Imprimir

Programa

CURSO:MINERÍA DE DATOS
TRADUCCIÓN:DATA MINING
SIGLA:INF3511
CRÉDITOS:05 
MÓDULOS:02 
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA
CALIFICACIÓN:ESTÁNDAR 
PALABRAS CLAVE:MINERIA DE DATOS, DATA WAREHOUSING, CLASIFICACIÓN, CLUSTERING
NIVEL FORMATIVO:MAGÍSTER


I.DESCRIPCIÓN DEL CURSO

Este curso busca que el alumno sea capaz de identificar y explicar problemas, teorías, prácticas de resolución y técnicas computacionales necesarias para gestionar datos, a través de laboratorios prácticos y lectura de casos reales, además de proporcionarle los elementos que le permitan entender los principios de Data Mining y Data Warehousing, así como sus posibilidades de aplicación para el apoyo a las decisiones en ámbitos como gestión, marketing, relación con los clientes, entre otros. Se evaluará el aprendizaje del estudiante en base a actividades prácticas de laboratorio y evaluaciones escritas.


II.RESULTADOS DE APRENDIZAJE

1.Valorar las principales teorías y técnicas de Minería de Datos.

2.Diseñar soluciones a problemas reales que involucren la necesidad de técnicas de Minería de Datos.

3.Implementar soluciones usando herramientas de software de Minería de Datos, aplicándolas en datos reales.


III.CONTENIDOS

1.La información como recurso de la organización.

2.Fuentes de datos. Pre-procesamiento de datos: tratamiento de datos ruidosos, datos faltantes, reducción de la dimensionalidad y transformaciones, integración e inconsistencias.

3.Almacenamiento y Datawarehouses.

4.Clasificación supervisada. Modelos de clasificación categórica y modelos de regresión. Evaluación de modelos.

5.Reducción de la Información: análisis de componentes principales.

6.Reglas de asociación.

7.Modelos avanzados de clasificación, especialmente en contextos de información no-estructurada

8.Clustering.

9.Estrategias de selección de modelos.


IV.ESTRATEGIAS METODOLÓGICAS

-Clases expositivas.

-Laboratorios prácticos.

-Lecturas individuales.


V.ESTRATEGIAS EVALUATIVAS

-Laboratorios: 50%	

-Control: 20%

-Examen: 30%


VI.BIBLIOGRAFÍA

Mínima

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 CATÓLICA DE CHILE 
ESCUELA DE INGENIERÍA / NOVIEMBRE 2020