Data mining

1. Proyecto 1
MODULO :
FUNDAMENTOS DE
MINERÍA Y CIENCIAS DE
DATOS
GRUPO : 3
DOCENTE: ING. DAVID E.
MENDOZA GUTIERREZ
MINERÍA DE DATOS
VILLEGAS ACUÑA
CARLOS E.
LARA QUIROZ ELVIS
VARGAS TICONA ARIEL
QUISPE MAMANI
NIEVES VANESSA
INTEGRANTES

2. CONTENIDO
-Introducción
-Concepto
-Procesos
-Fases
-Técnicas
-Aplicaciones en la
minería de datos
-Metodología
01
03 04
02
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

3. Introducción
01
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

4. Concepto
Es el conjunto de técnicas y tecnologías que permiten explorar grandes
bases de datos, de manera automática o semiautomática, con el objetivo
de encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos en un determinado contexto.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

5. ¿Para qué sirve?
Explora y extrae
datos ocultos
Extracción de datos y su
análisis mediante
técnicas estadísticas
Permite prospectar clientes
(programa o producto)
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

6. Proceso de la Data Minig
Selección del conjunto de datos
Análisis de las propiedades de los datos
Transformación del conjunto de datos
de entrada
Seleccionar y aplicar la técnica de datos
Extracción de conocimiento
Interpretación y evaluación
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

7. Proceso de la Data Minig
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

8. FASES DE LA MINERÍA
DE DATOS
02
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

9. Fases de la Minería de Datos
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

10. Fases 1 : definir el Problema
Que problema se está tratando de
resolver?
Como adquirir nuevos clientes?
Cómo retener a los que
ya tenemos?
Cómo reducir determinado costo de
la empresa?
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

11. Fases 2: Identificar los Datos Requeridos
Una vez completado el primer
paso hay que recopilar los datos
necesario para poder entenderlo
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

12. Fases 3: Preparación y Preprocesamiento
Se seleccionan los datos
requeridos de todos los que
tenemos disponibles,
procedemos a su “limpieza” y
formateo de manera apropiada,
si es necesario.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

13. Fases 4: Modelado
Seleccionamos los algoritmos apropiados para la tarea requerida y los parámetros
necesarios. Seleccionaremos una herramientas o herramientas que nos sirva para
construir ,el modelo y evalúe los resultados iniciales.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

14. Fases 5: Entrenamiento y Prueba
Evaluamos los resultados preliminares y probamos el modelo en diferentes
conjuntos de datos de muestra y revisamos los resultados.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

15. Fases 6: Verificar, Desplegar y Conocimiento
En ella verificamos el modelo final, reportamos nuestros “hallazgos” y
comenzamos con el plan de implementación en función de los datos obtenidos.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

16. TÉCNICAS DE MINERÍA
DE DATOS
03
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

17. Técnicas de minería
de datos
● Redes Neuronales
● Regresión lineal
● Árboles de decisión
● Modelos estadísticos
● Agrupamiento o
clustering
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

18. REDES NEURONALES
Está formado por un conjunto de nodos
conocidos como neuronas artificiales que
están conectadas y transmiten señales entre
sí.
Estas señales se transmiten desde la entrada
hasta generar una salida.
Ejemplo:
- Perceptron
- Los Mapas Autoorganizados, también
conocidos como redes de Kohonen.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

19. REGRESIÓN LINEAL
Es la más utilizada para formar
relaciones entre datos. Rápida y
eficaz pero insuficiente en
espacios multidimensionales
donde puedan relacionarse más de
2 variables.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

20. ÁRBOLES DE DECISIÓN
● Dada una base de datos se
construyen estos diagramas de
construcciones lógicas.
● Muy similares a los sistemas de
predicción basados en reglas.
● Que sirven para representar y
categorizar una serie de condiciones
que suceden de forma sucesiva
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

21. MODELOS ESTADÍSTICOS
Es la más utilizada para formar
relaciones entre datos. Rápida y
eficaz pero insuficiente en
espacios multidimensionales
donde puedan relacionarse más de
2 variables.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

22. CLUSTERING
● Procedimiento de agrupación de una
serie de vectores según criterios
habitualmente de distancia
● Tratará de disponer los vectores de
entrada de forma que estén más
cercanos aquellos que tengan
características comunes
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

23. -Aplicaciones en la
minería de datos
-Metodología
04
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

24. Aplicaciones en la minería de datos
Industria minorista
Banca
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

25. Aplicaciones en la minería de datos
Marketing
Análisis de datos
biológicos
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas A.cuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

26. Aplicaciones en la minería de datos
Televisión y radio
Medicina
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

27. METODOLOGÍA
Entendimiento del
problema
Preparación de datos
Entendimiento de los
datos
Modelamiento
1 2 3 4
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

28. METODOLOGÍA
Evaluación
Despliegue funcional-
comercial
5 6
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

29. Conclusión
En conclusión la minería de datos crea nuevas oportunidades de
negocio al conocer más a fondo su propio negocio,
contribuye a la toma de decisiones proporcionando poder de
decisión con los resultados obtenidos.
Permite a las empresas o negocios a explorar y entender mejor sus
datos.
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez

30. CREDITS: This presentation template was created by Slidesgo, including
icons by Flaticon, infographics & images by Freepik and illustrations by
Stories
Gracias!
Integrantes: Lara Quiroz Elvis Módulo: Fundamentos de minería y
Quispe Mamani Nieves Vanessa Ciencias de datos
Vargas Ticona Ariel
Villegas Acuña Carlos E. Docente: Ing. David E. Mendoza Gutierrez