Cursos, Investigación y Recursos en Inteligencia Artificial

INICIO    CURRÍCULO    CONTÁCTANOS    MAPA DEL SITIO

MINERÍA DE DATOS - MODELOS DE CLASIFICACIÓN

 

Con SQL Server 2005 DM y Add-ins para Excel 2007

 

. .

.

.

.

.

.

.
. .

.

.

.

.

.

.

SUMILLA

La Minería de Datos consiste en extraer conocimiento de bases de datos históricas para tomar decisiones empresariales. Una de las tareas de la Minería de Datos es la Clasificación que consiste en usar casos históricos para aprender patrones de clasificación y luego usar ese aprendizaje para clasificar casos nuevos. Las principales aplicaciones de la Clasificación en Minería de Datos son:

  • Determinar los clientes potenciales de comprar un producto para enviarles publicidad del producto: Target Marketing, Target Mailing.

  • Determinar si otorgar o no un crédito bancario a un cliente: Credit Risk Scoring.

  • Determinar si una transacción electrónica es fraudulenta o no: Internet Fraud, Credit Card Fraud.

  • Determinar si la solicitud para un crédito es fraudulenta o no: Application Fraud.

  • Determinar si la solicitud para cobrar un seguro es fraudulenta o no: Insurance Fraud.

  • Detección de intrusos en una red privada empresarial: Networ Intrusion detection.

 

 

OBJETIVOS DEL CURSO

Mostrar a los participantes el uso de las herramientas Excel 2007 y SQL Server 2005 Data Mining para resolver problemas de Clasificación en Data Mining.

 

PROFESOR

Samuel Oporto Díaz (soporto@wiphala.net)

Magíster en Inteligencia Artificial - ITESM. Ingeniero de Sistema - UNI. Docente del curso de Inteligencia Artificial en la UNI, USMP y UPC. Docente del Curso de Minería de Datos en el IIFIIS. Investigador Principal del Instituto de Investigación de la FIIS-UNI. Investigador en Ciencias de Computación con publicaciones en: IJCNN-2007 of August 2007 Orlando, FL, USA. ICAIPR of July 2007 Orlando, FL, USA. ICIAR2005, Toronto – Canada. LNCS-2005, Springer Journal – Canada. CLEI2004 Lima-Perú y CLEI2006 Santiago de Chile. Consultor en Sistemas Inteligentes y Sistemas Autónomos. Gerente General KASPeru.

 

 

DIRIGIDO A

  • Analistas de marketing y mercadeo.

  • Personal involucrado en proyectos de pronóstico y predicción.

  • Personal involucrado en áreas de planeamiento de la producción.

  • Analistas de riesgos.

  • Personal involucrado en proyectos de Business Intelligence.

  • Administradores de Bases de Datos.

  • Analistas de Sistemas.

 

 

PRE-REQUISITOS

  • Conocimientos de bases de datos y SQL.

  • Conocimiento de estadística descriptiva

 

MAPA CONCEPTUAL

 

CONTENIDO DEL CURSO

 

Introducción a la minería de datos.

Introducción a la minería de datos (0.5 h)

  ¿Qué es la minería de datos?

  Necesidad de la minería de datos.

  Procesos de la minería de datos – CRISP DM.

 

Clasificación de Datos (1 h)

  Clasificación de Datos.

  Ejemplos de problemas.

  Arboles de Decisión.

Clasificación con Excel 2007 y SQL Server Data Mining 2005 (4 h)

  Entendimiento del negocio

  Entendimiento de los datos: Usando el Data Preparation

  Preparación de los datos: Usando el Data Preparation y el Table Analyzis

  Modelado: Usando el Data Modeling

  Evaluación: Usando el Accuracy and Validation

  Despliegue: Usando el Model Usage

Taller de Clasificación (2 h)

  Entrega y Explicación del Caso.

  Resolución del caso.

 

 

ESTRATEGIA DE APRENDIZAJE

El curso tiene 2 horas teóricas, 4 horas de practica y 2 horas finales para la resolución de un caso.

 

 

MÉTODO DE EVALUACIÓN

  • Durante el desarrollo del curso se toman evaluaciones del proceso y un trabajo integrador que trata de medir el grado de aprendizaje del alumno.

  • Para que los alumnos obtengan un certificado del curso deben cumplir los siguientes requisitos: asistir al menos al 80% de la sesión de clase y obtener al menos una nota de 14 en la evaluación del curso.

 

 

FECHAS IMPORTANTES

  • Por definir.

  • Duración: 8 horas.

 

 

EQUIPOS Y MATERIALES

  • Todos los alumnos al iniciar las clases reciben el material del curso.

  • Todos los alumnos tienen asignados una PC

 

 

SOFTWARE

  • SQL Server 2005

  • DM EXCEL add-ins

 

 

BIBLIOGRAFÍA

  • Data Mining with SQL Server 2005, ZhaoHui Tang, Jamie MacLennan. Wiley Publishing Inc. (2004). ISBN-13: 978.0-47146261-3

  • Data Mining: Practical Machine Learning Tools and Techniques, Second Edition, Ian H. Witten, Eibe Frank. Morgan Kaufmann; 2 edition (June 8, 2005). 560 pp. ISBN: 0120884070

  • Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber. Morgan Kaufmann; 1st edition (August, 2000), 500 pp. ISBN: 1558604898

 

 

INFORMES E INSCRIPCIONES

 

 

LUGAR DE CLASES

  • Por definir