La materia de Minería de Datos proporciona al estudiante una introducción a los métodos de extracción de información útil para la toma de decisiones a partir de un conjunto de datos estructurados o sin estructura y que son procedentes de distintas fuentes de información no necesariamente homogéneas.

General

El alumno conocerá los fundamentos del proceso de Minería de Datos y herramientas para analizar y descubrir información relevante en grandes volúmenes de datos. Identificará las principales técnicas utilizadas en Minería de Datos.

Particulares

• Introducción a los fundamentos de minería de datos.
• Describir las fases del ciclo de vida de los datos.
• Describir las principales técnicas usadas en la minería de datos.
• Describir las etapas generales del proceso de Minería de Datos.
• Describir las fases de la Metodología CRISP-DM.
• Aplicar lo aprendido en un caso de uso.

1.    Introducción a la Minería de Datos

2.    Fases del Ciclo de Vida de los Datos

3.    Técnicas usadas en Minería de Datos

4.    Etapas del proceso de Minería de Datos

5.    Metodología CRISP-DM

1. Introducción a la Minería de datos

 1.1 ¿Qué es Minería de Datos?

 1.2 Casos de uso de la Minería de Datos

    1.2.1 Descripción

    1.2.2 Predicción

    1.2.3 Clasificación

    1.2.4 Asociación

 1.3 Aplicaciones de la Minería de Datos

   1.3.1 Comercio

   1.3.2 Banca

   1.3.3 Salud

2. Fases del Ciclo de Vida de los Datos

 2.1 Fuentes de datos (Creación de los datos)

 2.2 Preprocesamiento de datos

 2.3 Exploración y Transformación de datos

 2.4 Reconocimiento de Patrones en los datos

 2.5 Evaluación e Interpretación de los datos

 2.6 Destrucción de los datos

3. Técnicas usadas en Minería de Datos

 3.1 Métodos Superviados

   3.1.1 Regresión

   3.1.2 Árboles de Decisión

   3.1.3 Clasificador bayesiano ingenuo (Naive Bayes)

   3.1.4 Algoritmo k-NN

   3.1.5 Máquinas de Soporte Vectorial (SVM)

   3.1.6 Redes Neuronales Artificiales

   3.1.7 Medidas del rendimiento de modelos de predicción y marcadores de pronósticos

   3.1.8 Errores en modelos de clasificación

 3.2 Métodos no Superviados

   3.2.1 Agrupamiento o Clustering

     3.2.1.1 Algoritmo de K-Medias

   3.2.2 Reglas de Asociación

4. Etapas del Proceso de Minería de Datos

 4.1 Extracción (Muestreo y Selección)

 4.2 Limpieza de Datos

 4.3 Transformación de Datos

 4.4 Modelado (Algoritmos)

 4.5 Reportes y Visualización

 5.1 Comprensión del Negocio

 5.2 Comprensión de los Datos

 5.3 Preparación de los Datos

 5.4 Modelado

 5.5 Evaluación

 5.6 Despliegue

Métodos de enseñanza-aprendizaje:

• Descriptivo
• Analítico
• Deductivo                                                                        

Técnicas de aprendizaje:

• Individuales
• Grupales
• Laboratorios
• Estudio de casos

Actividades de aprendizaje:

• Prácticas de laboratorio
• Ejercicios en clase y de tarea
• Casos prácticos

Recursos didácticos a utilizar:

• Pintarrón
• Cañón

Exámenes Teórico-prácticos     50%

Prácticas y Tareas                   20%

Proyecto Final                         30%

Libro

Minería de datos a través de ejemplos.

Pérez, M. (2014) Alfaomega Group No. Ed 1

ISBN: 978-607-622-174-7

Libro

Principles of Data Mining

Bramer, M. (2020) Springer No. Ed 4a

ISBN: 978-1447174943

Libro

Data Mining: The Textbook

Aggarwal, Charu.C (2015) Springer No. Ed 1a

ISBN: 978-3319141411

Libro

Discovering Knowledge in Data: An Introduction to Data Mining: 4

Larose, Daniel T; Larose Chant (2014) Wiley No. Ed 2

ISBN: 978-0470908747

Libro

Data Mining for Bussines Analytics

Galit Shmueli, Peter C. Bruce, (2017) Wiley No. Ed 1

ISBN: 978-1118729274

-

Lugar:

Zapopan, Jalisco

Fecha última revisión:

Junio de 2022

Fecha última actualización:

Profesores que imparten la materia

Academia de Bases de Datos

Colegio Departamental