SlideShare una empresa de Scribd logo
1 de 30
Minería de datos 
Dr. Francisco J. Mata 
1 
Introducción a la 
minería de datos 
Tema 1
2 
Temario 
 ¿Qué es minería de datos? 
 ¿Quién usa minería de datos? 
 ¿Por qué de la minería de datos? 
 Ciclo virtuoso de la minería de datos 
 Resumen de principales técnicas de 
minería de datos 
Minería de datos 
Dr. Francisco J. Mata
3 
Definición de minería de 
datos 
 Minería de datos es la exploración y 
análisis de grandes cantidades de datos 
con el objeto de encontrar patrones y 
reglas significativas (conocimiento) 
Minería de datos 
Dr. Francisco J. Mata
4 
Metas de la minería de datos 
 Permitir a una organización MEJORAR 
_____ a través de un mejor 
CONOCIMIENTO de _______ 
 Mejorar la ventaja competitiva 
Minería de datos 
Dr. Francisco J. Mata
La minería de datos es un campo 
5 
multidisciplinario 
Minería de datos 
Minería de datos 
Dr. Francisco J. Mata 
Inteligencia 
Artificial 
(“Machine 
Learning”) 
Estadística 
Bases de 
Datos 
(VLDB) 
Graficación y 
visualización 
Ciencias de 
la información 
Otras 
disciplinas
6 
La minería de datos es un 
subconjunto de la inteligencia de 
negocios 
Minería de datos 
Dr. Francisco J. Mata
 No existe un solo enfoque para minería de datos 
7 
Minería de datos 
 Proceso de utilizar datos “crudos” para inferir 
importantes relaciones entre ellos 
 Colección de técnicas poderosas para analizar 
grandes volúmenes de datos 
sino un conjunto de técnicas que se pueden 
utilizar de manera independiente o en 
combinación 
 Existe una relación con la estadística, aunque 
frecuentemente se separan las técnicas que no 
están basadas en métodos estadísticos 
Minería de datos 
Dr. Francisco J. Mata
8 
Tipos de aplicaciones de la 
minería de datos 
 Aplicaciones o problemas de minería de 
datos pueden clasificarse en las 
siguientes categorías 
Minería de datos 
Dr. Francisco J. Mata 
 Clasificación 
 Estimación 
 Pronóstico 
 Asociación 
 Agrupación o segmentación
9 
Clasificación 
 Examinar las características de un nuevo 
objeto y asignarle una clase o categoría 
de acuerdo a un conjunto de tales objetos 
previamente definido 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplos: 
 Clasificar aplicaciones a crédito como bajo, 
medio y alto riesgo 
 Detectar reclamos fraudulentos de seguros
10 
Estimación 
 Relacionado con clasificación 
 Mientras clasificación asigna un valor 
discreto, estimación produce un valor 
continuo 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplos: 
 Estimar el precio de una vivienda 
 Estimar el ingreso total de una familia
11 
Pronóstico 
 Predecir un valor futuro con base a 
valores pasados 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplos: 
 Predecir cuánto efectivo requerirá un cajero 
automático en un fin de semana
 Determinar cosas u objetos que van juntos 
12 
Asociación 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplo: 
 Determinar que productos se adquieren 
conjuntamente en un supermercado
13 
Agrupación o segmentación 
 Dividir una población en un número de 
grupos más homogéneos 
 No depende de clases pre-definidas a 
diferencia de clasificación 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplo: 
 Dividir la base de clientes de acuerdo con los 
hábitos de consumo
14 
Usos de la minería de datos 
 Administración de la relación con los 
clientes: 
 Identificar nuevos clientes potenciales para 
aumentar ventas 
 Ampliar la base de cliente con la mínima 
inversión por parte de la empresa 
 Retener clientes existentes evitando que se 
vayan a la competencia (“attrition”) 
 Vender más a clientes existentes (“ventas 
cruzadas”) 
Minería de datos 
Dr. Francisco J. Mata
 Detección de fraudes en el uso de tarjetas 
de crédito 
15 
Usos de la minería de datos 
 Determinar patrones que puedan estar 
relacionados con lavado de dinero 
 Determinar el precio de una casa con 
base en sus características y el precio de 
otras casas vendidas 
Minería de datos 
Dr. Francisco J. Mata
16 
Ejercicio en grupos 
