rojas (Coord. Responsable de Prog. de Asignatura) María J. Somodevilla García. Autores: Marco Antonio Soriano Ulloa David E. Pinto Avendaño. Fecha de diseño: Julio 16, 2009 Fecha de la última actualización: Julio 16, 2009 ACADEMIA DEL ÁREA DE BASES DE DATOS E ING. DE SOFTWARE: AMBROSIO VÁZQUEZ ALMA DELIA BOONE ROJAS MARIA DEL ROCIO DE LA ROSA FLORES RAFAEL MARÍN DORADO GUILLERMO Revisores: MOLINA GARCIA MARÍA DEL CONSUELO PÉREZ DE CELIS HERRERO MARÍA DE LA CONCEPCIÓN PINTO AVENDAÑO DAVID SOMODEVILLA GARCÍA MARÍA JOSEFA SORIANO ULLOA MARCO ANTONIO Esta asignatura fue creada por la necesidad de incorporar un campo de investigación emergente de las Ciencias de la Computación, que permitirá al Sinopsis de la revisión y/o actualización alumno conocer los modelos, técnicas y herramientas para la extracción de conocimiento de los datos, útil para el análisis y toma de decisiones. 4. PERFIL DESEABLE DEL PROFESOR (A) PARA IMPARTIR LA ASIGNATURA: Disciplina Profesional: Ciencias de la Computación. Nivel Académico: Experiencia Docente: Experiencia Profesional: Maestría 6 años 5 años 3

4 5. OBJETIVOS: 5.1 Educacional: El estudiante resolverá problemas con un enfoque metodológico, utilizando técnicas y herramientas computacionales General: Que el alumno sea capaz de resolver problemas que involucren un proceso de Extracción de Conocimiento. En particular, que utilice modelos, técnicas y herramientas de la fase de Minería de Datos Específicos: Que el alumno sea capaz de. 1. Situar los antecedentes, el concepto de Minería de Datos, Problemas, tipos de datos y modelos a los que se aplica, su relación con otras disciplinas y ámbitos de aplicación. 2. Identificar las nociones básicas de cada una de las fases del proceso de Descubrimiento de Conocimiento en Bases de Datos (Knowledge Discovery from Databases, KDD). 3. Identificar y aplicar metodologías y técnicas asociadas a la primera fase del KDD, llamada de integración y recopilación, y realizar algunas consideraciones sobre las fases de limpieza y transformación y de exploración y selección de datos. 4. Identificar y aplicar las principales técnicas para resolver problemas de Minería de datos, así como la forma de expresar su resultado. 5. Conocer las características y experimentar las facilidades básicas de alguna herramienta para la Minería de Datos. 6. Analizar alguna aplicación de la Minería de Datos e identificar cada una de las fases del proceso de KDD asociado a la aplicación. 6. MAPA CONCEPTUAL DE LA ASIGNATURA: 4

5 5

6 7. CONTENIDO Unidad 1. Introducción. Objetivo Específico Conocer los antecedentes, el concepto de Minería de Datos, Problemas, tipos de datos y modelos a los que se aplica, su relación con otras disciplinas y sus ámbitos de aplicación. Contenido Temático/Actividades de aprendizaje 1.1 Antecedentes y el Concepto de Minería de Datos. 1.2 Ejemplos de problemas de aplicación. 1.3 Tipos de Datos Estructurados Complejos o Heterogéneos. 1.4 Tipos de Modelos. 1.5 La minería de datos y el KDD. 1.6 Relación con otras Disciplinas. 1.7 Ámbitos de Aplicación. Básica José Hernández Orallo, M.José Ramírez Quintana, César Ferri Ramírez, Introducción a la Minería de Datos, Editorial Pearson, ISBN: , 2004 Ian Witten and Eibe Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2 nd Edition, Morgan Kaufmann, ISBN , Bibliografía Complementaria Jiawei Han, Micheline Kamber, Data Mining : Concepts and Techniques, 2 nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A Knowledge Discovery Approach, Springer, ISBN: , El Proceso de KDD. Proporcionar las nociones básicas de cada una de las fases del proceso de Descubrimiento de Conocimiento en Bases de Datos (Knowledge Discovery from Databases, KDD). 3.1 Las Fases del Proceso de Extracción de Conocimiento. 3.2 Fase de Integración y Recopilación. 3.3 Fase de Selección, Limpieza y Transformación. 3.4 Fase de Minería de Datos. José Hernández Orallo, M. José Ramírez Quintana, César Ferri Ramírez, Introducción a la Minería de Datos, Editorial Pearson, ISBN: , 2004 Ian Witten and Eibe Frank, Data Mining: Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2 nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A 6

