Minería de Datos II

Introducir al participante en técnicas adicionales de Minería de Datos. Se cubrirán las distintas etapas del proceso de Extracción de Conocimiento como herramienta de ayuda a la toma de decisiones.

Objetivos:

 Objetivo general

• Introducir en las técnicas adicionales de Minería de Datos. Se cubrirán las distintas etapas del proceso de Extracción de Conocimiento como herramienta de ayuda a la toma de decisiones.

 Objetivos específicos

• Analizar modelos basados en la resolución de problemas de clasificación y predicción.
• Conocer las características del conocimiento y su relación en la investigación y la innovación.
• Utilizar técnicas de minería de datos para la relevancia y significación de información útil para la organización.
• Identificar patrones de comportamiento en base a un conjunto de datos y a la selección de atributos.
• Identificar características comunes en grupos en base a los valores registrados.
• Aplicar el descubrimiento del conocimiento en problemas que subyacen a su profesión.

 Metodología del curso

El curso se dictará bajo la modalidad de taller mediante clases presenciales en las que, además de ver los temas teóricos, se resolverán y analizarán ejemplos sencillos y concretos. Aprendizaje teórico-práctica en donde se desarrollarán los contenidos del curso ejemplificando sobre situaciones concretas. Se resolverán en forma colaborativa problemas concretos propiciando la discusión. Al finalizar cada tema se sugerirán lecturas adicionales y actividades prácticas que los alumnos deberán resolver fuera del horario de clase.

Al finalizar el módulo, el estudiante estará en capacidad de:

• Entiende los conceptos fundamentales de la minería de datos.
• Genera modelos de procesamiento de información en base a una metodología.
• Manipula herramientas para construir y generar conocimiento.

Duración: 40 horas

Contenido curricular

• Introducción. Obtención de conocimiento a partir de los datos. El proceso KDD. Fases del proceso de extracción del conocimiento. Relación con otras disciplinas. Árboles de decisión. (Lunes, 06 de marzo de 2023, 4 horas)
• Preparación de Datos. Metadatos. Análisis de la información de entrada. Medidas estadísticas. Construcción y análisis de representaciones gráficas. Limpieza y transformación. Transformación y creación de atributos. Discretización y Numerización, Normalización de rango, escalado y centrado. Exploración mediante visualización y selección de datos. Árboles de decisión. (Lunes, 06 de marzo de 2023, 4 horas)
• Técnicas de Minería de Datos. Extracción de Patrones. Introducción. Tareas y Métodos. Tareas predictivas y descriptivas. Aprendizaje supervisado y aprendizaje no supervisado. Árboles de decisiones y Clustering. (Martes, 07 de marzo de 2023, 4 horas)
• Técnicas de Agrupamiento. Métricas de calidad del agrupamiento. Tipos de agrupamiento: Jerárquico, partitivo y probabilista. Medidas de distancia y de conectividad.  Proceso de agrupamiento. Clustering partitivo. Algoritmo k-medias. (Miércoles, 07 de marzo de 2023, 4 horas)
• Reglas de clasificación. Partición vs cobertura. Métodos ZeroR, OneR, PRISM, PART y CN2. Métricas de una regla: soporte, cobertura, confianza, interés y convicción. (Jueves, 07 de marzo de 2023, 4 horas)
• Reglas de asociación. Calidad de las reglas. Algoritmo A priori. Concepto de ítem frecuente. Mejoras del algoritmo a priori: FP-Growth (Viernes, 10 de marzo de 2023, 4 horas)

Una vez cumplidas las actividades y requisitos para el desarrollo del curso, los participantes recibirán el certificado de Aprobación del curso semipresencial: " Minería de Datos II”, en base a lo establecido en el Reglamento del Departamento de Formación Continua esto es, que el participante obtenga un mínimo del 70% en la evaluación académica y el 80% de asistencia a las clases presenciales.

Docentes de la Universidad del Azuay.

Mgt. Marcos Orellana Cordero.

Curso auspiciado por la Universidad del Azuay en el marco del programa de capacitación docente.

Campus UDA

formacion.continua@uazuay.edu.ec