Está en la página 1de 3

c S 



  
   

El Proceso de toma de decisiones asistida por computadora
Nociones fundamentales
Datawarehouse
Datamining
 
 
    

Aprendizaje automático
Arboles de decisión
CART
Clasificación automática
Agrupamiento de datos
   

 
Uso de los sistemas Weka y Tanagra
Clasificación automática de datos
Arboles de decisión
Redes de Neuronas artificiales
Support Vector Machines

       




S 
  
c Dirigido a: Gerentes y analistas interesados en una introducción panorámica al área de
Data Mining y sus aplicaciones
c Modalidad: Teórica
c Duración: 4 horas
c Temario:
1. Origen del Data Mining y situación actual
2. Principales aplicaciones en el mundo económico
3. Complementariedades con otras técnicas descriptivas y predictivas
4. Software de data mining
5. Formación necesaria de un data miner
6. Perspectiva y desarrollo del data mining en los próximos años



S  
c Dirigido a: Analistas de datos u otras funciones vinculadas al Marketing y Business
Intelligence
c Modalidad: Hands-on
c Duración: 24 horas
c Temario:
1. Exploración de las funcionalidades de un software de mining
2. Creación de proyectos y diagramas
3. Definición de fuentes de datos y preparación
4. Análisis de clustering. Segmentación y profiling
5. Análisis de canasta de mercado
6. Análisis de secuencias
7. Arboles de decisiones. Evaluación de árboles. Arboles interactivos
8. Análisis de regresión. Selección de modelos y optimización
9. Redes neuronales. Selección de variables. Otras técnicas de modelización
10. Evaluación de modelos. Estadísticos de ajuste. Gráficos de evaluación.
Matrices de costo/beneficio y decisiones
11. Scoring
12. Modelos ensemble. Selección de variables. Consolidación de variables
categóricas
13. Modelos subrogantes


S 
 
c Dirigido a: Personas con experiencia previa en data mining
c Modalidad: Hands-on
c Duración: 16 horas
c Temario:
1. Integración de los sistemas de administración de datos y Data Mining
2. Integración de data y text mining
3. Extensibilidad de un software de mining
4. Ciclo de vida y administración de modelos
5. Metodologías de Data Mining
6. Data Mining Exploratorio
7. Data Mining Relacional

  ---- 



----
 
1: Introducción al proceso de descubrimiento en Bases de datos
1. Evolución de los sistemas de información hacia sistemas de soporte a la decisión
2. Definición de proceso de KDD
3. Requerimientos de un sistema de almacenamiento para soporte a la decisión: Definición de
Data Warehouse
 
2: Fases del proceso de Data Mining
1. El proceso de KDD
2. CRISP-DM como estándar de proceso de Data Mining
 
3: La fase de preprocesamiento de los datos
1. Introducción
2. Información incompleta, Tratamiento de nulos
3. Ruido y datos inconsistentes
4. Reducción de datos y de atributos
5. Agregación
 
4: La fase de Data Mining
1. Tipos de problemas de data mining
2. Tipos de enfoques
 
5: Problemas de Clasificación y Predicción I
1. Clasificación
2. Predicción
3. Algunos métodos simples de clasificación: 1R
4. Clasificación mediante árboles de decisión
 
6: Problemas de Clasificación y Predicción II
1. Clasificación bayesiana
2. Clasificación mediante redes neuronales
3. Otros métodos de clasificación
4. Predicción mediante regresión lineal y múltiple
5. Otros modelos de regresión División de los conjuntos de datos en: prueba, entrenamiento y
validación
6. Validación cruzada (cross-validation)
 
7: Análisis de segmentación: Clustering
1. Métodos tradicionales de clustering: K-means
2. Métodos jerárquicos
3. Métodos basados en densidad de puntos
4. Enfoque estadístico
5. Enfoque de redes de neuronas
6. Análisis de desviaciones y de outliers mediante clustering
 
8: Obtención de reglas de asociación en bases de datos
1. Descripción del problema de obtención de reglas de asociación
2. Extracción de reglas (booleanas) en bases de datos transaccionales: Algoritmo A priori
3. Mejoras del algoritmo a priori
4. Extracción de reglas de asociación a distintos niveles de generalización
5. Correlación basada en reglas de asociación
6. Métodos basados en restricciones

  
 
1: Introducción a los Data Warehouses
1. Diferencias entre las Bases de datos transaccionales y bases de datos de soporte a la
decisión.
2. Separación de los datos en un Data Warehouse
 
2: Arquitectura de un Data Warehouse
1. Procesos de una arquitectura de Data Warehouse
2. Servidor de Adquisición e Integración de datos
3. Servidor de data warehouse
4. Servidor de acceso
 
3: El diseño multidimensional básico
1. Tablas de Dimensión
2. Tablas de Hechos
3. Diagrama en estrella
 
4: Data Warehouse vs Data Marts
1. El proceso de construcción de un data warehouse
2. Problemas del diseño top-down
3. Diseño con arquitectura de bus común
4. Arquitectura del bus del Data Warehouse
5. Tablas de dimensión conformadas
6. Definición de Hechos comunes
 
5: El diseño multidimensional extendido
1. Relaciones n:m y tablas puente
2. Dimensiones degeneradas
3. Dimensiones junk

También podría gustarte