 Equipos: 3 personas máximo 
Minería de datos 
Dr. Francisco J. Mata 
 Objetivos: 
 Identificar situaciones concretas para utilizar 
la minería de datos (10 minutos) 
 Reportar a la clase verbalmente (3 minutos) 
 Las situaciones identificadas 
 Tipo de aplicación o problema de minería de datos 
relacionado 
 Los beneficios esperados de aplicar la minería de 
datos
17 
Usos de la minería de datos 
 Usos de la minería de datos se han 
ampliado con el comercio electrónico 
Minería de datos 
Dr. Francisco J. Mata
18 
Recomendaciones 
Minería de datos 
Dr. Francisco J. Mata
19 
Disponibilidad de datos de 
transacciones 
Minería de datos 
Dr. Francisco J. Mata
20 
¿Por qué de la minería de 
datos? 
 Datos se encuentran disponibles 
 Poder computacional es cada vez menos 
costoso 
 Las presiones competitivas son enormes 
 Software para minería de datos se 
encuentra disponible 
Minería de datos 
Dr. Francisco J. Mata
21 
Ciclo virtuoso de la minería de 
datos 
Minería de datos 
Dr. Francisco J. Mata
22 
Principales técnicas de minería 
de datos 
 Análisis de canasta de supermercado 
 K vecinos más cercanos 
 Detección de grupos 
 Análisis de encadenamiento 
 Árboles de decisión 
 Redes neuronales artificiales 
 Algoritmos genéticos 
Minería de datos 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
23 
datos 
 Análisis de canasta de supermercado 
 Agrupar objetos que aparecen juntos 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplos: 
 Pañales y cervezas
Resumen técnicas de minería de 
24 
datos 
 K vecinos más cercanos 
 Determinar los K vecinos más cercanos en 
instancias conocidos con el objeto de 
clasificar o hacer una predicción sobre una 
instancia desconocida 
 Ejemplo: Dado un reclamo para un seguro 
determinar basado en reclamos similares 
(vecinos) si se debe pagar o investigar 
Minería de datos 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
25 
datos 
 Detección de grupos 
 Encontrar objetos similares entre sí 
 Ejemplos: tipificar clases de clientes 
Minería de datos 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
26 
datos 
 Análisis de encadenamiento 
 Encuentra relaciones entre objetos de 
acuerdo con patrones 
 Relacionado con la teoría de grafos 
Minería de datos 
Dr. Francisco J. Mata 
 Ejemplos: 
 Relaciones entre individuos basados en llamadas 
telefónicas 
 Relaciones entre casos criminales de acuerdo con 
sus características
Resumen técnicas de minería de 
 Ejemplos: determinar el sexo o grupo de edad 
de una persona en función a una serie de 
preguntas contestadas 
27 
datos 
 Árboles de decisión 
 Dividir objetos en grupos asociando reglas 
para la asignación de los objetos en su 
correspondiente grupo 
Minería de datos 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
 Modelos simples de interconexiones 
neuronales en el cerebro que aprenden de un 
conjunto de adiestramiento y generalizan 
patrones dentro de él con el objeto de 
clasificar, estimar o predecir 
28 
datos 
 Redes neuronales artificiales 
 Más común de las técnicas y para algunos 
sinónimo de minería de datos 
 Ejemplo: estimar el valor de una casa 
tomando en cuenta el precio pagado por 
Minería de datos 
casas similares 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
29 
datos 
 Algoritmos genéticos 
 Aplican la mecánica de la genética y la 
selección natural para encontrar un conjunto 
de parámetros óptimos para una función 
predictiva 
 Utilizados para entrenar redes neuronales 
artificiales 
Minería de datos 
Dr. Francisco J. Mata
Resumen técnicas de minería de 
30 
datos 
 Técnicas mencionadas pueden utilizarse en 
varias aplicaciones o problemas de minería de 
datos 
 Ejemplo: árboles de decisión sirven para detectar 
grupos, clasificar y predecir 
 Varias técnicas pueden ser utilizadas en una 
misma aplicación o problema de minería de 
datos 
 Ejemplo: K vecinos más próximos, árboles de 
decisión y redes neuronales artificiales pueden 
utilizarse para clasificación 
Minería de datos 
Dr. Francisco J. Mata