7 Unidad Objetivo Contenido Bibliografía 3.5 Fase de Evaluación e Interpretación. 3.6 Fase de Difusión, Uso y Monitorización. 3. Preparación de Datos. Estudiar e identificar las metodologías y técnicas asociadas a la primera fase del KDD, llamada de integración y recopilación, y realizar algunas consideraciones sobre las fases de limpieza y transformación y de exploración y selección de datos. Antecedentes de las bodegas de datos. OLTP y OLAP. Arquitecturas de las bodegas de datos. Implementación, Operación y Mantenimiento de una bodega de datos. Consideraciones sobre la fase de limpieza y transformación. Valores anómalos, valores faltantes. Consideraciones sobre la fase de exploración y selección. Practical Machine Learning Tools and Techniques, 2 nd Edition, Morgan Kaufmann, ISBN , José Hernández Orallo, M. José Ramírez Quintana, César Ferri Ramírez, Introducción a la Minería de Datos, Editorial Pearson, ISBN: , 2004 Ian Witten and Eibe Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2 nd Edition, Morgan Kaufmann, ISBN , Knowledge Discovery Approach, Springer, ISBN: , Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2 nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A Knowledge Discovery Approach, Springer, ISBN: , Técnicas de Minería de Datos. Identificar técnicas representativas para realizar tareas que permiten la generación de modelos predictivos y/o descriptivos. 4.1 Reglas de Asociación. A priori. 4.2 Árboles de Decisión. 4.3 Naive Bayes 4.4 Regresión Lineal y Logarítmica. 4.5 Agrupamiento. K- means. 4.6 Redes Neuronales. José Hernández Orallo, M. José Ramírez Quintana, César Ferri Ramírez, Introducción a la Minería de Datos, Editorial Pearson, ISBN: , 2004 Ian Witten and Eibe Frank, Data Mining: Practical Machine Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A Knowledge Discovery 7

8 5. Herramientas. BENÉMERITA UNIVERSIDAD AUTÓNOMA DE PUEBLA Unidad Objetivo Contenido Bibliografía Learning Tools and Techniques, 2nd Edition, Morgan Kaufmann, ISBN , José Hernández Orallo, M. José Ramírez Quintana, César Ferri Ramírez, Introducción a Conocer las la Minería de Datos, características y Editorial Pearson, experimentar las ISBN: , facilidades de alguna 2004 herramienta para la 5.1 Entorno de Trabajo Ian Witten and Eibe Minería de Datos. de Weka. Frank, Data Mining: Caso de Estudio: 5.2 Archivos arff. Practical Machine Weka. 5.3 Explorer. Learning Tools and 5.4 Ejemplos. Techniques, 2nd Edition, Morgan Kaufmann, ISBN , Approach, Springer, ISBN: , Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A Knowledge Discovery Approach, Springer, ISBN: , Aplicaciones. Presentar y analizar una aplicación de Minería de Datos, en donde se revise cada una de sus fases del KDD. 1.1 Planteamiento del Problema. 1.2 Revisión de las fases del KDD para el problema planteado. José Hernández Orallo, M. José Ramírez Quintana, César Ferri Ramírez, Introducción a la Minería de Datos, Editorial Pearson, ISBN: , 2004 Ian Witten and Eibe Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2nd edition, Morgan Kaufmann, ISBN , K. Cios, W. Pedrycz, R. Swiniarski, L. Kurgan, Data Mining: A Knowledge Discovery Approach, Springer, ISBN:

