Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 34 vistas

    Mineria de Datos

    Cargado por

    Alexander Baldec
    Este documento presenta un programa de estudio para el curso de Minería de Datos. El curso dura 48 horas y cubre temas como introducción a la minería de datos, representación del conocimiento, algoritmos básicos, evaluación, esquemas de aprendizaje en máquinas, y entrada y salida de datos. El objetivo es que los estudiantes aprendan a utilizar principios de aprendizaje automático para diseñar e implementar algoritmos de minería de datos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd

    Mineria de Datos

    Cargado por

    Alexander Baldec
    34 vistas4 páginas
    Este documento presenta un programa de estudio para el curso de Minería de Datos. El curso dura 48 horas y cubre temas como introducción a la minería de datos, representación del conocimiento, algoritmos básicos, evaluación, esquemas de aprendizaje en máquinas, y entrada y salida de datos. El objetivo es que los estudiantes aprendan a utilizar principios de aprendizaje automático para diseñar e implementar algoritmos de minería de datos.

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un programa de estudio para el curso de Minería de Datos. El curso dura 48 horas y cubre temas como introducción a la minería de datos, representación del conocimiento, algoritmos básicos, evaluación, esquemas de aprendizaje en máquinas, y entrada y salida de datos. El objetivo es que los estudiantes aprendan a utilizar principios de aprendizaje automático para diseñar e implementar algoritmos de minería de datos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    34 vistas4 páginas

    Mineria de Datos

    Cargado por

    Alexander Baldec
    Este documento presenta un programa de estudio para el curso de Minería de Datos. El curso dura 48 horas y cubre temas como introducción a la minería de datos, representación del conocimiento, algoritmos básicos, evaluación, esquemas de aprendizaje en máquinas, y entrada y salida de datos. El objetivo es que los estudiantes aprendan a utilizar principios de aprendizaje automático para diseñar e implementar algoritmos de minería de datos.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    UNIVERSIDAD NACIONAL AUTNOMA DE MXICO FACULTAD DE INGENIERA PROGRAMA DE ESTUDIO

    MINERA DE DATOS
    Asignatura Ingenieria Elctrica Divisin

    0695
    Clave Ingeniera en Computacin Departamento

    8, 9
    Semestre

    06
    Crditos

    Ingeniera en Computacin Carrera en que se imparte

    Asignatura: Obligatoria Optativa X

    Horas: Tericas Prcticas 3.0 0.0


    Aprobado: Consejo Tcnico de la Facultad

    Total (horas): Semana 16 Semanas 3.0 48.0

    Fecha: 25 de febrero, 17 de marzo y 16 de junio de 2005 11 de agosto de 2005

    Modalidad: Curso.

    Consejo Acadmico del rea de las Ciencias Fsico Matemticas y de las Ingenieras

    Asignatura obligatoria antecedente: Ninguna.

    Asignatura obligatoria consecuente: Ninguna.

    Objetivo(s) del curso: El alumno utilizar los principios del enfoque del aprendizaje en mquinas para disear e implementar diversos algoritmos de minera de datos.

    Temario
    NM. NOMBRE HORAS

    1. 2. 3. 4. 5. 6. 7. 8.

    Introduccin a la Minera de Datos Conceptos y atributos Representacin del conocimiento Algoritmos: Los mtodos bsicos Evaluacin Esquemas de aprendizaje en mquinas Entrada y salida Algoritmos de aprendizaje en mquinas

    4.0 4.0 7.0 7.0 6.0 7.0 6.0 7.0 48.0

    Prcticas de laboratorio Total

    0.0 48.0

    MINERA DE DATOS

    (2/ 4)

    1 Introduccin a la Minera de Datos Objetivo: El alumno expondr (verbalmente y/o mediante un ensayo) la importancia de la minera de datos, el enfoque del aprendizaje en mquinas en estas y los aspectos ticos relacionados. Contenido: 1.1 Minera de datos: Ejemplos y aplicaciones 1.2 El aprendizaje en mquinas y estadstica 1.3 Minera de datos y tica