Más contenido relacionado

Destacado

MIneria de datos
MIneria de datosMIneria de datos
MIneria de datosJuan Flores
 
Presentación colombia junio 2011
Presentación colombia   junio 2011Presentación colombia   junio 2011
Presentación colombia junio 2011ProColombia
 
Clase 4 proyecciones de un punto en el espacio
Clase 4   proyecciones de un punto en el espacioClase 4   proyecciones de un punto en el espacio
Clase 4 proyecciones de un punto en el espacioKevin Yan Quijada Carranza
 
C13 Poligonales(topografia)
C13 Poligonales(topografia)C13 Poligonales(topografia)
C13 Poligonales(topografia)Glenn Ortiz
 
C03 tipos de levantamientos topograficos
C03 tipos de  levantamientos topograficosC03 tipos de  levantamientos topograficos
C03 tipos de levantamientos topograficosGlenn Ortiz
 
Introduccion a la mineria
Introduccion a la mineriaIntroduccion a la mineria
Introduccion a la mineriaskill93
 
01.replanteos basicos
01.replanteos basicos01.replanteos basicos
01.replanteos basicoscaalcoca23
 

Destacado (7)

MIneria de datos
MIneria de datosMIneria de datos
MIneria de datos
 
Presentación colombia junio 2011
Presentación colombia   junio 2011Presentación colombia   junio 2011
Presentación colombia junio 2011
 
Clase 4 proyecciones de un punto en el espacio
Clase 4   proyecciones de un punto en el espacioClase 4   proyecciones de un punto en el espacio
Clase 4 proyecciones de un punto en el espacio
 
C13 Poligonales(topografia)
C13 Poligonales(topografia)C13 Poligonales(topografia)
C13 Poligonales(topografia)
 
C03 tipos de levantamientos topograficos
C03 tipos de  levantamientos topograficosC03 tipos de  levantamientos topograficos
C03 tipos de levantamientos topograficos
 
Introduccion a la mineria
Introduccion a la mineriaIntroduccion a la mineria
Introduccion a la mineria
 
01.replanteos basicos
01.replanteos basicos01.replanteos basicos
01.replanteos basicos
 

Similar a mineria de datos

Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21Daniela Bedascarrasbure
 
Tecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.pptTecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.pptVAOC1984
 
Mineria1 2010
Mineria1 2010Mineria1 2010
Mineria1 2010cristian
 
Exposicion mineria de datos - Franklin Rodríguez
Exposicion mineria de datos - Franklin Rodríguez Exposicion mineria de datos - Franklin Rodríguez
Exposicion mineria de datos - Franklin Rodríguez Ana Delgado
 
Minería de Datos. Introducción
Minería de Datos. IntroducciónMinería de Datos. Introducción
Minería de Datos. Introduccióntravon1
 
Presentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosPresentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosMaría Inés Cahuana Lázaro
 
Mineria De Datos Secuenciales
Mineria De Datos SecuencialesMineria De Datos Secuenciales
Mineria De Datos SecuencialesMarilyn Jaramillo
 
La Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica PredictivaLa Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica PredictivaLPI ONG
 
Marketing de la moda clase 04
Marketing de la moda   clase 04Marketing de la moda   clase 04
Marketing de la moda clase 04UTP
 
ses-5-sim-e-invest-de-mercados.ppt
ses-5-sim-e-invest-de-mercados.pptses-5-sim-e-invest-de-mercados.ppt
ses-5-sim-e-invest-de-mercados.pptJorgeVazquez219
 
Charla big data y data mining para gestión de información y bibliotecas
Charla big data y data mining para gestión de información y bibliotecasCharla big data y data mining para gestión de información y bibliotecas
Charla big data y data mining para gestión de información y bibliotecasFelipe Vera (Prodigio Consultores)
 
