CURSO MINERÍA DE DATOS AVANZADO

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

Download "CURSO MINERÍA DE DATOS AVANZADO"

Transcripción

1 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 la actual sociedad de la información, donde cada día a día se multiplica la cantidad de datos almacenados casi de forma exponencial, la minería de datos es una herramienta fundamental para analizarlos y explotarlos de forma eficaz para los objetivos de cualquier organización. La minería de datos se define también como el análisis y descubrimiento de conocimiento a partir de datos. La minería de datos hace uso de todas las técnicas que puedan aportar información útil, desde un sencillo análisis gráfico, pasando por métodos estadísticos más o menos complejos, complementados con métodos y algoritmos del campo de la inteligencia artificial y el aprendizaje automático que resuelven problemas típicos de agrupamiento automático, clasificación, predicción de valores, detección de patrones, asociación de atributos, etc. Es, por tanto, un campo multidisciplinar que cubre numerosas áreas y se aborda desde múltiples puntos de vista, como la estadística, la informática (cálculo automático) o la ingeniería. En este curso se tratan los conceptos avanzados de minería de datos de la forma más sencilla posible, de modo que sean inteligibles por lectores con formación diversa. Los capítulos comienzan describiendo las técnicas avanzadas de minería de datos en lenguaje asequible y presentando a continuación la forma de tratarlas mediante aplicaciones prácticas. Una parte importante de cada capítulo son casos prácticos totalmente resueltos, incluyendo la interpretación de los resultados, que precisamente es lo más importante en cualquier materia con la que se trabaje. El curso comienza con una introducción a la minería de datos y sus fases. En sucesivos capítulos se desarrollan las fases iniciales (selección de la información, exploración de datos, limpieza de datos, transformación de datos, etc.). Posteriormente se profundiza en técnicas específicas de minería de datos, tanto predictivas como descriptivas. Entre las técnicas predictivas se abordan todo tipo de modelos de regresión, análisis discriminante, árboles de decisión, redes neuronales y otras técnicas basadas en modelos. Entre las técnicas descriptivas se contemplan las técnicas de reducción de la dimensión, las técnicas de clasificación y segmentación (clustering) y las técnicas de análisis exploratorio de datos. Los entornos de trabajo automatizados específicos de minería de datos que se utilizan en el cursoo son SAS Enterprise Miner y SPSS Clementine. El contenido exhaustivo del curso es el siguiente: Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas Aproximación al concepto de minería de datos El proceso de extracción del conocimiento Técnicas de minería de datos Sistemas de minería de datos

2 Capítulo 2. Entorno de trabajo de SPSS Clementine Introducción a Clementine Usando el ratón Ayuda en Clementine Panel de control en Clementine Ejemplo de trabajo con Clementine Insertar un nodo fuente (origen) de datos en el área de trabajo Enlazar un nodo con una fuente de datos Controlar la carga de datos con el nodo Tabla Definir variables predoctoras con el nodo Tipo Utilizar un nodo de modelado Ejecutar una ruta Interpretar un modelo Predecir con un modelo Guardar un modelo Nodos de orígenes de datos Nodos de operaciones con registros Capítulo 3. Entorno de trabajo con SAS Enterprise Miner Introducción a SAS Enterprise Miner Comenzando con SAS Enterprise Miner Inicio de un proyecto nuevo Menú principal de SAS Enterprise Miner Ejemplo de trabajo con SAS Enterprise Miner Leer ficheros y enlazarlos con Enterprise Miner mediante el nodo Input Data Source Definir tipos de variables con el nodo Input Data Source Enlace de nodos de un diagrama. El nodo Data Partition Utilizar un nodo de modelado Capítulo 4. Fase de selección en minería de datos Selección en el proceso de extracción del conocimiento Recopilación e integración de datos: Data Warehouse Data Warehouse y Data Mining Selección de datos mediante muestreo Muestreo aleatorio simple Muestreo estratificado Muestreo sistemático Muestreo unietápico de conglomerados Muestreo bietápico de conglomerados Muestreo polietápico de conglomerados Diseños complejos: Bietápico con estratificación en primera etapa Selección de números aleatorios: Método de Montecarlo Selección de características relevantes Análisis de correlaciones Capítulo 5. Fase de selección en SAS Enterprise Miner y SPSS Clementine La fase de selección en Enterprise Miner El nodo Fuente de Datos El nodo Muestreo

