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

• 1. Bloque temático principal
• 1.1. El proceso de descubrimiento de conocimiento en bases de datos.&nbsp:.
• 1.2. 1 definición del proceso de data mining.
• 1.3. 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 mode lado o evaluación o implantación.
• 1.4. El ciclo de data mining: Fases y tipos de problemas.&nbsp:.
• 1.5. 1 tipos de problemas.&nbsp:.
• 1.6. Descriptivos o asociación o clustering.&nbsp:.
• 1.7. Predictivos o clasificación.&nbsp:.
• 1.8. 2 implicaciones de los datos, dominios, técnicas en las fases del proceso&nbsp:.
• 1.9. 3 casos de uso.&nbsp:.
• 1.10. Técnicas de data mining.&nbsp:.
• 1.11. 1 clasificación o arboles de decisión o naive bayes&nbsp:.
• 1.12. 2 clustering o k-means o em&nbsp:.
• 1.13. 3 asociacion o a priori unidad&nbsp: 4 consolidación de data mining.
• 1.14. 4 presentación de un caso practico.
• 1.15. 5 aplicación del proceso crisp-dm&nbsp:.
• 1.16. 6 elaboración de un plan de proyecto.