Este curso ofrece a los estudiantes la posibilidad de conocer, comprender las técnicas básicas de minería de datos y saber cómo se aplican en problemas concretos de extracción de conocimiento útil para el análisis y la toma de decisiones. El contenido del curso es académico y adaptado al curriculum de la asignatura de Minería de datos que se da en las universidades .
Objetivos
Entender los conceptos y la terminología de las técnicas de minería de datos.
Reconocer los beneficios del uso sistemático de técnicas de extracción de conocimiento para la obtención de modelos y patrones predictivos.
Conocer las fases del Descubrimiento de Conocimiento de Bases de Datos y la importancia de las mismas en el éxito del proceso (en especial las de limpieza y selección de datos).
Conocer las distintas técnicas de aprendizaje automático y estadísticas utilizadas en minería de datos.
Elegir, para un problema concreto, qué técnicas de minería de datos son más apropiadas.
Generar los modelos y patrones elegidos utilizando la herramienta o paquete de minería de datos WEKA.
Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación (validación cruzada).
Implementar un algoritmo de minería de datos específico dentro de un proyecto.
Aprender a usar WEKA en la construcción de un modelo predictivo.
Aprender paso a paso y con ejemplos explicativos los siguientes algoritmos de machine learning : Vecinos más Cercanos, Naïve Bayes, Árbol de Decisión y Reglas de Clasificación.