Publicidad
Publicidad

Más contenido relacionado

Más de Universidad Nacional de Loja(20)

Publicidad

Minería de Datos - 2015 - Clases

  1. Minería de Datos Luis Chamba-Eras 05 de octubre del 2015 Luis Chamba-Eras Minería de Datos
  2. Agenda 1 Datos docente 2 Plan docente
  3. Luis Chamba-Eras Doctorando en Ingeniería en Informática (UPV/EHU). Máster en Ingeniería Computacional y Sistemas Inteligentes (UPV/EHU). Ingeniero en Sistemas Informáticos y Computación (UTPL). Grupo de Investigación en Entornos de Enseñanza Adapta- tivos (Ga-Lan)(UPV/EHU). Luis Chamba-Eras Minería de Datos
  4. Luis Chamba-Eras Departamento de Ciencias de la Computación y Electrónica, sección de Inteligencia Artificial (UTPL). Profesor en UTPL, UNL, UIDE, Sudamericano (Computación, Inteligencia Artificial, Autómatas y Lenguajes Formales, Com- piladores, Comunicación Científica Universitaria). Inteligencia Artificial en Educación, Confianza Computa- cional, Comunidades Virtuales de Aprendizaje, E-learning, Objetos de Aprendizaje, Realidad Aumentada. Luis Chamba-Eras Minería de Datos
  5. Luis Chamba-Eras Publicaciones y ponencias científicas a nivel nacional e in- ternacional. Árbitro en revistas: IEEE Latin America Transactions y En- ergía. Membresía en: ACM y IEEE. Contactos: lachamba6@utpl.edu.ec @lachamba http://lachamba.ec Luis Chamba-Eras Minería de Datos
  6. Agenda 1 Datos docente 2 Plan docente
  7. Componente académico Minería de Datos. Electrónica y Telecomunicaciones Octubre 2015 - Febrero 2016 Conocimientos básicos de estadística descriptiva e inferen- cial Luis Chamba-Eras Minería de Datos
  8. Componente académico Lunes 08:00 AM - 10:00 AM, sala H. Tutoría online, EVA. Luis Chamba-Eras Minería de Datos
  9. Objetivos del componente académico Comprender la relación entre la Minería de Datos, la In- teligencia Artificial y el Análisis Estadístico. Identificar los problemas donde se puede aplicar la metodología de la Minería de Datos. Conocer las principales técnicas de las que se ayuda la Min- ería de Datos. Realizar la adecuada visualización del conocimiento extraído. Luis Chamba-Eras Minería de Datos
  10. Contenidos del componente académico, bimestre I Semana 1: 1 Motivación de la Minería de Datos. 2 Diferencia entre algorítmos y heurísticas para su aplicación en Minería de Datos. 3 Relación de la Minería de Datos con la Inteligencia Artificial. Semana 2: 1 Conceptos fundamentales de la Minería de Datos. 2 Tipos de datos. 3 Tipos de modelos. Semana 3: 1 El proceso de descubrimiento de conocimiento en base de datos. 2 Relación con otras disciplinas. Luis Chamba-Eras Minería de Datos
  11. Contenidos del componente académico, bimestre I Semana 4: 1 Las fases del proceso de extracción de conocimiento. Parte I. Semana 5: 1 Las fases del proceso de extracción de conocimiento. Parte II. Semana 6: 1 Características de los modelos. Semana 7: 1 Extracción de patrones. Semana 8: 1 Examen Bimestre I. Luis Chamba-Eras Minería de Datos
  12. Fechas importantes, bimestre I 1 Tarea 1 (12-10-2015). 2 Tarea 2 (19-10-2015). 3 Práctica 1 (26-10-2015). 4 Tarea 3 (09-11-2015). 5 Práctica 2 (16-11-2015). 6 Tarea 4 (23-11-2015). 7 Tarea 5 (30-11-2015). Luis Chamba-Eras Minería de Datos
  13. Contenidos del componente académico, bimestre II Semana 1: 1 Modelación estadística paramétrica y no paramétrica. Semana 2: 1 Reglas de asociación y dependencia. 2 Árboles de decisión y sistemas de reglas. Semana 3: 1 Métodos relacionales y estructurales. Semana 4: 1 Redes neuronales. Aprendizaje supervisado. Luis Chamba-Eras Minería de Datos
  14. Contenidos del componente académico, bimestre II Semana 5: 1 Redes neuronales. Aprendizaje supervisado. Semana 6: 1 Redes neuronales. Aprendizaje no supervisado. Semana 7: 1 Extracción de conocimiento con algorítmos evolutivos. 2 Algorítmos genéticos y programación genética. Semana 8: 1 Examen Bimestre II. Luis Chamba-Eras Minería de Datos
  15. Fechas importantes, bimestre II 1 Práctica 3 (14-12-2015). 2 Tarea 6 (21-12-2015). 3 Práctica 4 (04-01-2016). 4 Tarea 7 (11-01-2016). 5 Práctica 5 (11-01-2016). 6 Tarea 8 (25-01-2016). 7 Tarea 9 (01-02-2016). Luis Chamba-Eras Minería de Datos
  16. Evaluación del componente académico Bimestre I y II: Instrumento Peso % Puntos Tareas individuales 25 5 Prácticas 25 5 Asistencia clases 10 2 Examen 40 8 Total 100 20 Luis Chamba-Eras Minería de Datos
  17. Examen de recuperación 20 puntos por bimestre I y/o II: Luis Chamba-Eras Minería de Datos
  18. Asistencias Presente (100 %). Atraso (75 % ). Ausente (0 %). Justificación (50 %). Luis Chamba-Eras Minería de Datos
  19. Examen Preguntas de ensayo. Preguntas de opción múltiple. Preguntas de comparación y completado. EVA. Luis Chamba-Eras Minería de Datos
  20. Tareas Individual. Evitar fraude académico. Google académico, bases de datos científicas UTPL o de li- bre acceso, biblioteca física UTPL. Gestor bibliográfico (Mendeley), plantilla en LaTeX, R. Evaluación por pares (rúbricas), 100 % entrega a tiempo, 50 % fuera de tiempo (un día), 25 % (dos días en adelante). Referencias bibliográficas: estilo IEEE. EVA. Luis Chamba-Eras Minería de Datos
  21. Prácticas Individuales o en grupo. Evitar fraude académico. Google académico, bases de datos científicas UTPL o de li- bre acceso, biblioteca física UTPL. Gestor bibliográfico (Mendeley), plantilla en LaTeX, R, Rapid- Miner, Weka, Datasets. Evaluación por pares (rúbricas), 100 % entrega a tiempo, 50 % fuera de tiempo (un día), 25 % (dos días en adelante). Referencias bibliográficas: estilo IEEE. EVA. Luis Chamba-Eras Minería de Datos
  22. Bibliografía básica Hernández Orallo, J.; Ramírez Quintana, M.J.; Ferri Ramírez, C. Introducción a la Minería de Datos, Pearson Education. S.A.. Madrid, 2004. Luis Chamba-Eras Minería de Datos
  23. Recursos educativos abiertos Reutilización de recursos, respetando derecho de autor. OCW. Videos en Youtube. Otros recursos Web. Luis Chamba-Eras Minería de Datos
  24. Éxitos y bienvenidos Luis Chamba-Eras Minería de Datos
Publicidad