ÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1
|
|
- Gabriel Núñez Alarcón
- hace 8 años
- Vistas:
Transcripción
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 datos... 9 Tipos de problemas de Data Mining y enfoques para su resolución Problemas descriptivos Problemas predictivos Técnicas de Data Mining El éxito de un proyecto de Data Mining: consideraciones finales Capítulo 2. El entorno de Enterprise Miner La herramienta Enterprise Miner Preparación de los datos Abrir Enterprise Miner Navegador del Proyecto Conjunto de herramientas de análisis de SAS Enterprise Miner Zona de trabajo Barra de Herramientas Menú principal de aplicaciones File Edit View Options Actions Help Comenzar un proyecto nuevo Acerca de los datos y los nodos... 35
2 VIII DATA MINING. SOLUCIONES CON ENTERPRISE MINER RA-MA Capítulo 3. Selección de datos y muestras. Exploración El nodo de datos (Input Data Source Node) Conexión de nodos en un diagrama activo El nodo de muestreo (Sampling Node) El nodo partición de datos (Data Partition Node) Nodo explorador de distribuciones (Distribution Explorer Node) Nodo multigráficos (Multiplot node) Nodo de exploración de patrones (Insight Node) Nodo de asociaciones (Association Node) Nodo de selección de variables (Variable Selection Node) Nodo de análisis de relaciones (Link Analisis Exp. Node) Visor de resultados Capítulo 4. Exploración y análisis interactivo de datos. El nodo Insight El nodo de análisis interactivo (Insight) Introducción de datos Edición de datos Presentación de ventanas Trabajo con variables Búsqueda y selección de datos Análisis de datos Análisis univariante y bivariante Análisis de la distribución de una variable Ajustar Modelos (Fit Y X) Análisis Multivariante (Multivariate) Capítulo 5. Depuración y modificación de datos Nodo de asignación de atributos (Data Set Attributes Node) Nodo de transformación de variables (Transform Variables Node) Nodo de filtro de datos (Filter Outliers Node) Nodo de reemplazo (Replacement Node) Imputación de la información faltante Resultados Nodo para series temporales (Time Series Node, Exp.) Trabajo con el nodo de series temporales Visor de resultados
3 RA-MA ÍNDICE IX Capítulo 6. Análisis cluster Métodos descriptivos: Técnicas del análisis de interdependencia Análisis en componentes principales Análisis factorial Análisis de correspondencias Escalamiento multidimensional Análisis de conglomerados (análisis cluster) Nodo de Enterprise Miner para el análisis cluster (Clustering Node) Trabajando con el nodo de Análisis Cluster Visor de resultados Ejemplo de Clustering Capítulo 7. Modelos: regresión múltiple y logística Métodos explicativos: Técnicas del análisis de la dependencia Regresión múltiple Análisis canónico (correlación canónica) Análisis discriminante Modelos de elección discreta Modelo ANOVA (Análisis de la varianza simple) Modelo ANCOVA (Análisis de la covarianza simple) Modelo MANOVA (Análisis de la varianza múltipe) Modelo MANCOVA (Análisis de la covarianza múltiple) Regresión múltiple y modelos de elección discreta con variables ficticias Nodo de regresión de Enterprise Miner Especificación del modelo Resultados de la regresión Model Manager Ejemplo de regresión múltiple Resultados Ejemplo de regresión logística Capítulo 8. Árboles de decisión Extracción de reglas mediante árboles de decisión Conceptos previos Metodología de construcción de reglas del algoritmo del nodo Tree de Enterprise Miner CHAID C&RT (Classification and Regression Trees) C4.5 y C
4 X DATA MINING. SOLUCIONES CON ENTERPRISE MINER RA-MA Nodo de árboles de decisión (Tree Node) Opciones para los árboles de decisión Elementos de los árboles de decisión El visor de resultados del nodo de árboles de decisión Entrenamiento interactivo (Interactive Training) Ejemplo de árbol de decisión Capítulo 9. Redes Neuronales Introducción a las redes neuronales Las Redes Neuronales Biológicas Las Redes Neuronales Artificiales Un poco de historia Características generales de las RNAs Una clasificación de las RNAs El aprendizaje del MLP: el algoritmo Backpropagation Principales ventajas y desventajas de las RNAs Nodo de Redes Neuronales Artificiales (Neural Network Node) Trabajo con el nodo de redes neuronales Ejecución del nodo de redes neuronales Visor de resultados Ejemplo de red nueronal Capítulo 10. Redes neuronales y componentes principales. Modelos de usuario Nodo de análisis de componentes principales para uso individual o en redes neuronales (PRINCOMP/DMNEURAL Node) Funciones de activación Trabajo con el nodo PRINCOMP/DMNEURAL Ejecución del nodo PRINCOMP/DMNEURAL Resultados del nodo PRINCOMP/DMNEURAL Nodo de modelo creado por el usuario (User Defined Node) Trabajo con el nodo Data Set Attributes Visor de resultados Nodo de combinación de modelos (Ensemble Node) Trabajando con el nodo de combinación de modelos Visor de resultados Nodo de razonamiento basado en la memoria (Memory-Based Reasoning, Exp.) Trabajando con el nodo de razonamiento basado en la memoria Visor de resultados Nodo de modelo en dos etapas (Two Stage Model Node) Trabajando con el nodo de modelo en dos etapas Visor de resultados
