CURSO:MINERIA DE DATOS TRADUCCION:DATA MINING SIGLA:INF3511 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA CALIFICACION:ESTANDAR PALABRAS CLAVE:MINERIA DE DATOS, DATA WAREHOUSING, CLASIFICACION, CLUSTERING NIVEL FORMATIVO:MAGISTER I.DESCRIPCIÓN DEL CURSO Este curso busca que el alumno sea capaz de identificar y explicar problemas, teorias, practicas de resolucion y tecnicas computacionales necesarias para gestionar datos, a traves de laboratorios practicos y lectura de casos reales, ademas de proporcionarle los elementos que le permitan entender los principios de Data Mining y Data Warehousing, asi como sus posibilidades de aplicacion para el apoyo a las decisiones en ambitos como gestion, marketing, relacion con los clientes, entre otros. Se evaluara el aprendizaje del estudiante en base a actividades practicas de laboratorio y evaluaciones escritas. II.RESULTADOS DE APRENDIZAJE 1.Valorar las principales teorias y tecnicas de Mineria de Datos. 2.Dise?ar soluciones a problemas reales que involucren la necesidad de tecnicas de Mineria de Datos. 3.Implementar soluciones usando herramientas de software de Mineria de Datos, aplicandolas en datos reales. III.CONTENIDOS 1.La informacion como recurso de la organizacion. 2.Fuentes de datos. Pre-procesamiento de datos: tratamiento de datos ruidosos, datos faltantes, reduccion de la dimensionalidad y transformaciones, integracion e inconsistencias. 3.Almacenamiento y Datawarehouses. 4.Clasificacion supervisada. Modelos de clasificacion categorica y modelos de regresion. Evaluacion de modelos. 5.Reduccion de la Informacion: analisis de componentes principales. 6.Reglas de asociacion. 7.Modelos avanzados de clasificacion, especialmente en contextos de informacion no-estructurada 8.Clustering. 9.Estrategias de seleccion de modelos. IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Laboratorios practicos. -Lecturas individuales. V.ESTRATEGIAS EVALUATIVAS -Laboratorios: 50% -Control: 20% -Examen: 30% VI.BIBLIOGRAFIA Minima Kimball, R., Ross, M., ?The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling?, 3th edition, John Wiley & Sons, 2013. Han, J., Kamber, M., Pei, J., ?Data Mining: Concepts and Techniques?, 3th edition, Morgan Kaufmann, 2011. Inmon, W.H., ?Building the Data Warehouse?, 4th edition, John Wiley & Sons, 2005. Complementaria Hastie, T., Tibshirani, R., Friedman, J., ?The Elements of Statistical Learning: Data Mining, Inference, and Prediction?, 2nd edition, Springer, 2016. Bishop, C., ?Pattern Recognition and Machine Learning?, Springer, 2006. Dyche, J., ?e-Data: Turning Data into Information with Data Warehousing?, Addison Wesley, 2000. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA / NOVIEMBRE 2020