3 El nodo de partición de datos El nodo de Selección de Variables El nodo de Series Temporales La fase de selección en SPSS Clementine Importación de datos ASCII Importación de datos de una fuente ODBC (Access, Excel, etc.) Importación de datos de SPSS Importación de datos de SAS Selección de datos Muestreo de datos Capítulo 6. Fase de exploración en minería de datos Exploración en el proceso de extracción del conocimiento Análisis exploratorio Herramientas de exploración visual Histograma de frecuencias Diagrama de tallo y hojas Gráfico de caja y bigotes Gráfico múltiple de caja y bigotes Gráfico de simetría Gráfico de dispersión Gráficos para variables cualitativas Herramientas de exploración formal Contrastes de la bondad de ajuste a una distribución Contraste de Kolmogorov-Smirnov Lilliefors Estadísticos robustos de centralización Estadísticos robustos de dispersión Estadísticos robustos de asimetría y curtosis Contrastes de aleatoriedad Transformaciones de las variables Supuestos subyacentes en las técnicas de minería de datos Normalidad Heteroscedasticidad Multicolinealidad Autocorrelación Linealidad Un ejemplo Capítulo 7. Fase de exploración en SAS Enterprise Miner y SPSS Clementine La fase de exploración en Enterprise Miner El nodo Explorador de distribuciones El nodo Multigráficos El nodo de exploración de patrones La fase de exploración en SPSS Clementine El nodo Gráfico El nodo Distribución El nodo Histograma El nodo Malla El nodo Malla Direccional El nodo Gráfico Múltiple El nodo Recolectar

4 Capítulo 8. Fases de limpieza y transformación de datos Limpieza y transformación de datos en el proceso de extracción del conocimiento Valores atípicos (Outliers) Información faltante (Datos missing) Soluciones para los datos ausentes: Supresión de datos e imputación de información faltante Transformación de datos Transponer, fusionar, agregar, segmentar y ordenar atchivos Ponderar casos y categorizar y numerizar vriables Pareamiento o matching Transformación de datos mediante técnicas de reducción de la dimensión Componentes principales Análisis factorial Capítulo 9. Las fases de limpieza y transformación de datos en SAS Enterprise Miner y SPSS Clementine Las fases de limpieza y transformación de datos en Enterprise Miner El nodo Transformación de variables El nodo Asignación de atributos Tratamiento de los datos atípicos con el nodo Filtro de Outliers El nodo Imputación de datos missing El nodo Exploración de patrones para Componentes Principales Lasa fases de limpieza y transformación de datos en Clementine El nodo Seleccionar El nodo Muestra para procesos de muestreo El nodo Combinar para procesos de matching El nodo Equilibrar El nodo Ordenar El nodo Agregar para calcular estadísticos por subgrupos El nodo Distinguir El nodo Añadir para concatenación de archivos El nodo Filtrar El nodo Derivar para transformación de variables El nodo Tipo para asignar atributos a variables El nodo Rellenar para imputación de datos missing El nodo Factor/PCA para Análisis Factorial y Componentes Principales Capítulo 10. Fase de minería de datos. Técnicas predictivas de modelización Técnicas de minería de datos propiamente dichas Técnicas predictivas para la modelización Modelo de regresión múltiple Estimación del modelo lineal de regresión múltiple Estimación del modelo, contrastes e intervalos de confianza a través del cálculo matricial Análisis de la varianza en el modelo de regresión múltiple Predicciones Análisis de los residuos Técnicas de selección en el modelo de regresión

