Resumen del curso 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. |
| Contenido |
| 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. 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. 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 UNIDAD 4 CONSOLIDACIÓN DE DATA MINING. 3.4 Presentación de un caso practico 3.5 Aplicación del proceso CRISP-Dm 3.6 Elaboración de un plan de proyecto |