5 RA-MA ÍNDICE XI Nodo para mapas autoorganizados (SOM/KOHONEN NODE) Kohonen VQ Self Organizing Maps Trabajo con el nodo de SOM/KOHONEN Visor de resultados Ejemplo de PRINCOMP/DMNEURAL Ejemplo de redes autoorganizadas SOM/KOHONEN Capítulo 11. Valoración y comparación de modelos Nodo de valoración (Assessment) Trabajo con el nodo de valoración Gráficos del nodo Assessment LIFT (Gráfico de ganancias) DIAGNOSTIC (Gráfico de clasificación) THRESHOLD-BASED (Gráfico de clasificación basado en el umbral) Curvas ROC Scatter Plot (Gráfico de dispersión) Nodo de informes (Reporter Node) Opciones por defecto del nodo Reporter Localización de los fichero de informes Ejemplo de combinación de modelos Capítulo 12. Predicción y utilidades Nodo de predicción de nuevos datos (Score) Trabajo con el nodo de predicción Nodo de predicción en lenguaje C (C*Score) Principales limitaciones del nodo C*Score Trabajo con el nodo C*Store Visor de resultados Nodo de utilidades (Utility) y nodo de tratamiento de grupos (Group Processing) Trabajo con el nodo de tratamiento de grupos Visor de resultados en model manager Nodo de base de datos para Data Mining (Data Mining Database Node) Trabajo con el nodo de base de datos para Data Mining Visor de resultados Nodo de código de programación SAS (SAS Code Node) Trabajando con el nodo de código de programación SAS Nodo de punto de control (Control Point Node) Nodo de subdiagrama (Subdiagram Node)
6 XII DATA MINING. SOLUCIONES CON ENTERPRISE MINER RA-MA Capítulo 13. Data Mining y reducción de la dimensión con variables cuantitativas: Componentes Principales Data Mining y técnicas emergentes de análisis de datos Introducción a las técnicas de reducción de la dimensión Análisis en componentes principales Cálculo de las componentes principales Puntuaciones o medición de las componentes Número de componentes principales a retener Criterio de la media aritmética Criterio del gráfico de sedimentación Matriz de cargas factoriales, comunalidad y círculos de correlación Rotación de las componentes Técnicas de Data Mining con SAS STAT Componentes principales en SAS. Procedimiento PRINCOMP y Procedimiento FACTOR Ejemplo de componentes principales Capítulo 14. Data Mining y reducción de la dimensión con variables cuantitativas: Análisis Factorial Análisis factorial Contrastes en el modelo factorial Rotación de los factores Rotaciones ortogonales Rotaciones oblicuas Interpretación gráfica de los factores Puntuaciones o medición de los factores Análisis factorial con SAS. Procedimiento FACTOR Ejemplo de análisis factorial Capítulo 15. Data Mining y reducción de la dimensión con variables cualitativas: Correspondencias Análisis de correspondencias Análisis de correspondencias simples ACS Análisis de correspondencias múltiples ACM Análisis de correspondencias en SAS. Procedimiento CORRESP Ejemplo de análisis de correspondencias simple Ejemplo de análisis de correspondencias múltiple
7 RA-MA ÍNDICE XIII Capítulo 16. Técnicas de Data Mining para clasificación ad hoc: Análisis discriminante El análisis discriminante como técnica de Data Mining Hipótesis en el modelo discriminante Estimación del modelo discriminante Contrastes de significación en el modelo discriminante Selección de variables discriminantes Interpretación de la función discriminante Clasificación de los individuos Análisis discriminante canónico SAS y el análisis discriminante: Procedimiento DISCRIM Ejemplo de análisis discriminante SAS y el análisis discriminante canónico: Procedimiento CANDISC Ejemplo de análisis discriminante canónico SAS y el análisis discriminante paso a paso: Procedimiento STEPDISC y ejemplo práctico Capítulo 17. Técnicas de Data Mining de clasificación post hoc: Análisis cluster El análisis cluster como técnica de Data Mining El planteamiento del análisis cluster El concepto de distancia Distancia ultramétrica y algoritmos 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 Análisis cluster no jerárquico Análisis cluster jerárquico con SAS. Procedimientios CLUSTER, ACECLUS y TREE Ejemplo de análisis cluster jerárquico Análisis cluster no jerárquico. Procedimiento FASTCLUS Ejemplo de análisis cluster no jerárquico Análisis cluster jerárquico y no jerárquico. Procedimiento VARCLUS Ejemplo de análisis cluster general Índice alfabético