5 Modelos de elección discreta Modelos de elección discreta binaria: Modelo lineal de probabilidad y regresión logística binaria Modelos de elección múltiple: Modelo Logit Multinomial Modelo lineal general de regresión múltiple (GLM) Clasificación ad hoc: Análisis discriminante Hipótesis en el modelo discriminante Estimación del modelo discriminante Clasificación mediante el modelo discriminante Capítulo 11. Técnicas predictivas de modelización con SAS Enterprise Miner y SPSS Clementine Técnicas predictivas de modelización con SAS Enterprise Miner El nodo Regression: Modelo de regresión múltiple El nodo Regression: Modelo lineal general GLM El nodo Regression: Modelo de elección discreta Logit y Probit Técnicas predictivas de modelización con SPSS Clementine El nodo Regresión Lineal: Modelo de regresión múltiple El nodo Regresión Logística: Modelos de elección discreta Capítulo 12. Técnicas descriptivas y predictivas de clasificación. Clusters y árboles de decisión El análisis cluster como técnica descriptiva de clasificación Medidas de similitud Técnicas en el análisis cluster Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.) El dendograma en el análisis cluster jerárquico Análisis cluster no jerárquico Los árboles de decisión como técnica predictiva de clasificación Características de los árboles de decisión Herramientas para el trabajo con árboles de decisión Árboles CHAID Árboles CART Árboles QUEST Análisis de conglomerados y árboles de decisión como métodos de segmentación Capítulo 13. Clusters y árboles de decisión con SAS Enterprise Miner y SPSS Clementine Análisis cluster con Enterprise Miner. El nodo Clustering Árboles de decisión con Enterprise Miner. El nodo Tree Entrenamiento interactivo (Interactive Training) Análisis cluster con SPSS Clementine El nodo Entrenar K-medias: Cluster no jerárquico El nodo Cluster Bietápico: Cluster jerárquico Árboles de decisión con SPSS Clementine El nodo Crear C5.0 El nodo Árbol C&R

6 Capítulo 14. Redes neuronales Descripción de una red neuronal Definición Función de salida y funciones de transferencia o activación Redes neuronales y ajuste de modelos de regresión Aprendizaje en las redes neuronales Funcionamiento de una red neuronal El algoritmo de aprendizaje Retropropagación (Back-Propagation) Análisis discriminante a través del Perceptrón Análisis de series temporales mediante redes neuronales Análisis de componentes principales con redes neuronales Clustering mediante redes neuronales Capítulo 15. Redes neuronales con SAS Enterprise Miner y SPSS Clementine Redes neuronales con SAS Enterprise Miner Optimización y ajuste de modelos con redes: Nodo Neural Network Análisis en componentes principales a través de redes neuronales: Nodo Princomp/Dmneural Predicción y análisis discriminante a través de redes neuronales: Nodo Two Stage Model Análisis cluster con redes neuronales: Nodo SOM/Kohonen Redes neuronales con SPSS Clementine Nodo Entrenar red Nodo Entrenar Kohonen Nodo Entrenar K-medias

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas...

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... , INDICE Introducción, ; XVII Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... Aproximación al concepto de minería de datos... El proceso de extracción del conocimiento... Técnicas de minería

Más detalles

ÍNDICE. Introducción... Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1

ÍNDICE. Introducción... Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1 Introducción... XI Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1 Finalidad de los sistemas de información y origen del Business Intelligence... 1 Herramientas para la toma

Más detalles

ÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1

ÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1 ÍNDICE Introducción... XV Capítulo 1. El concepto de Data Mining... 1 Introducción... 1 Una definición de Data Mining... 3 El proceso de Data Mining... 6 Selección de objetivos... 8 La preparación de los

Más detalles

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE Técnicas, herramientas y aplicaciones María Pérez Marqués Business Intelligence. Técnicas, herramientas y aplicaciones María Pérez Marqués ISBN: 978-84-943055-2-8 EAN: 9788494305528

Más detalles

ÍNDICE. Introducción... Capítulo 1. Técnicas de minería de datos y herramientas... 1

ÍNDICE. Introducción... Capítulo 1. Técnicas de minería de datos y herramientas... 1 ÍNDICE Introducción... XI Capítulo 1. Técnicas de minería de datos y herramientas... 1 Clasificación de las técnicas de minería de datos y herramientas más comunes... 1 Modelado originado por la teoría

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

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

Más detalles

ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO

ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO Máster en ESTADÍSTICA APLICADA Y ESTADÍSTICA PARA EL SECTOR PÚBLICO Temario MÓDULO 0: HOMOGENEIZACIÓN Homogeneización en bases matemáticas 3,0 Cr. ECTS Espacios de Medida Algebra. Matrices y Determinantes

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

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

SAS Data Scientist. Plan de Formación

SAS Data Scientist. Plan de Formación SAS Data Scientist Plan de Formación www.sas.com/spain/formacion Juan Lorenzo, Director del Plan de Formación juan.lorenzo@sas.com formacion@sas.com Tel: +34 91 200 73 00 BIG DATA EL NUEVO RETO EN LAS

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/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

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/ Minería de Datos Web 1 er Cuatrimestre 2015 Página Web http://www.exa.unicen.edu.ar/catedras/ageinweb/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs. As., Argentina http://www.exa.unicen.edu.ar/~dgodoy

