Data mining: principios y aplicaciones

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.

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