DATA MINING: PRINCIPIOS Y APLICACIONES

Objetivos:

Descubrir las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.

Contenidos:

UNIDAD 1. EL PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS
1.1 Definición del proceso de data mining
1.2 Análisis de las fases del proceso de acuerdo a CRISP-DM: o Compresión del problema o Comprensión de los datos o Preparación de los datos o Modelado o Evaluación o Implantación

UNIDAD 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS
2.1 Tipos de problemas
2.1.1. Descriptivos o asociación o clustering
2.1.2. Predictivos o clasificación
2.2 Implicaciones de los datos, dominios, técnicas en las fases del proceso
2.3 Casos de uso

UNIDAD 3. TÉCNICAS DE DATA MINING
3.1 Clasificación o Arboles de decisión o Naive Bayes
3.2 Clustering o K-means o EM
3.3 Asociacion o A priori
3.4 Presentación de un caso practico
3.5 Aplicación del proceso CRISP-Dm
3.6 Elaboración de un plan de proyecto

UNIDAD 4 CONSOLIDACIÓN DE DATA MINING