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 detallesÍNDICE. 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 detallesCapítulo 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 detallesBUSINESS 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 detallesÍNDICE. 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 detalles320514 - 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 detallesÍNDICE. Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1
ÍNDICE Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1 Conceptos básicos... 1 Clasificación de las técnicas de segmentación... 1 Técnicas predictivas y descriptivas... 1 Técnicas Ad-Hoc
Más detalles1. 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 detallesDYANE Versión 4 Diseño y Análisis de Encuestas
DYANE Versión 4 Diseño y Análisis de Encuestas Miguel Santesmases Mestre ÍNDICE Prólogo 1. Finalidad de la obra 2. Novedades de la cuarta versión del programa. 2.1. Diseño de cuestionarios electrónicos.
Más detallesCLASIFICACIÓN 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 detallesDYANE 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 detallesANÁLISIS DE ENCUESTAS
ANÁLISIS DE ENCUESTAS TÉCNICAS MULTIVARIANTES 1. Introducción 2. Clasificación de las técnicas 3. Etapas de análisis 4. Supuestos básicos 5. Valores perdidos y anómalos introducción Definición. i ió -
Más detallesMinería 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 detallesESTADÍSTICA 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 detallesINVESTIGACION COMERCIAL
ASIGNATURA: INVESTIGACION COMERCIAL Curso 2014/2015 (Código:01425020) 1.OBJETIVOS En la medida en que el Marketing es un cuerpo científico de conocimientos aplica el método científico al proceso de investigación
Más detallesTabla de contenidos. Tabla de contenidos. Índice de tablas. Índice de figuras. Resumen. Abstract. Agradecimientos
Tabla de contenidos Tabla de contenidos Índice de tablas Índice de figuras Resumen Abstract Agradecimientos VII XI XII XV XVII XIX 1. Introducción 1 1.1. Planteamiento del problema... 1 1.2. Objetivos
Más detallesPLAN 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 detallesIntroducción 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 detallesINDICE Capitulo 1. Entorno de Trabajo e SPSS Capitulo 2. Operadores y Funciones. Aplicaciones
INDICE Introducción XV Capitulo 1. Entorno de Trabajo e SPSS 1 Introducción y manejo de datos en SPSS 1 Lectura e importación de datos SPSS 6 Importación de datos de hoja de cálculo 8 Importación de archivos
Más detallesIntroducción 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 detallesMARKETING AGRARIO SEGMENTACION DE MERCADO
MARKETING AGRARIO SEGMENTACION DE MERCADO CONCEPTO DE SEGMENTACIÓN El concepto de mercado admite varias acepciones. En la teoría económica actual se entiende el mercado fundamentalmente como un conjunto
Más detallesLo que no se mide, lo que de alguna manera no se capta, NO EXISTE. Teodoro Luque Martinez
Técnicas Estadísticas en Análisis de Mercados Lo que no se mide, lo que de alguna manera no se capta, NO EXISTE. Teodoro Luque Martinez Xavier Barber: xbarber@goumh.es (en asunto SIEMPRE 3º Grado Estadística
Más detallesIntroducción 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 detallesAprendizaje 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 detallesTemario: Curso de Stata Capacitación
Objetivo del curso: Nuestro curso de Stata tiene como objetivo el contar con los conocimientos suficientes para: manipular una base de datos para obtener estadísticos descriptivos. Fusionar, colapsar y
Más detallesFinanzas 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 detallesInteligencia 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 detallesANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Presentación ANÁLISIS MULTIVARIANTE MATEMÁTICAS SEGUNDO CICLO OPTATIVA SEGUNDO CUATRIMESTRE Créditos. Teóricos: 6 Prácticos: 3 Total: 9 Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Más detallesÍndice 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 detallesCARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos
CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos Anteproyecto de Tesis de Magíster en Ingeniería del Software Tesista: Lic. Matilde
Más detallesTrabajo 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 detallesTécnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba
Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos
Más detallesKNime. KoNstanz Information MinEr. KNime - Introducción. KNime - Introducción. Partes de la Herramienta. Editor Window. Repositorio de Nodos
KNime - Introducción KNime Significa KoNstanz Information MinEr. Se pronuncia [naim]. Fue desarrollado en la Universidad de Konstanz (Alemania). Esta escrito en Java y su entorno grafico esta desarrollado
Más detallesMINERIA 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 detallesPrograma de Formació Continuada Societat Catalana de Cirurgia. Análisis Multivariante. Introducción. Tema 21 Joan J Sancho
Programa de Formació Continuada Societat Catalana de Cirurgia Análisis Multivariante Introducción Tema 21 Joan J Sancho Qué es? Son todas aquellas técnicas estadísticas que simultáneamente analizan múltiples
Más detallesAPROVECHE 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 detallesTFG Educational Data Mining & Learning Analytics
TFG Educational Data Mining & Learning Analytics Estudio de las Matriculaciones de A.D.E. en la UOC Autor: Antonio Blanco Carpintero Tutor: Ramón Caihuelas Quiles Introducción Educational Data Mining Soporte
Más detalles25906 Metodología de la Investigación I Prof. Angel Barrasa Curso 2008-09 http://www.unizar.es/abarrasa/tea/200809_25906 CONTENIDOS
25906 Metodología de la Investigación I Prof. Angel Barrasa Curso 2008-09 http://www.unizar.es/abarrasa/tea/200809_25906 CONTENIDOS A. MÉTODOS Y DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 1. Psicología, Ciencia
Más detallesPRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN. Eduardo CRIVISQUI
PRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN Eduardo CRIVISQUI ADVERTENCIA SÓLO EL CONOCIMIENTO DE LAS PROPIEDADES LÓGICAS DE LOS MÉTODOS ESTADÍSTICOS PERMITE EVITAR EL EMPLEO «A CIEGAS» DE LOS MISMOS.
Más detallesFundamentos 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 detallesRESUMEN DE PROCEDIMIENTOS EN SPSS. Definición de variables Pestaña Vista de variables Definir cada variable con su nombre, tipo, valores y medida
RESUMEN DE PROCEDIMIENTOS EN SPSS Operaciones con variables y/o datos Definición de variables Pestaña Vista de variables Definir cada variable con su nombre, tipo, valores y medida Recodificación de variables
Más detallesCómo 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 detallesCURSO/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 detallesAl final del curso, el participante estará en la capacidad de:
REQUISITO Tener un conocimiento básico de Estadística. DESCRIPCIÓN DEL CURSO El curso de Stata 11 tendrá una duración de 4 sesiones de 6 horas cada una. Es un curso práctico en el cual se manejaran diversas
Más detallesPRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS
UNIVERSIDAD DE LOS ANDES FACULTAD DE ODONTOLOGIA MERIDA EDO. MERIDA PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS Mérida, Febrero 2010. Integrantes: Maria A. Lanzellotti L. Daniela Paz U. Mariana
Más detallesMaterial del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez
Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos
Más detallesApuntes de Metodología de la Investigación en Turismo
Apuntes de Metodología de la Investigación en Turismo DIRECCIÓN Amparo Sancho Perez COLABORACIÓN Bernardí Cabrer Borrás Gregorio Garcia Mesanat Juan Manuel Perez Mira Otras colaboraciones: Pilar González
Más detallesSTATGRAPHICS Centurion XVII Software de análisis de datos estadístico y gráfico. Mejoras de la versión 17.1
STATGRAPHICS Centurion XVII Software de análisis de datos estadístico y gráfico STATGRAPHICS ofrece más de 230 procedimientos de Análisis Exploratorio de Datos, Estadística Descriptiva e Inferencial, Modelos
Más detallesIntroducción. 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 detallesLlobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación
Llobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación experimental en psicología [Design of experimental research in psychology] (2nd ed.). Valencia, Spain: Cristóbal
Más detallesVisión 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 detallesAsignaturas 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 detallesPontificia 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 detallesMétodos, Diseño y Técnicas de Investigación en Psicología 2010-2011
NOMBRE DE LA ASIGNATURA Métodos, Diseño y Técnicas de Investigación en Psicología OBLIGATORIA /CRÉDITOS 4,5 Titulación en la que se imparte/ Curso /Cuatrimestre: Psicopedagogía / 1º / 1º Curso académico:
Más detallesPROGRAMA DE ESTUDIOS. : Investigación en Psicología II.
PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número
Más detallesTemario: 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 detallesAnexo 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 detallesG U Í A D I D Á C T I C A MASTER UNIVERSITARIO DE ESTADÍSTICA APLICADA CON R: TÉCNICAS CLÁSICAS, ROBUSTAS, AVANZADAS Y MULTIVARIANTES.
ISSUED DATE 25 AUGUST 2014 VALID DATE 25 SEPTEMBER 2014 G U Í A D I D Á C T I C A MASTER UNIVERSITARIO DE ESTADÍSTICA APLICADA CON R: TÉCNICAS CLÁSICAS, ROBUSTAS, AVANZADAS Y MULTIVARIANTES. P R O J E
Más detallesAplicaciones 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 detallesDarío Álvarez Néstor Lemo www.autonomo.edu.uy
Data Mining para Optimización de Distribución de Combustibles Darío Álvarez Néstor Lemo Agenda Qué es DODC? Definición de Data Mining El ciclo virtuoso de Data Mining Metodología de Data Mining Tareas
Más detallesData 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 detallesTEMA 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 detallesUNIVERSIDAD 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 detallesTÉCNICAS 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 detallesMinitab 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 detallesOrange. Introducción. Componentes. Canvas. www.ailab.si\orange. Ejemplo - Entrada. Victoria Montes vmontes@exa.unicen.edu.ar
Introducción Orange www.ailab.si\orange Victoria Montes vmontes@exa.unicen.edu.ar Es una herramienta para data mining escrita en C++, que define componentes. Es una librería que se importa desde Python.
Más detallesCurso DE Fundamentos de Diseño y Estadística
www.metodo.uab.cat Estudios de postgrado en Metodología de la investigación en Ciencias de la Salud Curso DE Fundamentos de Diseño y Estadística Contenidos UD 1 Descripción de datos cuantitativos 1 Conceptos
Más detallesAnálisis multivariable
Análisis multivariable Las diferentes técnicas de análisis multivariante cabe agruparlas en tres categorías: «Análisis de dependencia» tratan de explicar la variable considerada independiente a través
Más detallesRelación de competencias. Resultado de aprendizaje REQUISITOS PREVIOS: MATERIA 2: Estadística 12 créditos (300 horas) 6 Básicos y 6 Obligatorios
Planificación del Módulo 4 Denominación: MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA 39 créditos ECTS -21básicos y 18 obligatorios- Este módulo está integrado por tres materias que se imparten en tres cursos
Más detallesKaizen Sigma Consulting. MINITAB Release 14 Software Estadístico CONTENIDO: PRESENTACION DE LOS PARTICIPANTES. Objetivo:
MINITAB Release 14 Software Estadístico Objetivo: Optimizar el análisis de datos que caracterizan a un proceso, producto o servicio a través de las diferentes aplicaciones gráficas y estadísticas que presenta
Más detallesPROGRAMA DE CURSO DE FORMACIÓN PROFESIONAL OCUPACIONAL
MINISTERIO DE TRABAJO Y ASUNTOS SOCIALES PROGRAMA DE CURSO DE FORMACIÓN PROFESIONAL OCUPACIONAL Programador de lenguajes orientados a objetos DATOS GENERALES DEL CURSO 1. Familia Profesional: INFORMÁTICA
Más detallesMinería 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 detallesClasificación 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 detallesHabilidades 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 detallesPROGRAMA 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 detallesPROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010. Tesys. Marketing D2D
PROPUESTA DE SERVICIO Características y ejemplos Marzo de 2010 Tesys CARACTERISTICAS DE LA PROPUESTA VISION : Dar soporte a la organización en las tareas de inteligencia comercial y manejo de datos. MISION
Más detallesDESCRIPCIÓN ESPECÍFICA
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad
Más detallesANÁLISIS DISCRIMINANTE
ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente
Más detallesAYUDA SOBRE CONSULTAS (QUERY)
AYUDA SOBRE CONSULTAS (QUERY) Los portales de datos de la biblioteca electrónica del FMI cuentan con una poderosa herramienta de búsqueda y visualización. Con la herramienta Query (consulta), los usuarios
Más detallesFacultad de Ciencias Económicas Universidad Nacional de Córdoba Carrera de Doctorado
