Mineria de Datos

Carrera de Ingeniería de Sistemas

2008-II
Departamento de Ingeniería de Sistemas e Industrial
Universidad Nacional de Colombia

Profesor:
Ing. Fabio A. González O., Ph.D.
Of. 114, Edif. Nuevo de Ingeniería
fagonzalezo@unal.edu.co

Contenido

Descripción del curso
Talleres y Proyecto
Material de apoyo y recursos
Notas

Descripción del curso

Objetivo

El objetivo de la Minería de Datos (MD) es extraer información interesante/útil a partir de datos. En muchos casos esta información tiene la forma de patrones no evidentes en los datos y, dependiendo de su complejidad, puede llegarse a hablar de conocimiento. La minería de datos se basa en técnicas propias de la estadística y el aprendizaje de máquina, y tiene una estrecha relación con las bodegas de datos y el OLAP.

El objetivo de este curso es estudiar los fundamentos de la minería de datos incluyendo: el aprendizaje de máquina, el reconocimiento de patrones y la estadística, así como sus aplicaciones a la solución de diferentes problemas prácticos.

Metodología

Los conceptos fundamentales de cada tema del curso se presentan y se aclaran en clase.
Se realizan presentaciones, por parte de los estudiantes
Los estudiantes resuelven talleres de aplicación de los conceptos cubiertos en el curso

Programación

Modulo	Tema	Lecturas	Otras Actividades
1	Introducción	[TSK05] Cap 1 Intr. al aprendizaje de Máquina CRISP-DM
2	Análisis exploratorio de datos y preprocesamiento	[TSK05] Cap 2 A tutorial on Principal Components Analysis (ppt)	Taller 1 Eigenfaces (datos y código)
3	Datawarehousing y OLAP
4	Clasificación: técnicas básica	[TSK05] Cap 4
5	Clasificación: otras técnicas	[TSK05] Cap 5 Modelos Bayesianos [Alp04] Cap 3	Taller 2
6	Análisis de asociación: técnicas básicas	[TSK05] Cap 6
7	Análisis de asociación: otras técnicas	[TSK05] Cap 7
8	Agrupamiento: conceptos básicos	[TSK05] Cap 8
9	Agrupamiento: otras técnicas	[TSK05] Cap 9
10	Detección de anomalías	[TSK05] Cap 10

Evaluación

Proyecto	50%
Examen	30%
Varios (presentación, talleres, quices, etc)	20%

Bibliografía

[TSK05] Pang-Ning Tan, Michael Steinbach, Vipin Kumar, 2005, Introduction to Data Mining, Addison-Wesley.
[HK06] Jiawei Han, Micheline Kamber, "Data Mining: Concepts and Techniques", 2nd Ed, Morgan Kaufmann Publishers.
[Alp04] Alpaydin, E. 2004 Introduction to Machine Learning (Adaptive Computation and Machine Learning). The MIT Press.
[Mit97] Mitchell, T. M. 1997 Machine Learning. 1st. McGraw-Hill Higher Education.
[DHS00] Duda, R. O., Hart, P. E., and Stork, D. G. 2000 Pattern Classification (2nd Edition). Wiley-Interscience.
[HTF01] Hastie, T. and Tibshirani, R. and Friedman. 2001 The elements of statistical learning: data mining, inference, and prediction. Springer.
[SC04] Shawe-Taylor, J. and Cristianini, N. 2004 Kernel Methods for Pattern Analysis. Cambridge University Press.
[DM1.0] P. Chapman et al., 2000, CRISP-DM 1.0: Step-by-step data mining guide, SPSS Inc

Volver al inicio

Talleres y Proyecto

Taller 1: Preprocesamiento de datos

Eigenfaces (datos y código)

Taller 2: Aprendizaje Supervisado

sunspot.csv

Entregas Proyecto:

El documento se construirá de manera gradual de manera paralela al desarrollo del proyecto. Se harán entregas parciales acumulativas. El documento debe tener la estructura explicada en la Sección V del documento de la metodología CRISP-DM ([DM1.0] pp 63-68).

Entrega 0:

Entendimiento del negocio

Entrega 1: 14 de Noviembre de 2008

Comprensión del negocio
Comprensión de datos
Preparación de datos

Entrega 2: 28 de Noviembre de 2008

Modelamiento

Entrega 3 y sustentación: 12 de Diciembre de 2008

Evaluación
Despliegue

Volver al inicio

Material de apoyo y recursos

Sitio web libro guía [TSK05] (presentaciones, tutoriales, proyectos, etc.)
Herramientas para minería de datos:

Machine learning with python:

Orange

RapidMiner
Weka

Conjuntos de datos de prueba:

UCI Machine Learning Repository

Python:

Python official site
Enthought Python Distribution (EPD): una distribución de Python para Windows, OSX y Linux con gran diversidad de paquetes

Volver al inicio