Objetivo General:

Descubrir las bases de datos de soporte a la decisión y toda la problemática asociada tanto a su construcción y desarrollo como a la extracción de conocimiento de las mismas y enfrentarse a un proyecto de data mining con los conocimientos suficientes pudiendo abordar cualquiera de sus fases de desarrollo finalidad la descripción precisa del proceso de KDD.

Contenidos formativos:

1. El proceso de descubrimiento de conocimiento en bases de datos.
– Definición del proceso de data mining.
– Análisis de las fases del proceso de acuerdo a CRISP-DM:
– Comprensión del problema.
– Comprensión de los datos.
– Preparación de los datos.
– Modelado.
– Evaluación.
– Implantación.

2. El ciclo de data mining: fases y tipos de problemas.
– Tipos de problemas.
– Descriptivos: asociación o clustering.
– Predictivos: clasificación.
– Implicaciones de los datos, dominios, técnicas en las fases del proceso.
– Casos de uso.

3. Técnicas de data mining.
– Clasificación o Árboles de decisión o Naive Bayes.
– Clustering o K-means o EM.
– Asociación o A priori.

4. Consolidación de data mining.
– Presentación de un caso práctico.
– Aplicación del proceso CRISP-Dm.
– Elaboración de un plan de proyecto.