Herramientas de mineria_de_datos
Herramientas de mineria_de_datosHerramientas de mineria_de_datos
Herramientas de mineria_de_datostravon1
 

Similar a mineria de datos (20)

Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21
 
Tecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.pptTecnicas Mineria de Datos.ppt
Tecnicas Mineria de Datos.ppt
 
02 extraccion de conocimiento
02 extraccion de conocimiento02 extraccion de conocimiento
02 extraccion de conocimiento
 
Mineria1 2010
Mineria1 2010Mineria1 2010
Mineria1 2010
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Exposicion mineria de datos - Franklin Rodríguez
Exposicion mineria de datos - Franklin Rodríguez Exposicion mineria de datos - Franklin Rodríguez
Exposicion mineria de datos - Franklin Rodríguez
 
Minería de Datos. Introducción
Minería de Datos. IntroducciónMinería de Datos. Introducción
Minería de Datos. Introducción
 
Presentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosPresentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datos
 
Mineria De Datos Secuenciales
Mineria De Datos SecuencialesMineria De Datos Secuenciales
Mineria De Datos Secuenciales
 
Big data-grupo-7
Big data-grupo-7Big data-grupo-7
Big data-grupo-7
 
La Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica PredictivaLa Minería de Datos en la Analítica Predictiva
La Minería de Datos en la Analítica Predictiva
 
Marketing de la moda clase 04
Marketing de la moda   clase 04Marketing de la moda   clase 04
Marketing de la moda clase 04
 
Mineria De Datos
Mineria De DatosMineria De Datos
Mineria De Datos
 
ses-5-sim-e-invest-de-mercados.ppt
ses-5-sim-e-invest-de-mercados.pptses-5-sim-e-invest-de-mercados.ppt
ses-5-sim-e-invest-de-mercados.ppt
 
Charla big data y data mining para gestión de información y bibliotecas
Charla big data y data mining para gestión de información y bibliotecasCharla big data y data mining para gestión de información y bibliotecas
Charla big data y data mining para gestión de información y bibliotecas
 
Herramientas de mineria_de_datos
Herramientas de mineria_de_datosHerramientas de mineria_de_datos
Herramientas de mineria_de_datos
 
Exposicion
ExposicionExposicion
Exposicion
 
Exposicion
ExposicionExposicion
Exposicion
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 

Más de Katy Tumpi

Diagnostico economico y financiero
Diagnostico economico y financieroDiagnostico economico y financiero
Diagnostico economico y financieroKaty Tumpi
 
Maria alejandra-pena
Maria alejandra-penaMaria alejandra-pena
Maria alejandra-penaKaty Tumpi
 
Colonia de hormigas(1)
Colonia de hormigas(1)Colonia de hormigas(1)
Colonia de hormigas(1)Katy Tumpi
 
Que es la región janca o cordillera
Que es la región janca o cordilleraQue es la región janca o cordillera
Que es la región janca o cordilleraKaty Tumpi
 
Qué es el patrimonio
Qué es el patrimonioQué es el patrimonio
Qué es el patrimonioKaty Tumpi
 
Reglas basicas de transito en rutas y carreteras
Reglas basicas de transito en rutas y carreterasReglas basicas de transito en rutas y carreteras
Reglas basicas de transito en rutas y carreterasKaty Tumpi
 

Más de Katy Tumpi (7)

Diagnostico economico y financiero
Diagnostico economico y financieroDiagnostico economico y financiero
Diagnostico economico y financiero
 
Maria alejandra-pena
Maria alejandra-penaMaria alejandra-pena
Maria alejandra-pena
 
Clase03
Clase03Clase03
Clase03
 
Colonia de hormigas(1)
Colonia de hormigas(1)Colonia de hormigas(1)
Colonia de hormigas(1)
 
Que es la región janca o cordillera
Que es la región janca o cordilleraQue es la región janca o cordillera
Que es la región janca o cordillera
 
Qué es el patrimonio
Qué es el patrimonioQué es el patrimonio
Qué es el patrimonio
 
Reglas basicas de transito en rutas y carreteras
Reglas basicas de transito en rutas y carreterasReglas basicas de transito en rutas y carreteras
Reglas basicas de transito en rutas y carreteras
 

