Curso Data MiningIntroducción a la Toma de Decisiones El Proceso de toma de decisiones asistida por computadora Nociones fundamentales Datawarehouse Datamining Métodos inteligentes para la toma de decisiones Aprendizaje automático Arboles de decisión CART Clasificación automática Agrupamiento de datos Simulaciones con sistemas reales Uso de los sistemas Weka y Tanagra Clasificación automática de datos Arboles de decisión Redes de Neuronas artificiales Support Vector Machines Análisis de resultados, aplicaciones

Data Mining - Curso Introductorio Dirigido a: Gerentes y analistas interesados en una introducción panorámica al área de

Data Mining y sus aplicaciones Modalidad: Teórica Duración: 4 horas Temario:

1. Origen del Data Mining y situación actual 2. Principales aplicaciones en el mundo económico 3. Complementariedades con otras técnicas descriptivas y predictivas 4. Software de data mining 5. Formación necesaria de un data miner 6. Perspectiva y desarrollo del data mining en los próximos años

Data Mining - Curso Básico Dirigido a: Analistas de datos u otras funciones vinculadas al Marketing y Business

Intelligence Modalidad: Hands-on Duración: 24 horas Temario:

1. Exploración de las funcionalidades de un software de mining 2. Creación de proyectos y diagramas 3. Definición de fuentes de datos y preparación 4. Análisis de clustering. Segmentación y profiling 5. Análisis de canasta de mercado 6. Análisis de secuencias 7. Arboles de decisiones. Evaluación de árboles. Arboles interactivos 8. Análisis de regresión. Selección de modelos y optimización 9. Redes neuronales. Selección de variables. Otras técnicas de modelización 10. Evaluación de modelos. Estadísticos de ajuste. Gráficos de evaluación.

Matrices de costo/beneficio y decisiones 11. Scoring 12. Modelos ensemble. Selección de variables. Consolidación de variables

categóricas13. Modelos subrogantes

Data Mining - Curso Avanzado Dirigido a: Personas con experiencia previa en data mining Modalidad: Hands-on Duración: 16 horas

Temario: 1. Integración de los sistemas de administración de datos y Data Mining 2. Integración de data y text mining 3. Extensibilidad de un software de mining 4. Ciclo de vida y administración de modelos 5. Metodologías de Data Mining 6. Data Mining Exploratorio7. Data Mining Relacional

Temario completo de ---- Data Mining ----Lección 1: Introducción al proceso de descubrimiento en Bases de datos1. Evolución de los sistemas de información hacia sistemas de soporte a la decisión2. Definición de proceso de KDD3. Requerimientos de un sistema de almacenamiento para soporte a la decisión: Definición de Data WarehouseLección 2: Fases del proceso de Data Mining1. El proceso de KDD2. CRISP-DM como estándar de proceso de Data MiningLección 3: La fase de preprocesamiento de los datos1. Introducción2. Información incompleta, Tratamiento de nulos3. Ruido y datos inconsistentes4. Reducción de datos y de atributos5. AgregaciónLección 4: La fase de Data Mining1. Tipos de problemas de data mining2. Tipos de enfoquesLección 5: Problemas de Clasificación y Predicción I1. Clasificación2. Predicción3. Algunos métodos simples de clasificación: 1R4. Clasificación mediante árboles de decisiónLección 6: Problemas de Clasificación y Predicción II1. Clasificación bayesiana2. Clasificación mediante redes neuronales3. Otros métodos de clasificación4. Predicción mediante regresión lineal y múltiple5. Otros modelos de regresión División de los conjuntos de datos en: prueba, entrenamiento y validación6. Validación cruzada (cross-validation)Lección 7: Análisis de segmentación: Clustering1. Métodos tradicionales de clustering: K-means2. Métodos jerárquicos3. Métodos basados en densidad de puntos4. Enfoque estadístico5. Enfoque de redes de neuronas6. Análisis de desviaciones y de outliers mediante clusteringLección 8: Obtención de reglas de asociación en bases de datos1. Descripción del problema de obtención de reglas de asociación2. Extracción de reglas (booleanas) en bases de datos transaccionales: Algoritmo A priori3. Mejoras del algoritmo a priori4. Extracción de reglas de asociación a distintos niveles de generalización5. Correlación basada en reglas de asociación6. Métodos basados en restricciones

---- Data Warehouses ----Lección 1: Introducción a los Data Warehouses

1. Diferencias entre las Bases de datos transaccionales y bases de datos de soporte a la decisión.2. Separación de los datos en un Data WarehouseLección 2: Arquitectura de un Data Warehouse1. Procesos de una arquitectura de Data Warehouse2. Servidor de Adquisición e Integración de datos3. Servidor de data warehouse4. Servidor de accesoLección 3: El diseño multidimensional básico1. Tablas de Dimensión2. Tablas de Hechos3. Diagrama en estrellaLección 4: Data Warehouse vs Data Marts1. El proceso de construcción de un data warehouse2. Problemas del diseño top-down3. Diseño con arquitectura de bus común4. Arquitectura del bus del Data Warehouse5. Tablas de dimensión conformadas6. Definición de Hechos comunesLección 5: El diseño multidimensional extendido1. Relaciones n:m y tablas puente2. Dimensiones degeneradas3. Dimensiones junk