9 Unidad Objetivo Contenido Bibliografía Edition, Morgan , Kaufmann, ISBN ,

10 8. CONTRIBUCIÓN DEL PROGRAMA DE ASIGNATURA AL PERFIL DE EGRESO Perfil de egreso Unidad Conocimientos Habilidades Actitudes y valores 1. Introducción. De los antecedentes, el concepto de Minería de Datos, Problemas, tipos de datos y modelos a los que se aplica, su relación con otras disciplinas y ámbitos de aplicación. Para identificar los antecedentes, el concepto de Minería de Datos, Problemas, tipos de datos y modelos a los que se aplica, su relación con otras disciplinas y ámbitos de aplicación. Estará preparado para trabajar en equipo, emprender, liderar proyectos e incidir en la transformación sustentable de la realidad. Será un profesional responsable, solidario, crítico, ético y comprometido con la sociedad y con el medio ambiente. 2. El Proceso de KDD. De las nociones básicas de cada una de las fases del proceso de Descubrimiento de Conocimiento en Bases de Datos (Knowledge Discovery from Databases, KDD). Para identificar cada una de las fases del proceso de KDD en la resolución de problemas. Estará preparado para trabajar en equipo, emprender, liderar proyectos e incidir en la transformación sustentable de la realidad. Será un profesional responsable, solidario, crítico, ético y comprometido con la sociedad y con el medio ambiente. 3. Preparación de Datos. De las metodologías y técnicas asociadas a la primera fase del KDD, llamada de integración y recopilación, y realizar algunas consideraciones sobre las Para identificar y aplicar las metodologías y técnicas necesarias para la preparación de los datos para la posible aplicación de una Estará preparado para trabajar en equipo, emprender, liderar proyectos e incidir en la transformación 10

11 Unidad Perfil de egreso Conocimientos Habilidades Actitudes y valores técnica de Minería de Datos. sustentable de la realidad. fases de limpieza y transformación y de exploración y selección de datos para la posible aplicación de una técnica de Minería de Datos. Será un profesional responsable, solidario, crítico, ético y comprometido con la sociedad y con el medio ambiente. 4. Técnicas de Minería de Datos. De las principales técnicas para resolver problemas de Minería de datos, así como la forma de expresar su resultado. Para aplicar las técnicas de Minería de Datos más apropiadas en la resolución de problemas. Estará preparado para trabajar en equipo, emprender, liderar proyectos e incidir en la transformación sustentable de la realidad. Será un profesional responsable, solidario, crítico, ético y comprometido con la sociedad y con el medio ambiente. 5. Herramientas. 6. Aplicaciones. De las características y las facilidades básicas de alguna herramienta para la Minería de Datos. De al menos una aplicación de la Minería de Datos y de cada una de las fases del proceso de KDD asociado a la misma. Para manejar una herramienta de Minería de Datos como apoyo a la resolución de problemas. Para interactuar con usuarios y especialistas de diversas áreas de conocimiento, Estará preparado para trabajar en equipo, emprender, liderar proyectos e incidir en la transformación sustentable de la realidad. Será un profesional responsable, solidario, crítico, ético y comprometido con la sociedad y con el medio ambiente. Estará preparado para trabajar en equipo, emprender, liderar proyectos 11

12 Unidad Perfil de egreso Conocimientos Habilidades Actitudes y valores entender sus necesidades y proponer soluciones basadas e incidir en la transformación sustentable de la realidad. en la aplicación de las Será un profesional metodologías y técnicas responsable, solidario, crítico, asociadas al proceso de KDD. ético y comprometido con la sociedad y con el medio ambiente. 12

13 9. ORIENTACIÓN DIDÁCTICO-PEDAGÓGICA. Estrategias a-e Técnicas a-e Recursos didácticos Estrategias de aprendizaje: Técnicas Materiales: Lectura y comprensión, grupales, Proyectores, Reflexión, de debate, TICs, Comparación, del diálogo, Plumón y pizarrón, Resumen. de problemas, Estrategias de enseñanza: de estudio de casos, ABP, comparación, Aprendizaje activo, síntesis, Aprendizaje cooperativo, lluvia de ideas, Aprendizaje colaborativo, analogías, Basado en el portafolio, descubrimiento. exposición. Ambientes de aprendizaje: Aula, Laboratorio, Simuladores. Actividades y experiencias de aprendizaje: Visita a diversos ámbitos de aplicación. 10. CRITERIOS DE EVALUACIÓN Criterios Porcentaje Exámenes Parciales 30 Proyectos 40 Prácticas 20 Ejercicios 10 Total REQUISITOS DE ACREDITACIÓN El promedio de las calificaciones de los exámenes aplicados deberá ser igual o mayor que 6. Los proyectos son obligatorios. 80% mínimo de asistencia. 13