Último

Gastos que no forman parte del Valor en Aduana de la mercadería importada
Gastos que no forman parte del Valor en Aduana de la mercadería importadaGastos que no forman parte del Valor en Aduana de la mercadería importada
Gastos que no forman parte del Valor en Aduana de la mercadería importadaInstituto de Capacitacion Aduanera
 
La electrónica y electricidad finall.pdf
La electrónica y electricidad finall.pdfLa electrónica y electricidad finall.pdf
La electrónica y electricidad finall.pdfDiegomauricioMedinam
 
Administración en nuestra vida cotidiana .pdf
Administración en nuestra vida cotidiana .pdfAdministración en nuestra vida cotidiana .pdf
Administración en nuestra vida cotidiana .pdfec677944
 
SISTEMA FINANCIERO PERÚ. Institución privada
SISTEMA FINANCIERO PERÚ. Institución privadaSISTEMA FINANCIERO PERÚ. Institución privada
SISTEMA FINANCIERO PERÚ. Institución privadaBetlellyArteagaAvila
 
estadistica basica ejercicios y ejemplos basicos
estadistica basica ejercicios y ejemplos basicosestadistica basica ejercicios y ejemplos basicos
estadistica basica ejercicios y ejemplos basicosVeritoIlma
 
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptx
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptxT.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptx
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptxLizCarolAmasifuenIba
 
FORMATO ASISTENCIA DE CAPACITACION.doc..
FORMATO ASISTENCIA DE CAPACITACION.doc..FORMATO ASISTENCIA DE CAPACITACION.doc..
FORMATO ASISTENCIA DE CAPACITACION.doc..angelicacardales1
 
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdfRamon Costa i Pujol
 
Habilidades de un ejecutivo y sus caracteristicas.pptx
Habilidades de un ejecutivo y sus caracteristicas.pptxHabilidades de un ejecutivo y sus caracteristicas.pptx
Habilidades de un ejecutivo y sus caracteristicas.pptxLUISALEJANDROPEREZCA1
 
EL CAMBIO PLANEADO todo acerca de cambio .pptx
EL CAMBIO PLANEADO todo acerca de cambio .pptxEL CAMBIO PLANEADO todo acerca de cambio .pptx
EL CAMBIO PLANEADO todo acerca de cambio .pptxec677944
 
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURA
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURAPRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURA
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURAgisellgarcia92
 
Derechos de propiedad intelectual lo mejor
Derechos de propiedad intelectual lo mejorDerechos de propiedad intelectual lo mejor
Derechos de propiedad intelectual lo mejorMarcosAlvarezSalinas
 
Rendicion de cuentas del Administrador de Condominios
Rendicion de cuentas del Administrador de CondominiosRendicion de cuentas del Administrador de Condominios
Rendicion de cuentas del Administrador de CondominiosCondor Tuyuyo
 
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdf
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdfT.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdf
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdfLizCarolAmasifuenIba
 
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionales
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionalesProyecto TRIBUTACION APLICADA-1.pdf impuestos nacionales
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionalesjimmyrocha6
 
Tema Documentos mercantiles para uso de contabilidad.pdf
Tema Documentos mercantiles para uso de contabilidad.pdfTema Documentos mercantiles para uso de contabilidad.pdf
Tema Documentos mercantiles para uso de contabilidad.pdfmaryisabelpantojavar
 
Elección supervisor y comité SST 2020.pptx
Elección supervisor y comité SST 2020.pptxElección supervisor y comité SST 2020.pptx
Elección supervisor y comité SST 2020.pptxDiegoQuispeHuaman
 
VAMOS MANAOS, análisis e historia de la empresa Manaos
VAMOS MANAOS, análisis e historia de la empresa ManaosVAMOS MANAOS, análisis e historia de la empresa Manaos
VAMOS MANAOS, análisis e historia de la empresa Manaosmalenasilvaet7
 
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnico
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnicoEl MCP abre convocatoria de Monitoreo Estratégico y apoyo técnico
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnicoTe Cuidamos
 
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdf
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdfAFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdf
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdfOdallizLucanaJalja1
 

Último (20)

