El objetivo de la Minería de Datos (MD) es extraer información interesante/útil a partir de datos. En muchos casos esta información tiene la forma de patrones no evidentes en los datos y, dependiendo de su complejidad, puede llegarse a hablar de conocimiento. La minería de datos se basa en técnicas propias de la estadística y el aprendizaje de máquina, y tiene una estrecha relación con áreas tales como las bases de datos y la computación de alto desempeño.
El objetivo de este curso es estudiar conceptos fundamentales de aprendizaje computacional, reconocimiento de patrones y estadísitca que son la base para la construcción de modelos descriptivos y predictivos de minería de datos, así como su aplicación a la solución de diferentes problemas prácticos.
Los conceptos fundamentales de cada tema del curso se presentan y se aclaran en clase.
Los estudiantes resuelven talleres de aplicación de los conceptos cubiertos en el curso.
Los estudiantes desarrollan un proyecto de minería de datos a lo largo del curso.
[TSK05] Pang-Ning Tan, Michael Steinbach, Vipin Kumar, 2005, Introduction to Data Mining, Addison-Wesley. (sitio web del libro)
[Wit11] Witten, I.H. and Frank, E. and Hall, M.A., 2011, Data Mining: Practical machine learning tools and techniques, 3Ed, Morgan Kaufmann (sitio web del libro)
[HK06] Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, 2nd Ed, Morgan Kaufmann Publishers. (sitio web del libro)
[Alp10] Alpaydin, E. 2010 Introduction to Machine Learning, 2nd Ed. The MIT Press. (sitio web del libro)
[DHS00] Duda, R. O., Hart, P. E., and Stork, D. G. 2000 Pattern Classification (2nd Edition). Wiley-Interscience.
[DM1.0] P. Chapman et al., 2000, CRISP-DM 1.0: Step-by-step data mining guide, SPSS Inc
Recursos
UnNeuro