Más detalles

CLASIFICACIÓN NO SUPERVISADA

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL

Más detalles

320514 - APTM - Análisis de Procesos Textiles y de Mercados

320514 - APTM - Análisis de Procesos Textiles y de Mercados Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 320 - EET - Escuela de Ingeniería de Terrassa 714 - ETP - Departamento de Ingeniería Textil y Papelera MÁSTER UNIVERSITARIO

Más detalles

Índice general. Pág. N. 1. Metodología de la investigación científica. Conocimiento y Ciencia. Investigación. Métodos y técnicas de investigación

Índice general. Pág. N. 1. Metodología de la investigación científica. Conocimiento y Ciencia. Investigación. Métodos y técnicas de investigación Pág. N. 1 Índice general Metodología de la investigación científica Conocimiento y Ciencia 1. Origen del Conocimiento 1.1 Sujeto cognoscente 1.2 Objeto del conocimiento 1.3 El conocimiento 2. Principales

Más detalles

TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO

TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO Excel 2013 es la nueva versión de la hoja de cálculo del paquete integrado Microsoft Office 2013, presente en la mayoría de las distribuciones

Más detalles

Temario: Análisis Econométrico con EViews Capacitación

Temario: Análisis Econométrico con EViews Capacitación Objetivo del curso: El objetivo del curso es instruir al participante en el uso de EViews para el análisis de su información y la aplicación de la metodología econométrica idónea para sus datos: Creación

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

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

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

ESTADÍSTICA DESCRIPTIVA CON SPSS

ESTADÍSTICA DESCRIPTIVA CON SPSS ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos

Más detalles

Introducción al DataMining

Introducción al DataMining Introducción al DataMining Lluís Garrido garrido@ecm.ub.es Universitat de Barcelona Índice Qué es el DataMining? Qué puede hacer el DataMining? Cómo hacer el DataMining? Técnicas Metodología del DataMining

Más detalles

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN

Más detalles

Introducción al SPSS/PC. 1. El editor de datos. Taller de Estadística

Introducción al SPSS/PC. 1. El editor de datos. Taller de Estadística 1 Taller de Estadística Curso 2oo5/2oo6 Introducción al SPSS/PC SPSS: Statistical Package for the Social Sciences. Este programa estadístico está organizado en dos bloques: el editor de datos y el visor

Más detalles

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la

Más detalles

IBM SPSS Modeler Professional

IBM SPSS Modeler Professional IBM SPSS Modeler Professional Características Cree estrategias más efectivas evaluando tendencias y resultados Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas

Más detalles

DYANE Versión 4 Diseño y Análisis de Encuestas

DYANE Versión 4 Diseño y Análisis de Encuestas DYANE Versión 4 Diseño y Análisis de Encuestas Miguel Santesmases Mestre 1. DESCRIPCIÓN GENERAL DEL PROGRAMA DYANE 1. FINALIDAD Y MÉTODO DEL PROGRAMA DYANE (Diseño y Análisis de Encuestas) es un programa

Más detalles

Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas. Datamining Técnicas

Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas. Datamining Técnicas Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Datamining Técnicas Yerko Halat 4 de Octubre del 2001 1 Concepto: Lógica Difusa Cliente

Más detalles

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE TRAINING 2007 APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE Fundamentos en el Uso y Aplicaciones con SPSS Introducción a la Sintaxis Estadísticas

Más detalles

Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE

Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE Anexo No. 02 FICHA TECNICA FONDO FINANCIERO DE PROYECTOS DE DESARROLLO FONADE Unidad Administrativa Especial de Gestión Pensional y Contribuciones Parafiscales de la Protección Social UGPP Objeto: ADQUISICIÓN

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

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata v.1.0 Clase 5 Docente: Gustavo Valencia Zapata Temas Clase 5: Conceptos de Minería de Datos Herramientas de DM Referencias Minería de datos Proceso de DM www.gustavovalencia.com Minería de datos La minería

Más detalles

Trabajo de Matemáticas y Estadística Aplicadas

Trabajo de Matemáticas y Estadística Aplicadas Licenciatura en Ciencia Ambientales Matemáticas y Estadística aplicada Prof. Susana Martín Fernández POLITÉCNICA Trabajo de Matemáticas y Estadística Aplicadas GUIÓN 1: Estadística descriptiva Tipo 1 1-