    2 Conceptos y atributos Objetivo: El alumno explicara la idea de concepto (aprendizaje por clasificacin, aprendizaje por asociacin, agrupamiento y prediccin numrica), ejemplo (conjunto de ocurrencias), atributo (atributos de entidades) y limpieza de datos. Contenido: 2.1 Qu es un concepto? 2.2 Qu es un ejemplo? 2.3 Qu es un atributo? 2.4 Preparacin de datos

    3 Representacin del conocimiento Objetivo: El alumno construir representaciones de los datos de entrada y salida para descubrir patrones estructurales en los mismos. Contenido: 3.1 Tablas de decisin 3.2 rboles de decisin 3.3 Reglas de clasificacin 3.4 Reglas de asociacin 3.5 Reglas con excepciones 3.6 Reglas con relaciones 3.7 rboles para la prediccin numrica 3.8 Representacin basada en ocurrencias 3.9 Agrupamientos

    4 Algoritmos: los mtodos bsicos Objetivo: El alumno codificara y ejecutara los algoritmos de aprendizaje pertinentes para procesar los datos representados en un formato dado.

    MINERA DE DATOS

    (3/ 4)

    Contenido: 4.1 Inferencia de reglas rudimentarias 4.2 Modelacin estadstica 4.3 Construccin de rboles de decisin 4.4 Algoritmos de cobertura: Reglas de construccin 4.5 Reglas de asociacin 4.6 Modelos lineales 4.7 Aprendizaje basado en ocurrencias

    5 Evaluacin Objetivo: El alumno evaluara que mtodo usar en un problema en particular y como trabajan estos para compararlos. Contenido: 5.1 Entrenamiento y verificacin 5.2 Prediccin del rendimiento 5.3 Validacin cruzada 5.4 Comparacin de esquemas de minera de datos 5.5 Prediccin de probabilidades 5.6 Conteo del costo 5.7 Evaluacin de prediccin numrica 5.8 El principio de la descripcin de longitud mnima (LDM) 5.9 Aplicacin de la LDM a agrupamientos

    6 Esquemas de aprendizaje en mquinas Objetivo: El alumno explicara los algoritmos de aprendizaje a nivel conceptual y de detalle para que aprecie los aspectos de implementacin que son claves en la prctica profesional. Contenido: 6.1 rboles de decisin 6.2 Reglas de clasificacin 6.3 Extensin de la clasificacin lineal: Mquinas de vectores de soporte 6.4 Aprendizaje basado en ocurrencias 6.5 Prediccin numrica 6.6 Agrupamiento

    7 Entrada y salida Objetivo: El alumno seleccionara los parmetros apropiados de los datos de entrada para la obtencin de resultados aceptables. Contenido: 7.1 Seleccin de atributos 7.2 Discretizacin de atributos numricos

    MINERA DE DATOS

    (4/ 4)

    7.3 7.4

    Limpieza automtica de datos Combinacin de modelos mltiples

    8 Algoritmos de aprendizaje en mquinas Objetivo: El alumno construir diversos experimentos con los diferentes algoritmos que desarroll durante el curso. Contenido: 8.1 Procesamiento de conjuntos de datos con algoritmos de aprendizaje en mquinas 8.2 Aprendizaje en mquinas embebidas 8.3 Escritura de nuevos esquemas de aprendizaje

    Bibliografa bsica: WITTEN, Ian H.; FRANK, Eibe Data mining San Diego, U.S.A Morgan Kaufmann Publishers, 2001 HERNNDEZ, Orallo, RAMREZ, Jos Introduccin a la minera de datos Mxico Pearson/Prentice Hall, 2003 Sugerencias didcticas: Exposicin oral Exposicin audiovisual Ejercicios dentro de clase Ejercicios fuera del aula Seminarios Forma de evaluar: Exmenes parciales Exmenes finales Trabajos y tareas fuera del aula

    Temas para los que se recomienda: Todos

    Todos

    X X

    Lecturas obligatorias Trabajos de investigacin Prcticas de taller o laboratorio Prcticas de campo Otras

    X X X

    X X X

    Participacin en clase Asistencias a prcticas Otras

    X X

    Perfil profesiogrfico de quienes pueden impartir la asignatura Profesional con experiencia en el rea de Minera de Datos con el Enfoque del Aprendizaje en Mquinas

    También podría gustarte