4.62.4.1 IM/Minería de Datos. (10 horas) [Nivel Bloom 4]

Referencias Bibliográficas: [Tan et al., 2005,Witten and Frank, 2005,Han and Kamber, 2001,Kimball and Ross, 2004,Inmon, 2004,Kimball et al., 2005]

Tópicos

  1. La utilidad de la minería de datos.
  2. Patrones secuenciales y asociativos.
  3. Clusterización de datos.
  4. Análisis de canastas de mercado.
  5. Clusterización de datos.Cleaning
  6. Clusterización de datos.Visualizacion

Objetivos

  1. Comparar y contrastar diferentes concepciones de minería de datos, mostrando evidencias en investigación y aplicación.
  2. Explicar el rol al encontrar asociaciones en información manejada por la industria comercial.
  3. Caracterizar los tipos de patrones que pueden ser descubiertos por la minería de reglas de asociación.
  4. Describir cómo extender un sistema relacional para encontrar patrones usando reglas de asociación.
  5. Evaluar temas metodológicos subrayando la efectiva aplicación de minería de datos.
  6. Identificar y caracterizar fuentes de ruido, redundancia y outlier en los datos presentados.
  7. Identificar mecanismos (agregación en línea, comportamiento en cualquier tiempo, visualización interactiva) para cerrar el ciclo en el proceso de minería de datos.
  8. Describir por qué los varios procesos de cerrado de ciclo mejoran la efectividad de la minería de datos.

Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, Universidad Católica San Pablo, Arequipa-Peru
basado en el modelo de la Computing Curricula de IEEE-CS/ACM