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

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

Tome mejores decisiones mediante la inteligencia predictiva

Tome mejores decisiones mediante la inteligencia predictiva IBM SPSS Modeler Professional Funciones destacadas Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas de minería de datos intuitivo y visual. Crea y valide

Más detalles

CURSO MINERÍA DE DATOS BÁSICO

CURSO MINERÍA DE DATOS BÁSICO CURSO MINERÍA DE DATOS BÁSICO Hoy en día se utiliza la minería de datos en la mayoría de los campos de la ciencia. Cabe destacar las aplicaciones financieras y en banca, en análisis de mercados y comercio,

Más detalles

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a

Más detalles

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:

Más detalles

Curso Superior. Curso Superior en Estadística Aplicada. Análisis de Datos y SPSS

Curso Superior. Curso Superior en Estadística Aplicada. Análisis de Datos y SPSS Curso Superior Curso Superior en Estadística Aplicada. Análisis de Datos y SPSS Índice Curso Superior en Estadística Aplicada. Análisis de Datos y SPSS 1. Sobre Inesem 2. Curso Superior en Estadística

Más detalles

"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios

Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios "Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Habilidades y Herramientas para trabajar con datos

Habilidades y Herramientas para trabajar con datos Habilidades y Herramientas para trabajar con datos Marcelo Ferreyra X Jornadas de Data Mining & Business Intelligence Universidad Austral - Agenda 2 Tipos de Datos Herramientas conceptuales Herramientas

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

El programa Minitab: breve introducción a su funcionamiento. Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos

El programa Minitab: breve introducción a su funcionamiento. Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos El programa Minitab: breve introducción a su funcionamiento Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos estadísticos en la actualidad, el libro se acompaña, en todo

Más detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,

Más detalles

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I) VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El

Más detalles

Metodología de las Ciencias del Comportamiento y de la Salud. Antonio Pardo Merino Miguel Ángel Ruiz Díaz

Metodología de las Ciencias del Comportamiento y de la Salud. Antonio Pardo Merino Miguel Ángel Ruiz Díaz Gestión de datos con SPSS Statistics PROYECTO EDITORIAL: Metodología de las Ciencias del Comportamiento y de la Salud Directores: Antonio Pardo Merino Miguel Ángel Ruiz Díaz Gestión de datos con SPSS Statistics

Más detalles

Finanzas e Investigación de Mercados"

Finanzas e Investigación de Mercados DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de

Más detalles

Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas. Prof. Lic. Juan M. Bodenheimer jb@instare.

Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas. Prof. Lic. Juan M. Bodenheimer jb@instare. Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas Congreso de RR.HH. De Costa Rica 30/10/2012 Prof. Lic. Juan M. Bodenheimer jb@instare.com Nuestra Agenda

Más detalles

Planeación de la Recolección de Datos. Planeacion de Recoleccion de Datos

Planeación de la Recolección de Datos. Planeacion de Recoleccion de Datos Planeación de la Recolección de Datos Qué Son los datos? Recolección de Datos Contenido Por Qué Es Importante la Recolección de Datos? Estrategias de Muestreo Estrategias para la Definición de Datos Base

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

PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN

PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN DISEÑADO PARA Ingenieros de Producción, completación, yacimientos y perforación; geólogos

Más detalles

Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos. Resultados del Proyecto

Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos. Resultados del Proyecto Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos Resultados del Proyecto ÍNDICE 1. Detección automática de B2C 2. Análisis de demanda de profesionales TICC y programas formativos 3. Análisis

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS ALIMENTARIOS

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS ALIMENTARIOS TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS ALIMENTARIOS HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística para el control de procesos 2. Competencias a la que

Más detalles

Herramientas informáticas para el monitoreo y evaluación en VIH/sida: Laboratorio de Excel para el procesamiento, manejo y presentación de datos.

