Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ICIF l004 Minería de Datos y Big Data PDF
ICIF l004 Minería de Datos y Big Data PDF
VISTOS:
1.- La aprobación del Consejo de Facultad;
2.- Lo informado por el Decano y la opinión favorable de la Directora de Procesos académicos, y
3.- Las facultades que me confiere la reglamentación vigente.
RESUELVO:
1
PROGRAMA DE ASIGNATURA
I. IDENTIFICACIÓN
Prerrequisitos Co-requisitos
INGE1421 ESTADÍSTICA PARA INGENIERÍA;
ICIFE002 MATEMÁTICAS DISCRETAS; ICIFF003
PROGRAMACIÓN AVANZADA
II. DESCRIPCIÓN
Curso de carácter teórico práctico que proporciona conocimientos en técnicas de minería de datos,
requeridas para la extracción y elaboración de información relevante desde almacenes de datos; por
otra parte, proporciona conocimientos de Big Data, introduciendo y explicando los principales
conceptos y tecnologías con las que se van a procesar grandes volúmenes de datos. Se promueve la
creatividad, la investigación y la capacidad de adoptar nuevas tecnologías para generar información
relevante a partir de datos provistos desde muy diversas fuentes.
2
III. APORTE DE LA ASIGNATURA AL PERFIL DE EGRESO
Esta asignatura tributa directamente al área de desempeño Sistemas de Información y Gestión del
área informática declaradas en el perfil de egreso, en los siguientes desempeños esperados:
Sistemas de Información
Diagnostica necesidades de usuarios, clientes y procesos con una visión integral para buscar
oportunidades de mejora que permitan dar respuesta a las problemáticas detectadas en sistemas
de información, haciendo uso para ello de sus habilidades de abstracción, síntesis, comunicación y
trabajo en equipo.
Diseña soluciones de software viables a problemas de la organización, utilizando herramientas y
metodologías de modelamiento de sistemas.
Desarrolla soluciones de software para sistemas de información considerando su integración en la
organización, normas de calidad y seguridad, estándares y metodologías de desarrollo y las mejores
prácticas de la industria, a partir del análisis de un equipo multidisciplinario.
Genera información a partir de la recolección y análisis de datos para agregar valor al negocio o a
procesos, a través de la integración de las ciencias de la ingeniería y la computación teórica y
práctica.
3
V. RESULTADOS DE APRENDIZAJE GENERALES DE LA ASIGNATURA
4
Unidad de aprendizaje 2 Minería de datos
Horas presenciales 60 Horas Pedagógicas/ 40 Horas Cronológicas
Horas de aprendizaje autónomo 42 Horas Cronológicas
Resultados de aprendizaje Unidad 2 Emplea herramientas de Minería de datos, a fin obtener
información desde los datos para así facilitar la gestión del
conocimiento.
Sistemas de Gestión del conocimiento, Preparación de los Datos (Datos ruidosos, faltantes),
Patrones, Evaluación / Interpretación / Visualización, Proceso KDD.
Herramientas de Minería de datos (Software Weka y R)
Reducción de la información (Selección de atributos, Mínimos componentes)
Similaridad y Clustering (K-Means, Densidad, Jerárquico)
Reglas de asociación (Algoritmo Apriori)
Métodos de Clasificación (Árboles de decisión, Naive Bayes, Suport vector machine)
Predicción (Redes neuronales)
Que es un buen modelo (Rendimiento del modelo, Matriz de confusión, ROC,
sobreentrenamiento, sesgo).
5
Desarrolla sus trabajos cumpliendo con plazos y procedimientos asignados.
Resultado aprendizaje Unidad II: Criterios de Evaluación con Foco en Aprendizaje Unidad II:
Emplea herramientas de Minería de o Relaciona los modelos de Minería de datos con las
datos, a fin obtener información necesidades de información.
desde los datos para así facilitar la o Aplica herramientas de Minería de datos en la extracción de
gestión del conocimiento. información.
o Integra elementos sobre un buen modelo (Rendimiento del
modelo, Matriz de confusión, ROC, sobre entrenamiento,
sesgo).
7
Resultado aprendizaje Unidad III: Criterios de Evaluación con Foco en Aprendizaje Unidad III:
Bibliografía Mínima Obligatoria: 1. Provost, F., Fawcett, T. (2013). Data science for business.
(Máximo 3 títulos) What you need to know about data mining and data-
analytic thinking, Editorial o distribuidor: O''Reilly.
2. Sherman, R. (2015), Business intelligence guidebook: from
data integration to analytics, Elsevier Morgan Kaufmann.
8
Publíquese, comuníquese y archívese,