Gastos que no forman parte del Valor en Aduana de la mercadería importada
Gastos que no forman parte del Valor en Aduana de la mercadería importadaGastos que no forman parte del Valor en Aduana de la mercadería importada
Gastos que no forman parte del Valor en Aduana de la mercadería importada
 
La electrónica y electricidad finall.pdf
La electrónica y electricidad finall.pdfLa electrónica y electricidad finall.pdf
La electrónica y electricidad finall.pdf
 
Administración en nuestra vida cotidiana .pdf
Administración en nuestra vida cotidiana .pdfAdministración en nuestra vida cotidiana .pdf
Administración en nuestra vida cotidiana .pdf
 
SISTEMA FINANCIERO PERÚ. Institución privada
SISTEMA FINANCIERO PERÚ. Institución privadaSISTEMA FINANCIERO PERÚ. Institución privada
SISTEMA FINANCIERO PERÚ. Institución privada
 
estadistica basica ejercicios y ejemplos basicos
estadistica basica ejercicios y ejemplos basicosestadistica basica ejercicios y ejemplos basicos
estadistica basica ejercicios y ejemplos basicos
 
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptx
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptxT.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptx
T.A CONSTRUCCION DEL PUERTO DE CHANCAY.pptx
 
FORMATO ASISTENCIA DE CAPACITACION.doc..
FORMATO ASISTENCIA DE CAPACITACION.doc..FORMATO ASISTENCIA DE CAPACITACION.doc..
FORMATO ASISTENCIA DE CAPACITACION.doc..
 
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf
20240418-CambraSabadell-SesInf-AdopTecnologica-CasoPractico.pdf
 
Habilidades de un ejecutivo y sus caracteristicas.pptx
Habilidades de un ejecutivo y sus caracteristicas.pptxHabilidades de un ejecutivo y sus caracteristicas.pptx
Habilidades de un ejecutivo y sus caracteristicas.pptx
 
EL CAMBIO PLANEADO todo acerca de cambio .pptx
EL CAMBIO PLANEADO todo acerca de cambio .pptxEL CAMBIO PLANEADO todo acerca de cambio .pptx
EL CAMBIO PLANEADO todo acerca de cambio .pptx
 
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURA
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURAPRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURA
PRESENTACIÓN NOM-009-STPS-2011 TRABAJOS EN ALTURA
 
Derechos de propiedad intelectual lo mejor
Derechos de propiedad intelectual lo mejorDerechos de propiedad intelectual lo mejor
Derechos de propiedad intelectual lo mejor
 
Rendicion de cuentas del Administrador de Condominios
Rendicion de cuentas del Administrador de CondominiosRendicion de cuentas del Administrador de Condominios
Rendicion de cuentas del Administrador de Condominios
 
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdf
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdfT.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdf
T.A- CONTRUCCION DEL PUERTO DE CHANCAY.pdf
 
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionales
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionalesProyecto TRIBUTACION APLICADA-1.pdf impuestos nacionales
Proyecto TRIBUTACION APLICADA-1.pdf impuestos nacionales
 
Tema Documentos mercantiles para uso de contabilidad.pdf
Tema Documentos mercantiles para uso de contabilidad.pdfTema Documentos mercantiles para uso de contabilidad.pdf
Tema Documentos mercantiles para uso de contabilidad.pdf
 
Elección supervisor y comité SST 2020.pptx
Elección supervisor y comité SST 2020.pptxElección supervisor y comité SST 2020.pptx
Elección supervisor y comité SST 2020.pptx
 
VAMOS MANAOS, análisis e historia de la empresa Manaos
VAMOS MANAOS, análisis e historia de la empresa ManaosVAMOS MANAOS, análisis e historia de la empresa Manaos
VAMOS MANAOS, análisis e historia de la empresa Manaos
 
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnico
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnicoEl MCP abre convocatoria de Monitoreo Estratégico y apoyo técnico
El MCP abre convocatoria de Monitoreo Estratégico y apoyo técnico
 
