DATA MINING: PRINCIPIOS Y APLICACIONES. IFCD012PO - Tecno-Libro

Ver Índice

El proceso de descubrimiento de conocimiento en bases de datos
Definición del proceso de Data Mining
Análisis de las fases del proceso de acuerdo a CRISP-DM.

El ciclo de Data Mining: fases y tipos de problemas
Tipos de problemas
Descriptivos o asociación o clustering
Predictivos o clasificación
Implicaciones de los datos, dominios, técnicas en las fases del proceso
Casos de uso

Técnicas de Data Mining
Clasificación: árboles de clasificación y Naive Bayes
Clustering: K-means y EM
Reglas de asociación

Consolidación de Data Mining
Presentación de un caso práctico
Aplicación del proceso CRISP-DM
Elaboración de un plan de proyecto

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.

- Entender en qué consiste el Data Mining en términos generales y aprender a aplicar la metodología CRISP-DM en un proyecto de Data Mining.

- Conocer los diferentes métodos de resolución de problemas que se dan en Data Mining para ser capaces de identificar ante qué situaciones se debe utilizar cada uno de ellos.

- Conocer tanto el concepto como el funcionamiento de las técnicas más importantes diseñadas para dar resolución a los problemas descriptivos y predictivos de Data Mining, así como estas deben aplicarse.

- Conocer cada una de las fases de un proyecto de Data Mining, siendo capaz de aplicar los conceptos teóricos y prácticos de las técnicas de análisis de datos en la resolución de los problemas planteados en cada objetivo del proyecto.