Este curso ofrece a los estudiantes la posibilidad de conocer, comprenderlas técnicas básicas de minería de datos y saber cómo se aplican en problemas concretos de extracciónde conocimiento útil para el análisis y la toma de decisiones. El contenido del curso es académico y adaptado al curriculum de la asignatura de Minería de datos que se da en las universidades .

Objetivos

• Entender los conceptos y la terminología de las técnicas de minería de datos.

• Reconocer los beneficios del uso sistemático de técnicas de extracción de conocimiento para la obtención de modelos y patrones predictivos.

• Conocer las fases del Descubrimiento de Conocimiento de Bases de Datos y la importancia de las mismas en el éxito del proceso (en especial las de limpieza y selección de datos).

• Conocer las distintas técnicas de aprendizaje automático y estadísticas utilizadas en minería de datos.

• Elegir, para un problema concreto, qué técnicas de minería de datos son más apropiadas.

• Generar los modelos y patrones elegidos utilizando la herramienta o paquete de minería de datos WEKA.

• Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación (validación cruzada).

• Implementar un algoritmo de minería de datos específico dentro de un proyecto.

• Aprender a usar WEKA en la construcción de un modelo predictivo.

• Aprender paso a paso y con ejemplos explicativos los siguientes algoritmos de machine learning : Vecinos más Cercanos, Naïve Bayes, Árbol de Decisión y Reglas de Clasificación.