La materia de Minería de Datos proporciona al estudiante una introducción a los métodos de extracción de información útil para la toma de decisiones a partir de un conjunto de datos estructurados o sin estructura y que son procedentes de distintas fuentes de información no necesariamente homogéneas.

General

El alumno conocerá los fundamentos del proceso de Minerí­a de Datos y herramientas para analizar y descubrir información relevante en grandes volúmenes de datos. Identificará las principales técnicas utilizadas en Minerí­a de Datos.

Particulares

• Introducción a los fundamentos de minerí­a de datos.
• Describir las fases del ciclo de vida de los datos.
• Describir las principales técnicas usadas en la minerí­a de datos.
• Describir las etapas generales del proceso de Minerí­a de Datos.
• Describir las fases de la Metodologí­a CRISP-DM.
• Aplicar lo aprendido en un caso de uso.

1.    Introducción a la Minerí­a de Datos

2.    Fases del Ciclo de Vida de los Datos

3.    Técnicas usadas en Minerí­a de Datos

4.    Etapas del proceso de Minerí­a de Datos

5.    Metodologí­a CRISP-DM

1. Introducción a la Minerí­a de datos

 1.1 ¿Qué es Minerí­a de Datos?

 1.2 Casos de uso de la Minerí­a de Datos

    1.2.1 Descripción

    1.2.2 Predicción

    1.2.3 Clasificación

    1.2.4 Asociación

 1.3 Aplicaciones de la Minerí­a de Datos

   1.3.1 Comercio

   1.3.2 Banca

   1.3.3 Salud

2. Fases del Ciclo de Vida de los Datos

 2.1 Fuentes de datos (Creación de los datos)

 2.2 Preprocesamiento de datos

 2.3 Exploración y Transformación de datos

 2.4 Reconocimiento de Patrones en los datos

 2.5 Evaluación e Interpretación de los datos

 2.6 Destrucción de los datos

3. Técnicas usadas en Minerí­a de Datos

 3.1 Métodos Superviados

   3.1.1 Regresión

   3.1.2 Árboles de Decisión

   3.1.3 Clasificador bayesiano ingenuo (Naive Bayes)

   3.1.4 Algoritmo k-NN

   3.1.5 Máquinas de Soporte Vectorial (SVM)

   3.1.6 Redes Neuronales Artificiales

   3.1.7 Medidas del rendimiento de modelos de predicción y marcadores de pronósticos

   3.1.8 Errores en modelos de clasificación

 3.2 Métodos no Superviados

   3.2.1 Agrupamiento o Clustering

     3.2.1.1 Algoritmo de K-Medias

   3.2.2 Reglas de Asociación

4. Etapas del Proceso de Minerí­a de Datos

 4.1 Extracción (Muestreo y Selección)

 4.2 Limpieza de Datos

 4.3 Transformación de Datos

 4.4 Modelado (Algoritmos)

 4.5 Reportes y Visualización

 5.1 Comprensión del Negocio

 5.2 Comprensión de los Datos

 5.3 Preparación de los Datos

 5.4 Modelado

 5.5 Evaluación

 5.6 Despliegue

Prácticas en laboratorio, asistencia a congresos, ponencias, conferencias y talleres, tareas, cursos de actualización en lí­nea, proyecto y visitas guiadas.

Métodos de enseñanza-aprendizaje:

• Descriptivo
• Analí­tico
• Deductivo                                                                        

Técnicas de aprendizaje:

• Individuales
• Grupales
• Laboratorios
• Estudio de casos

Actividades de aprendizaje:

• Prácticas de laboratorio
• Ejercicios en clase y de tarea
• Casos prácticos

Recursos didácticos a utilizar:

• Pintarrón
• Cañón

Exámenes Teórico-prácticos     50%

Prácticas y Tareas                   20%

Proyecto Final                         30%

Académico:Profesional egresado de una licenciatura, ingenierí­a o especialidad afí­n con las ciencias de la computación o informática.Experiencia Profesional:En el área de Minerí­a de datos.

Lugar:

Zapopan, Jalisco

Fecha última revisión:

Junio de 2022

Fecha última actualización:

Profesores que imparten la materia

Academia de Bases de Datos

Colegio Departamental