Datos generales

• Plan de estudios: 0504 - INGENIERÍA DE SISTEMAS
• Créditos: 3.0

Grupos

Tabla información sobre los grupos de la asignatura

Actividad	Grupo	Periodos	Horarios	Aula	Profesor/Tutor
SALAS ESPECIALIZADAS CÓMPUTO	(2) - SALAS CÓMPUTO - GRUPO 2 - BOGOTÁ NOCTURNO	22/01/2024 - 18/05/2024	VIERNES 18:00 - 21:00	AULA COLABORATIVA COMPUTO - PB - 05 - M26	MAURICIO GARCES RESTREPO
	(1) - SALAS CÓMPUTO - GRUPO 1 - BOGOTÁ	22/01/2024 - 18/05/2024	MARTES 07:00 - 10:00	AULA WINDOWS - 309 - M7A	JOSE ALEJANDRO FRANCO CALDERON

Contenidos

PROGRAMA DE LA ASIGNATURA

Presentación

La minería de datos tiene que ver con la extracción de información oculta o no evidente, a partir de grandes bases de datos, permitiendo entre otras cosas, predecir tendencias y comportamientos futuros.Las herramientas de minería de datos pueden responder preguntas que comúnmente tardarían mucho tiempo en resolverse

Objetivo de Aprendizaje

Dar los fundamentos teóricos y prácticos de los diferentes temas del área de la minería de datosMostrar diversas técnicas para abordar el manejo de grandes (enormes) volúmenes de datos de problemas complejos del mundo real.

Contenidos Temáticos

1. CONCEPTOS FUNDAMENTALES SOBRE MINERÍA DE DATOS Y SU IMPORTANCIA

1.1. Introducción

1.2. Qué es minería de datos

1.3. Motivación, Retos, orígenes, tareas

1.4. Tiempo Programado : 4 Horas

1.5. Datos, atributos, tipos de atributo, actividades básicas de minería de datos

1.6. Datos

1.7. Calidad de Datos

1.8. Preprocesamiento

1.9. Similaridad, Disimilaridad

1.10. Tiempo Programado: 12 horas

2. EXPLORACIÓN DE DATOS

2.1. Exploración de datos

2.2. Resumen de estadística: frecuencias, percentiles, medidas de localización

2.3. Patrones

2.4. Tiempo Programado: 12 horas

3. CLASIFICACIÓN

3.1. Conceptos básicos de clasificación

3.2. Árboles de decisión

3.3. Evaluación de modelos

3.4. Técnicas alternativas

3.5. Tiempo Programado: 12 horas

4. ANÁLISIS DE ASOCIACIÓN

4.1. Conceptos básicos

4.2. Algoritmos

4.3. Tópicos avanzados

4.4. Tiempo Programado: 12 horas5. ANÁLISIS DE CLUSTER

5.1. Conceptos básicos

5.2. Algoritmos

5.3. Aspectos adicionales

5.4. Tiempo Programado: 12 horas

Bibliografía Básica Obligatoria

1. Han, Jiawei: Data mining: concepts and techniques. Elsevier/Morgan Kaufmann, 2012 2. Dong, Guozhu: Contrast data mining: concepts, algorithms, and applications. Boca Raton : CRC Press, Taylor & Francis Group, 2013. 3. Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Datamining. Addisson Wesley 2006 4. Technology Research | Gartner Inc. www.gartner.com. Magic Quadrant for Data Warehouse Database Management Systems 1. Han, Jiawei: Data mining: concepts and techniques. Elsevier/Morgan Kaufmann, 2012 2. Dong, Guozhu: Contrast data mining: concepts, algorithms, and applications. Boca Raton : CRC Press, Taylor & Francis Group, 2013. 3. Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Datamining. Addisson Wesley 2006 4. Technology Research | Gartner Inc. www.gartner.com. Magic Quadrant for Data Warehouse Database Management Systems

Resultado de Aprendizaje

E3 - Aplicar técnicas de inteligencia artificial y minería de datos para analizar y extraer información valiosa de grandes conjuntos de datos.

Medios Educativos

Plataforma en línea AVATA.
Biblioteca digital para acceder a material de referencia.

Fecha de actualización

30/08/2023