Periodo académico 2024-1S
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 |
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
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.
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
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
E3 - Aplicar técnicas de inteligencia artificial y minería de datos para analizar y extraer información valiosa de grandes conjuntos de datos.
Plataforma en línea AVATA.
Biblioteca digital para acceder a material de referencia.
30/08/2023