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdf
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdfAFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdf
AFILIACION CAJA NACIONAL DE SALUD WOM 1 .pdf
 

mineria de datos

  • 1. Minería de datos Dr. Francisco J. Mata 1 Introducción a la minería de datos Tema 1
  • 2. 2 Temario  ¿Qué es minería de datos?  ¿Quién usa minería de datos?  ¿Por qué de la minería de datos?  Ciclo virtuoso de la minería de datos  Resumen de principales técnicas de minería de datos Minería de datos Dr. Francisco J. Mata
  • 3. 3 Definición de minería de datos  Minería de datos es la exploración y análisis de grandes cantidades de datos con el objeto de encontrar patrones y reglas significativas (conocimiento) Minería de datos Dr. Francisco J. Mata
  • 4. 4 Metas de la minería de datos  Permitir a una organización MEJORAR _____ a través de un mejor CONOCIMIENTO de _______  Mejorar la ventaja competitiva Minería de datos Dr. Francisco J. Mata
  • 5. La minería de datos es un campo 5 multidisciplinario Minería de datos Minería de datos Dr. Francisco J. Mata Inteligencia Artificial (“Machine Learning”) Estadística Bases de Datos (VLDB) Graficación y visualización Ciencias de la información Otras disciplinas
  • 6. 6 La minería de datos es un subconjunto de la inteligencia de negocios Minería de datos Dr. Francisco J. Mata
  • 7.  No existe un solo enfoque para minería de datos 7 Minería de datos  Proceso de utilizar datos “crudos” para inferir importantes relaciones entre ellos  Colección de técnicas poderosas para analizar grandes volúmenes de datos sino un conjunto de técnicas que se pueden utilizar de manera independiente o en combinación  Existe una relación con la estadística, aunque frecuentemente se separan las técnicas que no están basadas en métodos estadísticos Minería de datos Dr. Francisco J. Mata
  • 8. 8 Tipos de aplicaciones de la minería de datos  Aplicaciones o problemas de minería de datos pueden clasificarse en las siguientes categorías Minería de datos Dr. Francisco J. Mata  Clasificación  Estimación  Pronóstico  Asociación  Agrupación o segmentación
  • 9. 9 Clasificación  Examinar las características de un nuevo objeto y asignarle una clase o categoría de acuerdo a un conjunto de tales objetos previamente definido Minería de datos Dr. Francisco J. Mata  Ejemplos:  Clasificar aplicaciones a crédito como bajo, medio y alto riesgo  Detectar reclamos fraudulentos de seguros
  • 10. 10 Estimación  Relacionado con clasificación  Mientras clasificación asigna un valor discreto, estimación produce un valor continuo Minería de datos Dr. Francisco J. Mata  Ejemplos:  Estimar el precio de una vivienda  Estimar el ingreso total de una familia
  • 11. 11 Pronóstico  Predecir un valor futuro con base a valores pasados Minería de datos Dr. Francisco J. Mata  Ejemplos:  Predecir cuánto efectivo requerirá un cajero automático en un fin de semana
  • 12.  Determinar cosas u objetos que van juntos 12 Asociación Minería de datos Dr. Francisco J. Mata  Ejemplo:  Determinar que productos se adquieren conjuntamente en un supermercado
  • 13. 13 Agrupación o segmentación  Dividir una población en un número de grupos más homogéneos  No depende de clases pre-definidas a diferencia de clasificación Minería de datos Dr. Francisco J. Mata  Ejemplo:  Dividir la base de clientes de acuerdo con los hábitos de consumo
  • 14. 14 Usos de la minería de datos  Administración de la relación con los clientes:  Identificar nuevos clientes potenciales para aumentar ventas  Ampliar la base de cliente con la mínima inversión por parte de la empresa  Retener clientes existentes evitando que se vayan a la competencia (“attrition”)  Vender más a clientes existentes (“ventas cruzadas”) Minería de datos Dr. Francisco J. Mata
  • 15.  Detección de fraudes en el uso de tarjetas de crédito 15 Usos de la minería de datos  Determinar patrones que puedan estar relacionados con lavado de dinero  Determinar el precio de una casa con base en sus características y el precio de otras casas vendidas Minería de datos Dr. Francisco J. Mata
