Nombre del Curso
|
Hrs
|
INTRODUCCIÓN A LOS FUNDAMENTOS DE MINERÍA DE DATOS
Fundamentos de análisis de datos. Conceptos y conocimientos previos. Definición de la Minería de Datos. Herramientas
de software disponibles. Modelo de minería de datos. Evaluación del desempeño. Matriz de confusión. Lift charts.
Curva ROC. El proceso de la minería de datos. Metodologías para la minería de datos. CRISP-DM. SEMMA. El proceso
de la minería de datos (CRISP).
|
|
|
ENTENDIMIENTO Y PREPARACIÓN DE DATOS
Entendimiento de los datos. Recolección de datos iníciales. Descripción de los datos. Estadísticas descriptiva univariada
y multivariada. Relaciones entre series de datos. Exploración de los datos. Verificación de la calidad de los datos.
Preparación de datos. Limpieza de datos. Datos perdidos. Valores extremos. Datos con ruido. Datos mal clasificados.
Datos inconsistentes. Integración de datos. Transformación de datos. Reducción de datos. Reducción de datos.
Reducción de instancias.
|
|
|
MODELOS DE CLASIFICACIÓN – ARBOLES DE DECISION
Métodos de Clasificación. Inducción. Atributos y clase. Evaluación de modelos de clasificación. Probabilidad de una
clasificación. Clasificador Naive Bayes. Probabilidades. Clasificador Naive Bayes. Arboles de Decisión.Árbol de decisión.
Información y entropía. Generación del árbol de decisión. Poda del árbol. Regresión Logística. Discretización y
numerización.
|
|
|
MODELOS DE REGRESIÓN – REDES NEURONALES
Modelos de Regresión. Evaluación de modelos de regresión. MAPE. Neuronas naturales y artificiales. Épocas, función
de transferencia. Aprendizaje de la red neuronal. Preparación de datos. Red Perceptrón. Red de retropropagación.
Análisis de las Redes Neuronales. Sub-ajuste y sobre-ajuste. Normalización de datos. Neuronas de la capa intermedia.
|
|
MODELOS DE AGRUPAMIENTO – K-MEANS Y ALGORITMO EM
Modelos de agrupamiento. Conceptos de agrupamiento. Conceptos de agrupamiento. Medidas de distancias. Tipos de
agrupamiento. Componentes Principales. Modelos de Agrupamiento. K-means. Jerárquico. Modelos de agrupamiento y
modelos de clasificación.
|
|
MODELOS DE ASOCIACIÓN – ALGORITMO A PRIORI
Conceptos acerca de modelos de asociación, entendiendo conceptos como: soporte, confianza, itemset. Buscando
itemsets frecuentes. Graficando las reglas de asociación. Generando reglas de asociación. Predicción. Ventas cruzadas.
Canasta de mercado.
|
|
Total Horas
|
|
