Minería de Datos Luis Chamba-Eras 05 de octubre del 2015 Luis Chamba-Eras Minería de Datos
Minería de Datos
Luis Chamba-Eras
05 de octubre del 2015
Luis Chamba-Eras Minería de Datos
Agenda
1 Datos docente
2 Plan docente
Luis Chamba-Eras
Doctorando en Ingeniería en Informática (UPV/EHU).Máster en Ingeniería Computacional y Sistemas Inteligentes(UPV/EHU).Ingeniero en Sistemas Informáticos y Computación (UTPL).Grupo de Investigación en Entornos de Enseñanza Adapta-tivos (Ga-Lan)(UPV/EHU).
Luis Chamba-Eras Minería de Datos
Luis Chamba-Eras
Departamento de Ciencias de la Computación y Electrónica,sección de Inteligencia Artificial (UTPL).Profesor en UTPL, UNL, UIDE, Sudamericano (Computación,Inteligencia Artificial, Autómatas y Lenguajes Formales, Com-piladores, Comunicación Científica Universitaria).Inteligencia Artificial en Educación, Confianza Computa-cional, Comunidades Virtuales de Aprendizaje, E-learning,Objetos de Aprendizaje, Realidad Aumentada.
Luis Chamba-Eras Minería de Datos
Luis Chamba-Eras
Publicaciones y ponencias científicas a nivel nacional e in-ternacional.Árbitro en revistas: IEEE Latin America Transactions y En-ergía.Membresía en: ACM y IEEE.Contactos:
[email protected]@lachambahttp://lachamba.ec
Luis Chamba-Eras Minería de Datos
Agenda
1 Datos docente
2 Plan docente
Componente académico
Minería de Datos.Electrónica y TelecomunicacionesOctubre 2015 - Febrero 2016Conocimientos básicos de estadística descriptiva e inferen-cial
Luis Chamba-Eras Minería de Datos
Componente académico
Lunes 08:00 AM - 10:00 AM, sala H.Tutoría online, EVA.
Luis Chamba-Eras Minería de Datos
Objetivos del componente académico
Comprender la relación entre la Minería de Datos, la In-teligencia Artificial y el Análisis Estadístico.Identificar los problemas donde se puede aplicar la metodologíade la Minería de Datos.Conocer las principales técnicas de las que se ayuda la Min-ería de Datos.Realizar la adecuada visualización del conocimiento extraído.
Luis Chamba-Eras Minería de Datos
Contenidos del componente académico, bimestre I
Semana 1:1 Motivación de la Minería de Datos.2 Diferencia entre algorítmos y heurísticas para su aplicación
en Minería de Datos.3 Relación de la Minería de Datos con la Inteligencia Artificial.
Semana 2:1 Conceptos fundamentales de la Minería de Datos.2 Tipos de datos.3 Tipos de modelos.
Semana 3:1 El proceso de descubrimiento de conocimiento en base de
datos.2 Relación con otras disciplinas.
Luis Chamba-Eras Minería de Datos
Contenidos del componente académico, bimestre I
Semana 4:1 Las fases del proceso de extracción de conocimiento. Parte
I.Semana 5:
1 Las fases del proceso de extracción de conocimiento. ParteII.
Semana 6:1 Características de los modelos.
Semana 7:1 Extracción de patrones.
Semana 8:1 Examen Bimestre I.
Luis Chamba-Eras Minería de Datos
Fechas importantes, bimestre I
1 Tarea 1 (12-10-2015).2 Tarea 2 (19-10-2015).3 Práctica 1 (26-10-2015).4 Tarea 3 (09-11-2015).5 Práctica 2 (16-11-2015).6 Tarea 4 (23-11-2015).7 Tarea 5 (30-11-2015).
Luis Chamba-Eras Minería de Datos
Contenidos del componente académico, bimestre II
Semana 1:1 Modelación estadística paramétrica y no paramétrica.
Semana 2:1 Reglas de asociación y dependencia.2 Árboles de decisión y sistemas de reglas.
Semana 3:1 Métodos relacionales y estructurales.
Semana 4:1 Redes neuronales. Aprendizaje supervisado.
Luis Chamba-Eras Minería de Datos
Contenidos del componente académico, bimestre II
Semana 5:1 Redes neuronales. Aprendizaje supervisado.
Semana 6:1 Redes neuronales. Aprendizaje no supervisado.
Semana 7:1 Extracción de conocimiento con algorítmos evolutivos.2 Algorítmos genéticos y programación genética.
Semana 8:1 Examen Bimestre II.
Luis Chamba-Eras Minería de Datos
Fechas importantes, bimestre II
1 Práctica 3 (14-12-2015).2 Tarea 6 (21-12-2015).3 Práctica 4 (04-01-2016).4 Tarea 7 (11-01-2016).5 Práctica 5 (11-01-2016).6 Tarea 8 (25-01-2016).7 Tarea 9 (01-02-2016).
Luis Chamba-Eras Minería de Datos
Evaluación del componente académico
Bimestre I y II:
Instrumento Peso % PuntosTareas individuales 25 5
Prácticas 25 5Asistencia clases 10 2
Examen 40 8Total 100 20
Luis Chamba-Eras Minería de Datos
Examen de recuperación
20 puntos por bimestre I y/o II:
Luis Chamba-Eras Minería de Datos
Asistencias
Presente (100 %).Atraso (75 % ).Ausente (0 %).Justificación (50 %).
Luis Chamba-Eras Minería de Datos
Examen
Preguntas de ensayo.Preguntas de opción múltiple.Preguntas de comparación y completado.EVA.
Luis Chamba-Eras Minería de Datos
Tareas
Individual.Evitar fraude académico.Google académico, bases de datos científicas UTPL o de li-bre acceso, biblioteca física UTPL.Gestor bibliográfico (Mendeley), plantilla en LaTeX, R.Evaluación por pares (rúbricas), 100 % entrega a tiempo, 50% fuera de tiempo (un día), 25 % (dos días en adelante).Referencias bibliográficas: estilo IEEE.EVA.
Luis Chamba-Eras Minería de Datos
Prácticas
Individuales o en grupo.Evitar fraude académico.Google académico, bases de datos científicas UTPL o de li-bre acceso, biblioteca física UTPL.Gestor bibliográfico (Mendeley), plantilla en LaTeX, R, Rapid-Miner, Weka, Datasets.Evaluación por pares (rúbricas), 100 % entrega a tiempo, 50% fuera de tiempo (un día), 25 % (dos días en adelante).Referencias bibliográficas: estilo IEEE.EVA.
Luis Chamba-Eras Minería de Datos
Bibliografía básica
Hernández Orallo, J.; Ramírez Quintana, M.J.; Ferri Ramírez,C. Introducción a la Minería de Datos, Pearson Education.S.A.. Madrid, 2004.
Luis Chamba-Eras Minería de Datos
Recursos educativos abiertos
Reutilización de recursos, respetando derecho de autor.OCW.Videos en Youtube.Otros recursos Web.
Luis Chamba-Eras Minería de Datos
Éxitos y bienvenidos
Luis Chamba-Eras Minería de Datos