Objetivos
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.
Índice
UNIDAD 1. EL PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS 1.1 Definición del proceso de data mining 1.2 Análisis de las fases del proceso de acuerdo a CRISP-DM: o Compresión del problema o Comprensión de los datos o Preparación de los datos o Modelado o Evaluación o Implantación UNIDAD 2. EL CICLO DE DATA MINING: FASES Y TIPOS DE PROBLEMAS 2.1 Tipos de problemas 2.1.1. Descriptivos o asociación o clustering 2.1.2. Predictivos o clasificación 2.2 Implicaciones de los datos, dominios, técnicas en las fases del proceso 2.3 Casos de uso UNIDAD 3. TÉCNICAS DE DATA MINING 3.1 Clasificación o Arboles de decisión o Naive Bayes 3.2 Clustering o K-means o EM 3.3 Asociacion o A priori 3.4 Presentación de un caso practico 3.5 Aplicación del proceso CRISP-Dm 3.6 Elaboración de un plan de proyecto UNIDAD 4 CONSOLIDACIÓN DE DATA MINING
Contenido SCORM para el Curso IFCD012PO Data mining: principios y aplicaciones
Potencia la excelencia en data mining al ofrecer a tus alumnos un curso especializado en los principios y aplicaciones fundamentales de esta poderosa técnica de extracción de conocimiento. El curso IFCD012PO aborda de manera exhaustiva el proceso de descubrimiento de conocimiento en bases de datos, permitiendo a los formadores dotar a sus alumnos de las habilidades necesarias para enfrentarse a proyectos de data mining con confianza y precisión.
Contenidos clave
- Exploración de los tipos de problemas de data mining y la aplicación de diferentes técnicas en cada fase del proceso.
- Análisis de las técnicas de data mining más utilizadas, como los árboles de decisión, el clustering y la asociación, junto con casos prácticos para su comprensión.
- Estudio de la consolidación de data mining y cómo llevar a cabo un plan de proyecto efectivo en este campo.