Facultad de Ciencias Económicas Universidad Nacional de Córdoba Carrera de Doctorado Materia: Estadística Aplicada a la Investigación Profesora: Dra. Hebe Goldenhersh Octubre del 2002 1 Determinación de
Más detallesIntroducción a la Minería de Datos (Data Mining)
a la Minería de Datos (Data Mining) IT-Nova Facultad de Ingeniería Informática y Telecomunicaciones Iván Amón Uribe, MSc Minería de Datos Diapositivas basadas parcialmente en material de Inteligencia Analítica
Más detallesUNIVERSIDAD 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 detallesDiplomatura en GESTIÓN INTEGRAL DE LA CALIDAD 16 edición
Diplomatura en GESTIÓN INTEGRAL DE LA CALIDAD 16 edición TEMARIO Módulo I - Gerenciamiento y Liderazgo 1. Filosofías y Enfoques de Calidad. a. Evolución de la calidad moderna, desde el control de calidad
Más detallesMétodos, Diseño y Técnicas de Investigación en Psicología 2012-2013
NOMBRE DE LA ASIGNATURA Métodos, Diseño y Técnicas de Investigación en Psicología COMPLEMENTO /CRÉDITOS 6 /CODIGO 120747126 Titulación en la que se imparte/ Curso /Cuatrimestre: Psicopedagogía / 1º / 1º
Más detallesMétricas de complejidad para la transformación del problema de detección de cáncer basado en
Índice para la transformación del problema de detección de cáncer basado en mamografías Alumna: Núria Macià Antoĺınez Asesora: Ester Bernadó Mansilla Núria Macià Antoĺınez PFC: 1/49 Índice 1 Planteamiento
Más detallesINSTITUTO 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 detallesCentro 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 detallesStatistical Software. Aprenda más al respecto
Statistical Software Actualice ahora para obtener acceso a más de 70 nuevas características y mejoras que incluyen herramientas estadísticas más poderosas, un nuevo Asistente que le guiará paso a paso
Más detallesUNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año
UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO
Más detallesTÉCNICO 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 detallesEn el presente documento se realizará una introducción al programa con el objetivo de facilitar su rápida utilización por un usuario sin
IINTRODUCCIIÓN all SPSS,, MANEJO Y PROCESAMIIENTO BÁSIICO DE DATOS BÁSIICO EN SPSS En el presente documento se realizará una introducción al programa con el objetivo de facilitar su rápida utilización
Más detallesApoyo a la toma de Decisiones. Carlos A. Olarte Bases de Datos II
Carlos A. Olarte Bases de Datos II Contenido 1 Introducción 2 OLAP 3 Data Ware Housing 4 Data Mining Introducción y Motivación Cómo puede analizarse de forma eficiente volúmenes masivos de datos? La consulta,
Más detallesUNIVERSIDAD DE CANTABRIA TESIS DOCTORAL
UNIVERSIDAD DE CANTABRIA DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS TESIS DOCTORAL CONTRIBUCIÓN DE LAS TECNOLOGÍAS DE LA INFORMACIÓN A LA GENERACIÓN DE VALOR EN LAS ORGANIZACIONES: UN MODELO DE ANÁLISIS
Más detallesEvaluación de modelos para la predicción de la Bolsa
Evaluación de modelos para la predicción de la Bolsa Humberto Hernandez Ansorena Departamento de Ingeniería Telemática Universidad Carlos III de Madrid Madrid, España 10003975@alumnos.uc3m.es Rico Hario
Más detallesTEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE TEMA LAS 1 TÉCNICAS MULTIVARIANTES
TEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE TEMA LAS 1 TÉCNICAS MULTIVARIANTES Guión 1. Introducción 2. El método científico Definición y características Tres supuestos o principios Marco conceptual
Más detallesEL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO
EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,
Más detallesMinería 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 detallesEdith Alarcón Matutti César Gutiérrez Villafuerte
Edith Alarcón Matutti César Gutiérrez Villafuerte Paso 1 Concebir la idea a investigar Paso 2 Plantear el problema de investigación: Objetivos Preguntas Justificación y viabilidad Paso 3 Elaborar el MARCO
Más detallesCurso. Diseño Experimental y Estadística
CINVESTAV. IPN. UNIDAD MERIDA DEPARTAMENTO DE ECOLOGIA HUMANA Maestría en Ciencias con especialidad en Ecología Humana Características del curso: Curso Diseño Experimental y Estadística Obligatorio Asignatura
Más detalles