Data mining: principios y aplicaciones
IFCD012PO
Datos del curso
Tipo de acción formativa: Especialidades formativas del SEPE
Formato: Curso SCORM en formato licencia
Título: Data mining: principios y aplicaciones
Código: IFCD012PO
Duración: 80 horas
Familia profesional: Informática y comunicaciones
Disponibilidad: Curso disponible en versión 2021
Convocatoria: Convocatoria de formación ocupados estatal 2022
Formato: Curso SCORM en formato licencia
Título: Data mining: principios y aplicaciones
Código: IFCD012PO
Duración: 80 horas
Familia profesional: Informática y comunicaciones
Disponibilidad: Curso disponible en versión 2021
Convocatoria: Convocatoria de formación ocupados estatal 2022
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
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.
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.
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 UNIDAD 4 CONSOLIDACIÓN DE DATA MINING.
3.4 Presentación de un caso practico
3.5 Aplicación del proceso CRISP-Dm
3.6 Elaboración de un plan de proyecto
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.
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.
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 UNIDAD 4 CONSOLIDACIÓN DE DATA MINING.
3.4 Presentación de un caso practico
3.5 Aplicación del proceso CRISP-Dm
3.6 Elaboración de un plan de proyecto
Te animas a echarle un vistazo