
Online
Publicado hace 3 años
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.
- Entender en qué consiste el Data Mining en términos generales y aprender a aplicar la metodología CRISP-DM en un proyecto de Data Mining.
- Conocer los diferentes métodos de resolución de problemas que se dan en Data Mining para ser capaces de identificar ante qué situaciones se debe utilizar cada uno de ellos.
- Conocer tanto el concepto como el funcionamiento de las técnicas más importantes diseñadas para dar resolución a los problemas descriptivos y predictivos de Data Mining, así como estas deben aplicarse.
- Conocer cada una de las fases de un proyecto de Data Mining, siendo capaz de aplicar los conceptos teóricos y prácticos de las técnicas de análisis de datos en la resolución de los problemas planteados en cada objetivo del proyecto.
Contenidos:
- El proceso de descubrimiento de conocimiento en bases de datos
- Definición del proceso de Data Mining
- Análisis de las fases del proceso de acuerdo a CRISP-DM.
- El ciclo de Data Mining: fases y tipos de problemas
- Tipos de problemas
- Descriptivos o asociación o clustering
- Predictivos o clasificación
- Implicaciones de los datos, dominios, técnicas en las fases del proceso
- Casos de uso
- Técnicas de Data Mining
- Clasificación: árboles de clasificación y Naive Bayes
- Clustering: K-means y EM
- Reglas de asociación
- Consolidación de Data Mining
- Presentación de un caso práctico
- Aplicación del proceso CRISP-DM
- Elaboración de un plan de proyecto
Características del Puesto
Categoría de Puesto | Informática y comunicaciones |
Duración | 80 horas |