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

Tapa blanda

Español

IC Editorial

Data mining principios y aplicaciones

España

Big data

Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado  tecnológico  en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores.- Entender el contexto en el que se sitúa el big data y cómo surge a través del desarrollo de diferentes soluciones para trabajar con los datos, así como conocer estas soluciones.- Entender la importancia que tiene el dato en todas las áreas de la sociedad, haciendo especial énfasis en su importancia estratégica para las organizaciones y la preservación de la privacidad mediante una correcta gestión.- Aprender el concepto y el alcance de la analítica tradicional que viene identificada con la implementación de soluciones business intelligence, así como saber definir los diferentes elementos que lo forman y su utilidad.- Aprender con qué datos se trabaja en big data y cómo se representan estos en función de la situación, el big data, los seres humanos y desde el punto de vista de las máquinas que los utilizan.- Ahondar en la definición de big data y conocer uno de los marcos de trabajo de aplicaciones más importantes en este terreno junto con sus características principales, que ayudarán a implementar un sistema big data.- Aprender el concepto y las características de la analítica avanzada y su estrecha relación con el big data, y conocer las distintas técnicas, tales como son la analítica predictiva y la analítica prescriptiva.

Objetivos - Participar en diálogos sobre competencias clave en su entorno profesional, conocer un mercado - tecnológico - en constante expansión, realizar breve inmersión en el mundo analítico actual y ser capaz de acceder a casos de éxito en distintos sectores. - Entender el contexto en el que se sitúa el Big Data y cómo surge a través del desarrollo de diferentes soluciones para trabajar con los datos, así como conocer estas soluciones. - Entender la importancia que tiene el dato en todas las áreas de la sociedad, haciendo especial énfasis en su importancia estratégica para las organizaciones y la preservación de la privacidad mediante una correcta gestión. - Aprender el concepto y el alcance de la analítica tradicional que viene identificada con la implementación de soluciones business intelligence, así como saber definir los diferentes elementos que lo forman y su utilidad. - Aprender con qué datos se trabaja en Big Data y cómo se representan estos en función de la situación, el Big Data, los seres humanos y desde el punto de vista de las máquinas que los utilizan. - Ahondar en la definición de Big Data y conocer uno de los marcos de trabajo de aplicaciones más importantes en este terreno junto con sus características principales, que ayudarán a implementar un sistema Big Data. - Aprender el concepto y las características de la analítica avanzada y su estrecha relación con el Big Data, y conocer las distintas técnicas, tales como son la analítica predictiva y la analítica prescriptiva. Contenidos Antecedentes, definiciones y bases para un correcto entendimiento Antecedentes Definiciones y bases del Big Data Bases de establecimiento del Big Data La importancia del dato El valor del dato Problemas que aparecen en la recogida de datos El presente y futuro de los datos: normativa y aplicaciones Algunos conceptos técnicos de la analítica tradicional Analítica tradicional vs. Big Data Componentes del business intelligence Herramientas del BI Representación de los datos Orígenes de datos en Big Data Representación de datos Introducción al Big Data Definiendo el Big Data Tecnología Big Data Introducción a la analítica avanzada Analítica avanzada: las preguntas no se responden, se crean Analítica predictiva Analítica prescriptiva

Data mining principios y aplicaciones

Big data

Big data (2018)

Big data (2024)