Herramientas informáticas para el monitoreo y evaluación en VIH/sida: Laboratorio de Excel para el procesamiento, manejo y presentación de datos. Diplomado Centroamericano: Monitoreo y Evaluación para la Gestión de Políticas y Programas de VIH/sida Herramientas informáticas para el monitoreo y evaluación en VIH/sida: Laboratorio de Excel para el

Más detalles

INDICE Parte I Excel Capitulo 1 Para comenzar con Excel Capitulo 2 Trabajador con datos

INDICE Parte I Excel Capitulo 1 Para comenzar con Excel Capitulo 2 Trabajador con datos INDICE Parte I Excel 1 Capitulo 1 Para comenzar con Excel 3 El sistema operativo de Windows 4 Vista del escritorio de Windows 5 Practicas de técnicas con el rato 6 Para obtener ayuda 8 Archivos especiales

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015)

PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015) PENDIENTES DE MATEMÁTICAS DE 2º ESO (CURSO 2014-2015) CRITERIOS E INDICADORES Se detallan a continuación los criterios de evaluación junto con sus indicadores de contenidos asociados. En negrita se indican

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

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere

Más detalles

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo 1 Algoritmos de minería de datos incluidos en SQL Server 2008 Los algoritmos que aquí se presentan son: Árboles de decisión de Microsoft, Bayes naive de Microsoft, Clústeres de Microsoft, Serie temporal

Más detalles

CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS)

CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS) CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS) Cnel R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Trabajo Practico N 12

Trabajo Practico N 12 Trabajo Practico N 12 Minería de Datos CATEDRA: Actualidad Informática Ingeniería del Software III Titular: Mgter. Horacio Kuna JTP: Lic. Sergio Caballero Auxiliar: Yachesen Facundo CARRERAS: Analista

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

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

Más detalles

Curso de MS Project. Objetivo

Curso de MS Project. Objetivo Curso de MS Project El objetivo de este curso es otorgar al alumno de la formación necesaria que le permita elaborar un plan y un proyecto ayudado del programa Microsoft Project, conociendo con detalle

Más detalles

Técnicas Cuantitativas para el Management y los Negocios

Técnicas Cuantitativas para el Management y los Negocios Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis

Más detalles

Asignaturas Máster de Metodología de las Ciencias del Comportamiento y de la Salud Curso 2011/2012

Asignaturas Máster de Metodología de las Ciencias del Comportamiento y de la Salud Curso 2011/2012 Asignaturas Máster de Metodología de las Ciencias del Comportamiento y de la Salud Curso 2011/2012 Periodo de impartición Asignaturas UAM/UCM: Primer semestre: Comienzo: 26 de Septiembre Finalizan: 20

Más detalles

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center.

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center. Minitab Training Minitab Statiscal Software, Quality Companion, sus logotipos, marcas y demás símbolos distintivos son propiedad de Minitab Inc. Blackberry&Cross, su logotipo, y demás símbolos distintivos

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

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

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

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS

Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión

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

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

Guía de instalación y configuración de IBM SPSS Modeler Social Network Analysis 16

Guía de instalación y configuración de IBM SPSS Modeler Social Network Analysis 16 Guía de instalación y configuración de IBM SPSS Modeler Social Network Analysis 16 Contenido Capítulo 1. Introducción a IBM SPSS Modeler Social Network Analysis.... 1 Visión general de IBM SPSS Modeler

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

Aplicaciones de Estadística Descriptiva

Aplicaciones de Estadística Descriptiva Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

Inteligencia de Negocio

Inteligencia de Negocio UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:

Más detalles

La metodologia Cuantitativa. Encuestas y muestras

La metodologia Cuantitativa. Encuestas y muestras La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma

Más detalles

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción

Más detalles

Detección de Patrones de Daños y Averías en la Industria Automotriz

Detección de Patrones de Daños y Averías en la Industria Automotriz Universidad Tecnológica Nacional Facultad Regional Buenos Aires Tesis de Magister en Ingeniería en Sistemas de Información Detección de Patrones de Daños y Averías en la Industria Automotriz Directora:

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 12 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Fundamentos de clustering Ejemplo inicial Aplicaciones

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

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Introducción al Data Mining Clases 5 Cluster Analysis Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Cluster Análisis 1 El término cluster analysis (usado por primera

Más detalles

[Hemera]/Thinkstock. Risk Integrator

[Hemera]/Thinkstock. Risk Integrator [Hemera]/Thinkstock Risk Integrator Introducción El proyecto de Solvencia II supone un cambio radical para el sector asegurador, que requiere una transformación relevante de la gestión del riesgo y del

Más detalles

CURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS

CURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS MANAGEMENT CONSULTORES CURSO: MS-PROJECT Y CRYSTAL BALL EN ADMINISTRACION DE PROYECTOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS

UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS Curso de Formación Estadistica. CHEMO Manual de Statgraphics 1 INTRODUCCION

Más detalles

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento

Más detalles