  • 16. 16 Ejercicio en grupos  Equipos: 3 personas máximo Minería de datos Dr. Francisco J. Mata  Objetivos:  Identificar situaciones concretas para utilizar la minería de datos (10 minutos)  Reportar a la clase verbalmente (3 minutos)  Las situaciones identificadas  Tipo de aplicación o problema de minería de datos relacionado  Los beneficios esperados de aplicar la minería de datos
  • 17. 17 Usos de la minería de datos  Usos de la minería de datos se han ampliado con el comercio electrónico Minería de datos Dr. Francisco J. Mata
  • 18. 18 Recomendaciones Minería de datos Dr. Francisco J. Mata
  • 19. 19 Disponibilidad de datos de transacciones Minería de datos Dr. Francisco J. Mata
  • 20. 20 ¿Por qué de la minería de datos?  Datos se encuentran disponibles  Poder computacional es cada vez menos costoso  Las presiones competitivas son enormes  Software para minería de datos se encuentra disponible Minería de datos Dr. Francisco J. Mata
  • 21. 21 Ciclo virtuoso de la minería de datos Minería de datos Dr. Francisco J. Mata
  • 22. 22 Principales técnicas de minería de datos  Análisis de canasta de supermercado  K vecinos más cercanos  Detección de grupos  Análisis de encadenamiento  Árboles de decisión  Redes neuronales artificiales  Algoritmos genéticos Minería de datos Dr. Francisco J. Mata
  • 23. Resumen técnicas de minería de 23 datos  Análisis de canasta de supermercado  Agrupar objetos que aparecen juntos Minería de datos Dr. Francisco J. Mata  Ejemplos:  Pañales y cervezas
  • 24. Resumen técnicas de minería de 24 datos  K vecinos más cercanos  Determinar los K vecinos más cercanos en instancias conocidos con el objeto de clasificar o hacer una predicción sobre una instancia desconocida  Ejemplo: Dado un reclamo para un seguro determinar basado en reclamos similares (vecinos) si se debe pagar o investigar Minería de datos Dr. Francisco J. Mata
  • 25. Resumen técnicas de minería de 25 datos  Detección de grupos  Encontrar objetos similares entre sí  Ejemplos: tipificar clases de clientes Minería de datos Dr. Francisco J. Mata
  • 26. Resumen técnicas de minería de 26 datos  Análisis de encadenamiento  Encuentra relaciones entre objetos de acuerdo con patrones  Relacionado con la teoría de grafos Minería de datos Dr. Francisco J. Mata  Ejemplos:  Relaciones entre individuos basados en llamadas telefónicas  Relaciones entre casos criminales de acuerdo con sus características
  • 27. Resumen técnicas de minería de  Ejemplos: determinar el sexo o grupo de edad de una persona en función a una serie de preguntas contestadas 27 datos  Árboles de decisión  Dividir objetos en grupos asociando reglas para la asignación de los objetos en su correspondiente grupo Minería de datos Dr. Francisco J. Mata
  • 28. Resumen técnicas de minería de  Modelos simples de interconexiones neuronales en el cerebro que aprenden de un conjunto de adiestramiento y generalizan patrones dentro de él con el objeto de clasificar, estimar o predecir 28 datos  Redes neuronales artificiales  Más común de las técnicas y para algunos sinónimo de minería de datos  Ejemplo: estimar el valor de una casa tomando en cuenta el precio pagado por Minería de datos casas similares Dr. Francisco J. Mata
  • 29. Resumen técnicas de minería de 29 datos  Algoritmos genéticos  Aplican la mecánica de la genética y la selección natural para encontrar un conjunto de parámetros óptimos para una función predictiva  Utilizados para entrenar redes neuronales artificiales Minería de datos Dr. Francisco J. Mata
  • 30. Resumen técnicas de minería de 30 datos  Técnicas mencionadas pueden utilizarse en varias aplicaciones o problemas de minería de datos  Ejemplo: árboles de decisión sirven para detectar grupos, clasificar y predecir  Varias técnicas pueden ser utilizadas en una misma aplicación o problema de minería de datos  Ejemplo: K vecinos más próximos, árboles de decisión y redes neuronales artificiales pueden utilizarse para clasificación Minería de datos Dr. Francisco J. Mata