Descripción General

Los datos viajan a velocidades y volúmenes nunca antes vistos a todas partes y tomar decisiones basadas en hechos no depende solo de la cantidad de datos disponibles. Pero, ¿Por dónde comenzar? Eso dependerá de la rápidez que pueda descubrir conocimientos en todos esos datos y utilizarlos para llevar a cabo mejores acciones en la organización. 
Es ahí donde la analítica predictiva, la minería de datos, el machine learning y la gestión de decisiones entran en acción, es decir, con la analítica predictiva le permitirá evaluar lo que puede suceder en el futuro organizacional, la minería de datos determina patrones ocultos en los datos para predecir el comportamiento futuro y la gestión de decisión convierte esos conocimientos en acciones para sus procesos operativos. Se concluye que cada uno de los elementos de la minería de datos son requeridos para en mejor desempeño organzacional en su contexto empresarial, por lo tanto este curso le brindará las herramientas de análisis de datos y patrones para una gestion efectiva de la información.

 

Objetivo General del Curso

Lograr en el 100% de los participantes de "Introducción a la Minería de Datos" asimilen profesionalmente el manejo adecuado de datos organizacionales, su extracción, analisís de patrones para proponer modelos computacionales de la información de la organizacion y optimizar las decisiones mas idoneas para la permanencia en su contexto empresarial. 

Minería de Datos

Tema 1: Minería de datos

o Concepto. Características. Propósitos.

o Evolución de la tecnología BD, 

o Campos de aplicación.

o Ciclo de la minería de datos.

o   Secuencia de datos, de grafos y redes, datos web,  datos multimedia.

 

Tema 2: Técnicas de extracción del conocimiento.

o Esquema de KDD

o Extracción de datos. CRISP-DM. Fases

o Análisis y patrones de datos.

o Evaluación de hipótesis.

o Algoritmos de aprendizajes: descriptivos y no supervisado, predictivos y supervisados.

 

Tema 3: Modelos y Técnicas computacionales.

o Modelización.

o Modelo biológico en redes neuronales (inteligencia artificial)

o Modelo matemático en Redes bayesianas y de probabilidades.

o Modelo de aprendizaje estructural por arboles de decisión escalables.

o Modelos estadísticos en regresión línea y correlación.

o Reglas Asociación y dependencia de valor.

o Sistemas expertos, redes multicapas.

o Lógica difusa. PQL. Lenguaje de consulta a modelos

 

Tema 4: Modeladores

o CLEMENTINE (SPSS), CART,WEKA, 

o MIT DATA ENGINE, MARKSMAN.

o KNOWLEGDE ACCESS SUITE.

 

Metodología de estudio

 

El profesor asesor facilitara al material instruccional y desarrollara prácticas enmarcadas en el contenido de cada unidad, los participantes las ejecutaran con la asesoría del facilitador.

Igualmente, el profesor asesor elaborará un cuestionario con preguntas que orienten al participante en la identificación del conocimiento relevante que debe adquirir hacia el final de la lectura. Exposiciones, mesas redondas y foros de discusión acerca de las consultas y lecturas recomendadas realizadas por el participante. 

Se realizarán actividades tipo casos de estudios únicos e integrales que permitan al participante la aplicación directa y visible de los conocimientos teóricos adquiridos para  ampliar los conocimientos y habilidades a través de la sinergia con otras áreas del saber. 

Los participantes expondrán de forma individual la ejecución de la práctica, esto permitirá al profesor asesor evaluarlo, y al mismo tiempo corregir y revisar las debilidades de conocimientos que presenta en ese contexto. 

Materiales y estrategias

Material Educativo Computarizado: Material Instructivo, Software 

Computador, Tablet o smartphone con acceso a internet. 

Proyector Multimedia, Plataforma Tecnológica institucional,  

Aula de encuentros, aula de taller, laboratorios. 

Evaluación

 

Evaluación continua. 10% 

Trabajo en grupo. 20%

Ejercicios individuales. 30%

Participación. 10%

Casos Prácticos. 30%

Recurso Humanos

Facilitador del curso. Prof. Luis Guerrero.

Responsable del curso: Prof. Pedro Camacho.

Asistentes de plataforma. Chamilo

Sistema de computación con acceso a internet.

Sistema Chamilo.